导读:本文包含了小波域变换论文开题报告文献综述及选题提纲参考文献，主要关键词:地质雷达,数据处理,小波域KL变换,直耦波
小波域变换论文文献综述
高永涛,徐俊[1]（2018）在《基于小波域KL变换的地质雷达信号处理技术》一文中研究指出为了克服现有信号处理算法对地质雷达直耦波和噪声滤除的不足,基于KL变换和小波变换进行算法融合设计,提出一种适用于地质雷达信号滤波的小波域KL变换方法。采用电磁波时域有限差分法模拟雷达检测过程,并基于理想无噪声的雷达仿真信号设计验证实验,通过与KL变换方法、小波阈值去噪方法的对比,对小波域KL变换方法的滤波效果进行定量分析和评价。实验结果表明:小波域KL变换对于直耦波的辨识能力较强,用于地质雷达信号直耦波的去除可以取得理想的效果;在采用KL变换和小波变换滤除噪声时,去噪信号的信噪比分别为10.16和15.12,而小波域KL变换对应的结果为18.34,对于噪声的滤除具有更好的效果;同时,小波域KL变换滤波结果对小波函数和分解层数的敏感度较低,对于深部噪声信号的辨识能力亦较强。基于地质雷达实测数据的测试结果同样验证了小波域KL变换方法在实际工程应用中的良好性能。(本文来源于《科学技术与工程》期刊2018年10期）
蔡黎,代妮娜,刘龙成,戴闽鲁,王欣煜[2]（2017）在《一种基于SSIM的小波域离散余弦变换多车目标识别算法》一文中研究指出针对车辆目标识别算法在多车目标情况下识别效果较差,识别时间长的问题,提出一种基于SSIM的小波域离散余弦变换多车目标识别算法。考虑现有文献算法相关环节存在的不足,对其进行了优化和改进。新算法在对运动车辆进行目标识别时,增加结构相似度判别环节,进行离散余弦变换,并引入小波域,通过处理、计算图像的形态特征值,最终以矩阵的形式得到识别结果。实验表明,该算法在多车目标情况下,能够大幅度提高车辆目标识别率,并在一定程度上缩短识别时间,性能优于现有算法。(本文来源于《电视技术》期刊2017年Z4期）
李东明,盖梦野,李超然,张丽娟[3]（2015）在《基于小波域的Contourlet变换法的自适应光学图像去噪算法研究》一文中研究指出从图像噪声的统计特性出发,结合贝叶斯萎缩法(Bayes Shrink)原理,提出了基于小波域的Contourlet变换法的图像去噪方法。根据贝叶斯准则估计阈值Ti,j,并考虑邻域局部相关性,改进阈值的自适应选取方法,获得最优阈值Ti,j[σ?]X(LD),实现图像去噪,同时分析文中算法的去噪的峰值信噪比(PSNR)和计算的复杂度。仿真实验证明,与DWT-NABayes Shrink去噪方法、DTCWT-Bayes Shrink和Cb ATD去噪方法相比,视觉效果和PSNR都有明显提高。(本文来源于《激光与光电子学进展》期刊2015年11期）
郭小凤[4]（2015）在《基于小波域K-L变换法的地质雷达图像处理》一文中研究指出因地质自身复杂的几何和物理特性,地质雷达采集到的图像不可避免的包含了各种各样的干扰信号。本文在分析地质雷达图像特征的基础上,采用小波域K-L变换以及多尺度多结构元的数学形态学边缘检测对图像信息进行降噪与边缘检测处理,突出地质雷达回波信号中的同相轴。仿真实验表明本文采用的处理方法,可以更好的刻画地质雷达图像中的目标信息。(本文来源于《电子技术与软件工程》期刊2015年21期）
郝立瑛,戴芳,高雄飞[5]（2015）在《基于(2D)~2-KL变换的小波域图像融合算法》一文中研究指出为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D)2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.(本文来源于《信息与控制》期刊2015年03期）
李娇,张燕,赵会娟,张丽敏,高峰[6]（2014）在《基于多级小波域变换的时域扩散荧光层析成像方法》一文中研究指出本研究面向基于无限平板荧光扩散解析模型的时域扩散荧光层析成像的反演问题,提出了一种基于多级小波域变换的图像重建方法。与基于全空间域离散像点的传统重建算法不同,采用小波函数对未知参量的空间域进行多尺度分解,通过逐级细化分解尺度来减少重建的未知参量个数,从而有效地改善重建过程的病态性,提高图像的量化度和空间分辨率。仿体实验验证中采用了基于时间相关单光子技术的非接触模式时域测量系统和两个双目标体平板仿体。实验结果证明了所提的图像重建方法可以有效地改善荧光参数重建图像的空间分辨率,而且相较于传统算法其重建图像量化度有着显着地提高。(本文来源于《生命科学仪器》期刊2014年03期）
黄小丹[7]（2014）在《基于拉普拉斯金字塔变换的小波域图像融合》一文中研究指出在深入分析了小波变换融合方法及拉普拉斯金字塔变换融合方法的原理及优缺点的基础上,通过优势互补将二者巧妙结合,提出了一种新的图像融合算法。实验结果表明,该方法计算量小、运行速度快,在红外与可见光图像的融合、多聚焦图像融合以及局部模糊图像融合等应用中优于其他融合方法。(本文来源于《电子科技》期刊2014年06期）
沈荣[8]（2014）在《基于多小波域变换和分形维数的图像融合算法》一文中研究指出为了充分利用图像的纹理特征,本文将多小波变换方法和分形理论相结合,提出了一种新的基于多小波变换域方向对比度和分形维数的图像融合算法.该图像融合算法首先通过多小波变换进行原始图像分解,然后采用差分和维数法计算分形维数相应的低频分解系数,建立基于分形维数的低频融合规则,高频部分则根据方向对比度的值通过选择法或加权平均法进行融合计算.该算法对IR图像和可见光图像进行融合实验,采用图像熵、标准偏差以及质量度量这些客观指标评估图像融合的质量.实验结果表明,把分形维数与多小波变换方法相结合进行图像融合处理,图像融合质量和效率都明显提高.(本文来源于《西南师范大学学报(自然科学版)》期刊2014年05期）
陈军,张长江[9]（2013）在《基于小波域反正切变换的红外图像增强算法》一文中研究指出针对红外图像对比度低、噪声大的特点,利用由信息熵、信噪比和图像标准差构成的评价函数,提出一种平稳小波域的红外图像增强算法。以反正切变换为基础,设计在平稳小波域内增强红外图像对比度的非线性变换函数,并利用差分演化算法与评价函数,寻找最优的非线性变换参数。实验结果表明,与传统的小波域增强算法相比,该算法在有效增强红外图像对比度的同时,对噪声具有较强的鲁棒性。(本文来源于《计算机工程》期刊2013年01期）
盛潭,赵秀萍[10]（2012）在《基于Arnold变换与奇异值分解的小波域数字水印算法研究》一文中研究指出本文将Arnold变换理论与奇异值分解理论相结合,并将其引入小波域数字水印算法研究。实验中,我们利用置乱的水印图像来修改原始载体图像小波变换后的低频逼近子图来嵌入水印。仿真实验证实该算法可以很好的完成水印的嵌入与提取。水印嵌入前后,载体图像无视觉上的差别,这表明该算法的水印不可见性良好;嵌入水印后的图像在经过多种算法和几何攻击后仍能提取出水印信息,说明该算法的水印鲁棒性较好。该研究在数字产品版权保护以及防伪印刷中具有一定的应用价值。(本文来源于《颜色科学与技术——2012第二届中国印刷与包装学术会议论文摘要集》期刊2012-10-18）
小波域变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对车辆目标识别算法在多车目标情况下识别效果较差,识别时间长的问题,提出一种基于SSIM的小波域离散余弦变换多车目标识别算法。考虑现有文献算法相关环节存在的不足,对其进行了优化和改进。新算法在对运动车辆进行目标识别时,增加结构相似度判别环节,进行离散余弦变换,并引入小波域,通过处理、计算图像的形态特征值,最终以矩阵的形式得到识别结果。实验表明,该算法在多车目标情况下,能够大幅度提高车辆目标识别率,并在一定程度上缩短识别时间,性能优于现有算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波域变换论文参考文献
[1].高永涛,徐俊.基于小波域KL变换的地质雷达信号处理技术[J].科学技术与工程.2018
[2].蔡黎,代妮娜,刘龙成,戴闽鲁,王欣煜.一种基于SSIM的小波域离散余弦变换多车目标识别算法[J].电视技术.2017
[3].李东明,盖梦野,李超然,张丽娟.基于小波域的Contourlet变换法的自适应光学图像去噪算法研究[J].激光与光电子学进展.2015
[4].郭小凤.基于小波域K-L变换法的地质雷达图像处理[J].电子技术与软件工程.2015
[5].郝立瑛,戴芳,高雄飞.基于(2D)~2-KL变换的小波域图像融合算法[J].信息与控制.2015
[6].李娇,张燕,赵会娟,张丽敏,高峰.基于多级小波域变换的时域扩散荧光层析成像方法[J].生命科学仪器.2014
[7].黄小丹.基于拉普拉斯金字塔变换的小波域图像融合[J].电子科技.2014
[8].沈荣.基于多小波域变换和分形维数的图像融合算法[J].西南师范大学学报(自然科学版).2014
[9].陈军,张长江.基于小波域反正切变换的红外图像增强算法[J].计算机工程.2013
[10].盛潭,赵秀萍.基于Arnold变换与奇异值分解的小波域数字水印算法研究[C].颜色科学与技术——2012第二届中国印刷与包装学术会议论文摘要集.2012