导读:本文包含了多尺度几何描述子论文开题报告文献综述及选题提纲参考文献，主要关键词:图像增强,W系统,NSCT变换,动态直方图均衡化
多尺度几何描述子论文文献综述
王小春,葛雨凡,杨晨箫,黎星言[1]（2019）在《基于多尺度几何分解的光照不均图像增强方法》一文中研究指出针对光照不均匀的图像,结合W系统和NSCT变换,提出了一种新的图像增强方法.方法首先利用W变换对图像进行多尺度分解,然后利用NSCT中的非下采样方向滤波器组对尺度分解中的高频部分进行方向分解,得到不同尺度不同方向上的变换系数.在多尺度几何分解的基础上,对低频子带图像采用动态直方图均衡化、高频子带图像采用同态滤波的方法进行增强处理,最后利用非线性函数减小图像明、暗部分灰度值的差异,得到最后的增强结果.仿真实验结果表明,算法无论在视觉效果上还是客观评价指标上都优于其他被比较的四种增强算法,对于过亮、过暗以及局部光照不均匀的图像均取得了更好的增强效果,在增强图像细节的同时能有效抑制图像的伪吉布斯失真和过增强失真.在评价指标上,算法对叁组经典图像处理后的增强图像的信息熵分别达到了10.0755、9.7879、10.5338,明显优于其他方法.(本文来源于《数学的实践与认识》期刊2019年21期）
朱卫东,王虎,邱振戈,栾奎峰,韩震[2]（2019）在《自适应多尺度几何分析的全色和多光谱图像融合方法研究》一文中研究指出为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。(本文来源于《红外技术》期刊2019年09期）
冯晶晶,樊亚云,邢瑞芳[3]（2019）在《基于多尺度几何分析方法的CT与MRI医学图像融合算法》一文中研究指出首先给出了多分辨分析、两尺度函数的基本概念,并讨论了多分辨分析、两尺度函数的相关性质,为多尺度分析提供了一定的理论基础。在此基础上,利用小波的时频局部性及Randon变换的一些性质,将源图像分解为一系列的子图像,再将分解后的子图像按照融合规则重构成一幅融合图像。最后给出了为达到一定逼近精度的误差界限。(本文来源于《科技视界》期刊2019年07期）
葛新洋,Yuri,Vassilevski,梁夫友[4]（2018）在《基于几何多尺度冠脉循环模型的FFR/CFR敏感度分析》一文中研究指出目的FFR和CFR常用于评价存在狭窄性病变的冠状动脉的功能学状态,但同时也可能受狭窄率以外其他因素的影响,潜在影响其临床应用。因此,利用计算生物力学手段探讨FFR和CFR对不同生理病理因素的敏感度。方法 建立冠脉循环的几何多尺度生物力学模型,在不同冠脉狭窄率条件下,将各生理病理学参数分别相对其基线值在±25%范围内变动,量化评价其对FFR、CFR预测值的影响。结果 狭窄下游微循环阻抗(R_(cor))、心率和狭窄所处血管的基础管径对FFR的影响最为显着,且随冠脉狭窄程度的升高而增大,在70%狭窄率条件下,上述因素变化±25%均引起FFR发生10%以上的变化。相对而言,心肌压力(P_(im))和体循环阻抗(R_(sys))变化对FFR造成(本文来源于《第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编》期刊2018-08-17）
李鲍,刘有军[5]（2018）在《脑动脉的体外反搏血流动力学几何多尺度研究》一文中研究指出目的增强型体外反搏(EECP)是一种作用于血管内皮细胞的脑动脉狭窄无创治疗方法。脑动脉内部的壁面切应力(WSS)是影响血管内膜增生的关键因素,却无法在临床中实时观察。为了改善体外反搏对于缺血性脑卒中的远期疗效,脑血管内WSS的定量计算势在必行。方法 研究建立了脑动脉叁维模型与体循环集中参数模型相耦合的几何多尺度模型,创新性地将体外反搏应用于多尺度模型中。通过对有无狭窄和有无完整韦利斯氏环4种(本文来源于《第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编》期刊2018-08-17）
郭瑞,党建武,沈瑜,刘成[6]（2018）在《基于多尺度几何分析的雾天图像清晰化算法》一文中研究指出提出了一种基于非下采样Contourlet变换(NSCT)的雾天图像清晰化算法,将雾天图像映射到HIS彩色空间,对亮度分量H、饱和度分量S分别处理。采用NSCT处理亮度分量H,对含有大多数能量的低频分量取反,再进行改进的单尺度Retinex算法处理,将再次取反后的图像与直接进行改进的单尺度Retinex算法处理的低频分量线性迭加;采用一种快速双边滤波器对包含图像大多数线性细节的高频分量进行处理;对处理后的高低频分量进行NSCT逆变换,得到处理后的亮度分量。对饱和度分量S进行颜色拉伸,实现颜色补偿;将处理后的各分量图像反向映射到RGB颜色空间,得到清晰化后的雾天图像。实验结果表明,该算法可以获得较好的浓雾图像细节及颜色保真度,与其他算法相比,图像的标准差、信息熵、峰值信噪比都有所提高。(本文来源于《激光与光电子学进展》期刊2018年11期）
李易瑾[7]（2018）在《基于SCM和多尺度几何变换的红外和可见光图像融合》一文中研究指出红外和可见光图像融合已经成为多源图像融合中的重要一员,在国民经济各领域的应用前景越来越广阔。红外图像通过记录景物热辐射强度来体现物体的物理信息,可见光图像则通过记录景物光谱信息的反射特性来描述物体的物理信息,二者融合可以获得更丰富、完整的融合图像。目前,基于变换域的图像融合成为新的发展趋势。为了充分地利用二者的互补信息,得到更好的融合图像,本文提出的融合算法就是将脉冲发放皮层模型(Spiking Cortical Model,SCM)和多尺度几何变换——非下采样Contourlet变换(Non-subsampled Contourlet Transform,NSCT)、非下采样双树复轮廓波变换(Non-subsampled Dual-tree Complex Contourlet Transform,NSDTCT)相结合对红外和可见光图像进行融合的变换域算法。图像经过多尺度、多分辨分解后,依据红外和可见光图像各自的特点,高、低频分别通过不同的融合规则进行融合。论文主要的贡献如下:1.基于目标提取和SCM的NSCT域红外和可见光图像融合针对红外和可见光图像融合时目标信息不够突出的现象,本文依据脉冲发放皮层模型同步发放脉冲的特性并结合区域生长法对红外目标进行提取,通过NSCT变换对目标提取后的红外图像和原始可见光图像进行分解,得到相应的目标区域和背景区域。根据高、低频包含的信息不同,对于目标区域的高频,采用边缘能量作为SCM的外部激励的融合规则进行脉冲选择,得到融合后目标区域的高频系数。最终通过NSCT逆变换获取融合后的图像。仿真结果表明,结合目标提取与SCM的NSCT域红外和可见光图像融合算法能够很好地保留红外图像的目标信息和可见光图像的背景信息,融合效果理想。2.基于模糊逻辑和SCM的NSDTCT域红外和可见光图像融合针对现有多尺度几何变换中存在的一些不足,本文提出将多尺度、多分辨变换NSDTCT结合模糊逻辑和SCM的融合规则去分解图像。NSDTCT变换具有更好的方向选择性、平移不变性、各向异性和时频局部化特性,可以有效的解决频谱混迭现象,并改善图像的灰度层次性和清晰度。模糊逻辑善于表达界限不清晰的问题,有利于增强图像的对比度,非常适用于红外和可见光图像融合。SCM具有脉冲耦合神经网络(Pulse Couple Neural Network,PCNN)和交叉皮层模型(Intersecting Cortical Model,ICM)的共同优点,运算简便,且它对几何变化具有鲁棒性,从而提高融合图像的质量。该算法首先用S函数提高原始红外图像的对比度,接着采用NSDTCT分解增强后的红外图像和原始可见光图像,分别得到低频和高频子带系数。然后,在低频中,通过计算局部区域能量得到模糊函数中的权重系数,进而得到融合后的低频系数;在高频中,由像素清晰度和显着性去激励SCM得到融合后的高频系数。最后,通过NSDTCT逆变换重构出融合图像。通过与现有的主流融合方法一一进行实验比较,结果表明,本文算法具有可靠性和有效性。(本文来源于《河北大学》期刊2018-06-01）
耿达[8]（2018）在《梯度点阵结构几何多尺度优化研究》一文中研究指出点阵材料具有高比强、高比刚等优异的力学性能,广泛应用于现代工业的各个领域。然而,由于点阵材料构成的结构含有大量微结构,传统的有限元计算存在建模与分析工作量巨大等困难。拓展多尺度有限元法(Extended Multiscale Finite Element Method,简称EMsFEM)提供了一种有效的应对上述困难的方法。该方法也使得可以通过结构优化设计获得具有更优性能的单胞结构成为可能。基于拓展多尺度有限元法,本文研究了针对点阵材料构成的宏观结构的数值分析与优化设计理论及方法。梯度结构广泛存在于自然界天然材料中,例如植物的茎、鸟的喙等,其内部含有大量呈梯度连续变化的微结构,以满足结构不同位置的功能需求。在点阵结构工作的基础上,本文将以梯度点阵结构为研究对象,开展点阵材料微结构及其在宏观尺度上的分布的多尺度优化设计,以获得性能更优的点阵材料与结构系统。本文先后采用层级(Hierarchical)优化与并发(Concurrent)优化等两种不同的方法对梯度点阵结构及多相材料点阵结构开展了优化设计研究。首先,本文基于拓展多尺度有限元法,建立了针对梯度点阵结构的宏观结构/微观材料一体层级(Hierarchical)优化设计模型。以最小柔顺度为目标函数,以材料用量为约束,在宏观尺度上采用Layer-wise SIMP方法实现了结构的梯度/层状分布。基于宏观拓扑构型,将微观尺度的优化问题分解为若干个子优化问题,并采用EMsFEM方法对周期性分布的点阵微结构进行等效性能分析。在每个子优化问题中,以微单胞的拓扑构型为设计变量,以对应区域的宏观单元的应变能之和为目标函数,实现微单胞的拓扑构型优化。该方法实现了宏微观两尺度的解耦,即宏/微观两尺度优化被分成两个不同的优化子问题。以机械荷载作用下的平面悬臂梁为算例,验证了所提出方法的有效性,并讨论了材料用量对宏/微观优化结果的影响;通过改变点阵微结构的几何尺寸,讨论了尺寸效应对优化结果的影响;将微观单尺度优化设计与该方法进行对比,阐述了结构/材料一体化层级优化的优点。其次,采用尺度耦合(宏微观几何尺度不可分离)多尺度并发优化方法建立了梯度点阵结构多尺度并发优化模型。在给定基体材料用量的情况下,在结构尺度引入宏观单元相对密度作为设计变量,在材料尺度以微结构的拓扑构型为设计变量,并采用序列二次规划算法对具有梯度分布特点的点阵结构进行最小柔顺度设计。数值算例验证了结构/材料多尺度并发优化相对于材料微观单尺度优化的优势;讨论了点阵结构微单胞几何尺寸对梯度点阵结构优化结果的影响;考察了微观体积分数与基体材料用量对梯度点阵结构多尺度优化结果的影响。之后,以点阵结构微观杆件的强度和稳定性为约束,建立了梯度点阵结构多尺度并发的轻量化设计模型。采用新的凝聚函数,将所有微杆件的强度和稳定性约束分别凝聚为总体约束,避免了约束过多的难题与“次峰值”困难,讨论了点阵微单胞几何尺寸对轻量化优化结果的影响,为梯度点阵结构的多尺度分析与结构材料一体拓扑优化提供了新的理论基础和实现技术。最后,对于微观尺度上由多相材料(两种实材料,一种空材料)构成的点阵结构,提出了一种基于体积守恒型非线性密度过滤函数的插值格式,建立了多相材料点阵结构多尺度并发优化模型。结构尺度上采用传统SIMP方法获得拓扑构型,材料尺度上引入两类拓扑变量(一类用以表征某杆件是否存在,如存在,另一类用以表征采用何种材料)来决定每一杆件材料的选择,为了避免拓扑变量出现中间值,采用非线性密度过滤函数对拓扑变量进行过滤,使其最终呈现0或1的分布,获得了清晰的拓扑构型。讨论了材料用量对宏/微观优化结果的影响,验证了上述方法的有效性。(本文来源于《大连理工大学》期刊2018-05-01）
李永发[9]（2018）在《基于图像多尺度几何分析的压缩感知算法研究》一文中研究指出我们获取外界信息的百分之六十左右源于视觉,图像中包含了我们所需的大量信息,随着信息科技的快速发展,图像成为了信息传递最重要的手段之一,各方面产生的信息量日益剧增,巨量的图像信息的存储、传输及处理成为我们所面对的重要问题。如何有效解决数字图像信息激增所带来的种种问题,关键在于图像的采集与压缩,而图像压缩感知的出现正好解决了这一难题。压缩感知理论采用满足等距约束条件的测量矩阵将稀疏信号压缩投影测量,然后以求解最优化问题来恢复数据。压缩感知可以用远低于现有的采样频率对图像进行压缩采样,有效地实现对图像的压缩。压缩感知理论研究主要围绕测量矩阵、稀疏表示和重构算法叁方面来研究讨论。课题从测量矩阵、稀疏表示和重构算法方面对压缩感知进行介绍和研究,对目前压缩感知算法进行对比分析研究,为提高图像压缩感知重构质量提出一些新的改进研究方法。压缩感知中构造测量矩阵对信号采集和重建性能具有十分重要的影响,针对高斯测量矩阵进行优化,提出一种新的测量矩阵优化方法。采用对高斯随机矩阵进行正交均衡化处理来提高高斯随机测量矩阵的行正交性和列不相关性,同时保证测量矩阵能够满足约束等距条件。以优化后的矩阵作为测量矩阵,K-SVD训练字典作为稀疏基并采用OMP算法进行图像压缩感知实验,验证了矩阵优化方法的有效性。针对最小全变分法图像压缩感知算法低采样率重构图像纹理缺失不足,从图像多尺度几何分析角度出发,利用波原子变换能够有效的重构图像纹理特征的优点提出新的改进的多尺度全变分法压缩感知算法。其后又针对组稀疏压缩感知算法在低采样率重构图像出现纹理混乱的缺点进行研究,通过对图像波原子变换系数特点的研究提出一种抑制矩阵对其优化,最后出一种优化后的组稀疏压缩感知算法。对本文提出的算法进行试验仿真进行验证,实验结果证明改进后算法在重构质量上相较于原有算法有进一步提升。(本文来源于《燕山大学》期刊2018-05-01）
刘贤文[10]（2018）在《多尺度几何分析和稀疏表示的多光谱图像融合方法》一文中研究指出遥感技术的不断发展,为人类对地球的观测研究提供了强有力的工具。由于光谱成像传感器的技术限制,提供的多光谱图像其空间分辨率较低,无法满足多数应用的需要。通过将多光谱图像和空间分辨率高的全色图像进行有效融合,得到一幅空间分辨率高的多光谱图像,可以有效解决多光谱图像空间分辨率低的问题。该方法又被称为多光谱图像的全色锐化(Pan-sharpening)方法或多光谱图像与全色图像的融合方法,受到国内外科研工作者的广泛关注。本文围绕多光谱图像的全色锐化问题,研究了各类经典的遥感图像融合方法,研究遥感图像融合质量的评价标准,综合比较在多个评价指标下各类算法的性能。归纳总结当前主流的图像融合技术,运用多尺度几何分析、稀疏表示、字典学习等理论,对现有算法加以改进。本文的主要工作和研究成果如下:(1)提出一种基于轮廓波子带自适应融合参数回归估计的多光谱图像全色锐化方法。由于传统的基于多尺度融合的方法,采取的方式大多是在不同尺度下的频率信息之间的替换,而忽略了各波段尺度之间的联系,针对该问题,本文提出的方法将全色图像与多光谱图像进行非降采样轮廓波多尺度多方向分解,并构造退化尺度下方向子带的全色图像和多光谱图像;采取多变量回归方法联合估计各方向子带的细节注入增益参数和平均亮度加权参数;进而设计自适应融合规则,进行细节的多尺度多方向自适应注入。实验结果显示,与传统方法相比,本文提出的方法可以获得更好的融合效果。(2)针对基于K-SVD字典学习的算法运算量大的问题,提出一种基于非降采样轮廓波变换和字典学习的Pan-sharpening算法。本方法结合多尺度几何分析和稀疏表示,用非降采样轮廓波变换提取图像细节,用亮度分量构造高、低分辨率字典对,根据高低分辨率下图像细节与全色图像的关系,结合稀疏表示理论,根据稀疏表示系数的尺度不变性得到需要注入的空间细节,注入多光谱图像中。实验结果显示,该方法有效减少了字典训练的时间,并较好地保留了多光谱图像的光谱特征。(3)上述方法通过对GeoEyel、WorldView2和Quick Bird遥感图像进行实验,实验结果表明,本文提出的方法在加强多光谱图像空间分辨率的同时,能有效减少光谱失真,在视觉效果和客观评价指标RMSE、SAM、ERGAS、UIQI、sCC、Q4上都具有较好的融合效果。(本文来源于《南京理工大学》期刊2018-03-01）
多尺度几何描述子论文开题报告
（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：
为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。
（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。
多尺度几何描述子论文参考文献
[1].王小春,葛雨凡,杨晨箫,黎星言.基于多尺度几何分解的光照不均图像增强方法[J].数学的实践与认识.2019
[2].朱卫东,王虎,邱振戈,栾奎峰,韩震.自适应多尺度几何分析的全色和多光谱图像融合方法研究[J].红外技术.2019
[3].冯晶晶,樊亚云,邢瑞芳.基于多尺度几何分析方法的CT与MRI医学图像融合算法[J].科技视界.2019
[4].葛新洋,Yuri,Vassilevski,梁夫友.基于几何多尺度冠脉循环模型的FFR/CFR敏感度分析[C].第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编.2018
[5].李鲍,刘有军.脑动脉的体外反搏血流动力学几何多尺度研究[C].第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编.2018
[6].郭瑞,党建武,沈瑜,刘成.基于多尺度几何分析的雾天图像清晰化算法[J].激光与光电子学进展.2018
[7].李易瑾.基于SCM和多尺度几何变换的红外和可见光图像融合[D].河北大学.2018
[8].耿达.梯度点阵结构几何多尺度优化研究[D].大连理工大学.2018
[9].李永发.基于图像多尺度几何分析的压缩感知算法研究[D].燕山大学.2018
[10].刘贤文.多尺度几何分析和稀疏表示的多光谱图像融合方法[D].南京理工大学.2018