导读:本文包含了局部尺度论文开题报告文献综述及选题提纲参考文献，主要关键词:X射线,高动态范围,色调映射,滤波
局部尺度论文文献综述
阙禄松,王明泉,张俊生,李汉[1]（2019）在《基于多尺度局部边缘保持滤波的X射线图像色调映射算法》一文中研究指出为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和叁个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。(本文来源于《科学技术与工程》期刊2019年28期）
周泽民,彭彦军,周雄,董海亮,黄勇强[2]（2019）在《高斯尺度空间周期窄带局部放电带电检测滤波方法研究》一文中研究指出为去除局部放电检测信号中的周期窄带干扰,本文基于快速傅立叶变换频域阈值算法,提出一种改进算法,即在高斯尺度空间上的FFT周期窄带滤波方法。先对放电信号的频谱进行高斯尺度空间平滑滤波,经过多次投影找到频谱上周期窄带干扰和局放信号所在的局部最大值,再通过峭度提取出周期窄带干扰的中心频率并滤除,最后通过IFFT重构出放电信号。然后对各种噪声强度下的局部放电信号进行评估,仿真和实测信号分析结果表明,在不同噪声水平下,该方法均能在抑制周期窄带干扰的同时保留局部放电信号特征。(本文来源于《数字技术与应用》期刊2019年09期）
盛沛,崔伟成,杨永彬,许爱强[3]（2019）在《局部特征尺度分解改进算法》一文中研究指出针对局部特征尺度分解估计包络曲线时未考虑其凹凸性的问题,提出了一种改进的算法。首先,利用3次样条插值方法进行均值点估计,结合前向以及后向插值2种方法,给出了双向形式;其次,参照标准算法,给出了具体的改进算法实现步骤;最后,通过仿真实例验证了有效性。(本文来源于《海军航空工程学院学报》期刊2019年04期）
卢天利[4]（2019）在《基于地面匹配的单目SLAM局部尺度恢复》一文中研究指出针对单目SLAM具有尺度不确定性、难以应用在移动机器人上应用的问题,提出基于地面匹配的局部尺度恢复方法,该方法先通过相机安装高度和地面方程来计算相机运动,然后根据相机的运动计算单目SLAM的初始化点周围的局部尺度,恢复这一范围内的SLAM结果到实际度量。基于ORB-SLAM框架和KITTI数据进行实验,结果表明该算法能恢复局部的SLAM定位结果,证明了该方法的有效性。(本文来源于《工业控制计算机》期刊2019年08期）
沈旭,程小辉,王新政[5]（2019）在《结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法》一文中研究指出如何在没有先验信息的情况下从复杂噪声背景下快速检测到远距离进入的弱小目标,提高整个装备系统的响应能力,是目前IRST热门研究课题。本文通过引入视觉注意机制,提出了一种结合尺度自适应的局部对比度测量的红外弱小目标检测方法。本文首先采用拉普拉斯金字塔尺度空间理论对所有像素点局部对比度进行分析,获得对应的自适应尺度信息;然后在跳出效应的基础上设计了一种基于改进的局部对比度测量模型,最终生成一个显着图来突出目标特性,该方法能够在增强目标对比度同时,抑制背景杂波。定性定量实验结果表明,本文提出的方法相比于对比算法具有较高的红外小目标检测性能,能够对对比度不低于5%的目标稳定检测,适合防空武器装备工程应用。(本文来源于《红外技术》期刊2019年08期）
秦芳,顾广华[6]（2019）在《基于多尺度局部特征编码与多通道特征融合的图像场景分类》一文中研究指出场景分类在图像理解和计算机视觉中是一个挑战性问题。有效的图像表示在场景分类任务中至关重要。CNN特征在场景分类任务中表现相对突出,但仍有缺陷,其主要表征图像的全局特征,忽略了局部信息,且缺乏几何不变性。本文通过编码多尺度局部图像块的中层CNN特征,获得图像的局部信息,并将编码特征与原始图像的全局CNN特征进行多通道融合来描述场景图像,获得更高效的图像表示,以实现更好的分类判别。本文在两个常用的场景数据集上进行实验评估,结果表明,该方法在场景分类任务中取得了令人满意的效果。(本文来源于《燕山大学学报》期刊2019年04期）
罗沙,田宇,李宾宾,胡勇,李庆民[7]（2019）在《基于尺度-能量熵特征对的特高频局部放电辨识方法》一文中研究指出对气体绝缘组合电器(GIS)进行局部放电(PD)检测,可以发现GIS内部早期绝缘缺陷和隐患,并预防绝缘事故发生。文中采用复小波分解(CWT)对GIS内部特高频(UHF)PD信号进行多尺度分解,分析了CWT能量熵(CWT-EE)随CWT尺度的变化规律,发现UHF PD信号信息主要分布在能量熵变化梯度较大的尺度下。为此,文中提取CWT-EE及其对应尺度,构建尺度-能量熵(SP-EE)特征对,既保留了PD信号能量特征信息,又保留了UHF PD信号小波尺度信息。最后,采用支持向量机(SVM)进行UHF PD类型辨识,结果表明:SP-EE特征对不但可以有效识别GIS内部4种典型绝缘缺陷,而且能够有效降低UHF PD信号分解层数和PD特征维数。(本文来源于《电力工程技术》期刊2019年04期）
李凤远,冀勇,张贻凡,陆春华[8]（2019）在《基于局部特征尺度和FastICA的盾构机轴承故障诊断应用》一文中研究指出针对盾构机振动信号的故障特征频率不易提取的问题,提出一种基于LCD(局部特征尺度分解)和FastICA(快速独立分量分析)相结合的故障诊断方式。通过对待测信号进行LCD分解,将其得到的各内禀尺度分量(ISC)再利用快速谱峭度-相关系数的筛选准则处理,获取真实的ISC分量来重构信号。最后将重构信号与待测信号组成FastICA的输入矩阵,实行降噪得到所需故障特征频率得以识别相应的故障类型。实验结果表明相比于固有时间尺度分解,本方法能够减小外界噪声的干扰,更好的提取出机械振动信号的故障特征频率。(本文来源于《国防交通工程与技术》期刊2019年04期）
齐嘉兴,崔伟成,赵修平[9]（2019）在《基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究》一文中研究指出为了实现齿轮故障的精确诊断,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于局部特征尺度分解(LCD)和数学形态滤波的齿轮故障诊断方法。首先,对齿轮振动信号进行局部特征尺度分解,得到若干内禀尺度分量(ISC);然后,依据峭度准则,选取峭度最大的ISC作为故障特征分量,再运用形态差值滤波器对其进行滤波;最后,对滤波结果求取频谱并进行故障诊断。通过对仿真结果和实验数据的分析,说明了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取故障冲击特征的能力,能够有效地实现齿轮故障的精确诊断。(本文来源于《机械传动》期刊2019年07期）
易良玲[10]（2019）在《多尺度局部结构主导二值模式学习图像表示》一文中研究指出图像局部特征描述是计算机视觉的一个基本问题,局部特征描述子作为一种底层特征描述技术,可以描述丰富的图像局部细节结构,在图像发生形变、遮挡或缺损时,仍然表现出较强的鲁棒性,因此被广泛应用在目标检测和识别等计算机视觉任务中。计算机对图像进行理解通常采用“从局部到全局”的策略,这是一个从微观到介观到宏观,由底向上的图像描述过程。但是目前常用的图像特征抽取与描述技术是基于宏观整体或局部区域的,除LBP与GIMMRP算子外,很少有基于微观结构描述的局部特征技术。LBP具有计算简单,对图像旋转和图像灰度变换能保持不变性等优异性能,然而常规的LBP方法不足在于:(1)在二值化处理中,LBP仅保留了像素之间的灰度关系,导致图像细节信息的大量丢失;(2)LBP有可能会出现分布不均匀的直方图以及出现频率较低的模式类型;(3)LBP对所关注的模式类型需要预先定义,如“统一模式”是一种预先定义的模式。GIMMRP具有LBP相类似的优点,同时对图像微观结构有很强的描述表达能力,大幅度提升了二值描述算子的判别能力。但GIMMRP算法需要对图像中每一个3×3邻域和131个卷积模板进行卷积运算,导致计算效率低,运行速度慢,且获取到的BIMP重要模式是人为选择的结果,然而实际上对于不同的识别问题和应用数据集,其主导模式及其出现的频率并不一样,因此需要确定适应于每个数据集的最有效的主导模式集。本文通过零均值化的微观结构模式二值化(Zero-mean Microstructure Pattern Binarization,ZMPB)处理,提出一种立足于局部图像多尺度结构二值模式提取的图像表示方法。该方法能够表达图像中可能出现的各种具有视觉意义的重要模式结构,同时通过主导二值模式学习模型,可以获得适应于图像数据集的主导特征模式子集,在特征鲁棒性、鉴别力和表达能力上达到优异性能,同时有效降低特征编码的维度,提高算法的执行速度。为了验证算法的性能,在人脸图像数据集ORL和YALE,自行搜集的车标数据集和MNIST手写数字数据集上进行了实验,实验结果表明该算法性能优异,具有很强的判别能力和鲁棒性,优于传统LBP和GIMMRP方法,和很多最新算法结果相比,也具有一定的竞争优势。作为一种通用的图像识别描述方法,其具有高效、高鉴别力和较强的鲁棒性优点。可以广泛应用于目标检测、物体分类、文本检测与识别等领域。(本文来源于《湘潭大学》期刊2019-06-01）
局部尺度论文开题报告
（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：
为去除局部放电检测信号中的周期窄带干扰,本文基于快速傅立叶变换频域阈值算法,提出一种改进算法,即在高斯尺度空间上的FFT周期窄带滤波方法。先对放电信号的频谱进行高斯尺度空间平滑滤波,经过多次投影找到频谱上周期窄带干扰和局放信号所在的局部最大值,再通过峭度提取出周期窄带干扰的中心频率并滤除,最后通过IFFT重构出放电信号。然后对各种噪声强度下的局部放电信号进行评估,仿真和实测信号分析结果表明,在不同噪声水平下,该方法均能在抑制周期窄带干扰的同时保留局部放电信号特征。
（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。
局部尺度论文参考文献
[1].阙禄松,王明泉,张俊生,李汉.基于多尺度局部边缘保持滤波的X射线图像色调映射算法[J].科学技术与工程.2019
[2].周泽民,彭彦军,周雄,董海亮,黄勇强.高斯尺度空间周期窄带局部放电带电检测滤波方法研究[J].数字技术与应用.2019
[3].盛沛,崔伟成,杨永彬,许爱强.局部特征尺度分解改进算法[J].海军航空工程学院学报.2019
[4].卢天利.基于地面匹配的单目SLAM局部尺度恢复[J].工业控制计算机.2019
[5].沈旭,程小辉,王新政.结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法[J].红外技术.2019
[6].秦芳,顾广华.基于多尺度局部特征编码与多通道特征融合的图像场景分类[J].燕山大学学报.2019
[7].罗沙,田宇,李宾宾,胡勇,李庆民.基于尺度-能量熵特征对的特高频局部放电辨识方法[J].电力工程技术.2019
[8].李凤远,冀勇,张贻凡,陆春华.基于局部特征尺度和FastICA的盾构机轴承故障诊断应用[J].国防交通工程与技术.2019
[9].齐嘉兴,崔伟成,赵修平.基于局部特征尺度分解和数学形态滤波的齿轮故障诊断方法研究[J].机械传动.2019
[10].易良玲.多尺度局部结构主导二值模式学习图像表示[D].湘潭大学.2019