导读:本文包含了水声图像处理论文开题报告文献综述及选题提纲参考文献，主要关键词:光声成像,滤波去噪算法,Renyi熵,CS,SVM组合算法
水声图像处理论文文献综述
王荣[1]（2019）在《光声图像处理中前向/后向滤波去噪算法的设计与实现》一文中研究指出光声成像(Photoacoustic Imaging,PAI)是一种近几年发展起来的成像方式,将纯光学成像高对比度和超声成像探测深度好的优势有效结合,与其他传统生物成像相比,PAI由于其波长和频率的特点,经常用于软骨,脑部以及肌肉组织部分的成像,可以对目标身体部位进行分辨率和对比度性能都可观的成像。然而,在光声成像过程中,受环境和设备等因素影响,图像中会有噪声和杂波出现,导致最终的成像结果信噪比低、分辨率不高。因此,如何消除光声成像过程中潜在的噪声干扰是提高光声成像效果的关键所在。本文分别从光声成像的前向和后向过程两个层面出发,设计了不同的去噪算法,对光声信号和最终的成像质量进行提升。具体研究内容如下:(1)提出了一种基于Renyi熵的光声图像重建算法。该重建滤波算法依据原始光声信号Renyi熵所对应的分布情况,对用于分割的阈值进行确定,进而滤除存在的杂波;随即利用上一步得到的滤除杂波后的光声信号进行光声图像重建。利用该算法对不同维度的样本进行处理,包括零维的铅笔芯横截面,一维的头发丝以及二维的老鼠大脑皮层血管,实验最终的结果表明:与利用Renyi熵滤波算法去噪之前相比,重建后的光声图像不同亮度层级差异和分辨率分别提高了32.45%和30.78%,均方误差在原有的基础上下降35.01%,信噪比比之前提高47.66%。(2)设计CS/SVM组合算法提高光声图像质量。通过小波变换对光声图像进行分解,利用测量矩阵和匹配跟踪算法对图像的高频系数进行测量和恢复。将高频分量的重构系数和低频分量的原始系数组合成新的小波系数。所有小波系数均由训练好的分类模型进行处理,分类后的小波系数分为噪声和非噪声两部分,其中噪声部分由软阈值进行处理,最后,逆小波重建用于获得去噪的图像。结果表明,通过CS/SVM组合算法处理之后,小鼠大脑皮层血管光声图像对比度提高39.19%,信噪比提高59.71%,MSE降低20.83%。同时,与传统的医学图像处理组合算法相比,设计的CS/SVM组合算法大大提高了样本的信噪比(至少提高了26.95%),进一步降低了图像的均方误差(约11.98%)。(本文来源于《太原理工大学》期刊2019-04-01）
张晶明[2]（2010）在《基于达芬奇技术的水声图像处理研究》一文中研究指出随着科技的进步和需求的增加,小平台图像声纳逐渐成为声纳一族的重要成员,而实时的声学图像处理则是其中的关键技术。在整个图像处理过程中,图像分割和边缘检测是重要环节,是图像识别的前提和基础。本文着重从实时性及图像分割这两个方面入手,对声图像处理进行研究实现。由于灰度是声学图像的主要特性,因此基于灰度阈值的图像分割技术和基于灰度梯度的边缘检测技术可以用于声学图像的处理。本文采用了最大类间方差法进行灰度阈值的选取,它的基本思想是利用图像的灰度直方图,将目标和背景的灰度分为两个部分,使两部分方差最大来动态地确定图像的分割阈值。本文采用了Sobel和Prewitt方法进行边缘检测,它的基本思想是利用边缘灰度的突变性,将灰度梯度最大的像素作为边缘保存下来。除此之外,还对图像进行中值滤波和对比度增强的图像质量增强处理。为了实现实时图像处理,本文选用了达芬奇技术。该项技术的核心是TI公司最新推出的高性能多核处理器,它集成了DSP的高速运算功能和ARM的控制功能。另外,达芬奇技术还包含了大量的接口及存储器等外围设备。达芬奇技术的这些优势使它适合于大规模的视频、图像处理。本文要在该技术平台上实现对声学图像的实时处理。(本文来源于《哈尔滨工程大学》期刊2010-02-01）
刘东宇[3]（2009）在《声透镜波束形成和水声图像处理技术研究》一文中研究指出高分辨率成像声纳被广泛应用于海洋环境监测与资源开发中。论文对高分辨率成像声纳的两个关键技术:波束形成技术和水声图像处理技术进行了研究。论文首先研究了可用于高分辨率声成像的声透镜波束形成技术。利用混合模型计算了透镜声场,通过仿真计算分析了透镜几何参数、材料参数和环境温度对波束形成性能影响的规律;通过试验验证了仿真模型的正确性。其次,论文研究了基于序列声图像的水下目标定位方法。结合图像特点重点研究了图像预处理方法和后续降噪方法,经过预处理、图像累加、后续降噪实现了轨迹合成与目标定位。论文最后研究了水声图像分割技术。针对两类不同的声图像——前视声纳图像和侧扫声纳图像,分别讨论了适用的处理方法。重点研究了侧扫声纳的目标亮区和影区的分割方法。(本文来源于《哈尔滨工程大学》期刊2009-01-01）
朱殿尧[4]（2008）在《水声图像处理与模式识别》一文中研究指出本论文主要进行水声图像处理和模式识别领域的算法研究和开发。包括图像处理的基本算法、基于脉冲耦合神经网络(PCNN)的图像处理算法、形态学图像处理算法及目标识别算法。本文所研究了图像处理的基本算法中图像的旋转和非整数倍缩放算法并将其用于实现目标识别的旋转不变性和尺度不变性。灰度直方图均衡用于解决水声图像通常较暗这一问题。本文提出了一种新的二值化算法叫做直方图平滑二值化算法,并将其推广实现了图像的快速多阈值分割。此外,还对一种自适应确定二值分割阈值的Otsu算法进行深入研究,并广泛用于本文的其它部分。PCNN算法是目前图像处理领域中一种较新的算法,是图像处理算法中的热门课题。本文对基于PCNN二值图像边缘提取、细化和去噪算法进行了重点研究,其中二值图像去噪算法是对同行提出的基于PCNN的灰度图像去噪算法中的关键参数进行改进而实现的,达到了很好的去噪效果。对于形态学图像处理进行了广泛深入的研究,利用二值形态学的开启、闭合操作为后续的目标识别提供了高质量的中间结果。将形态学平滑算法、形态学梯度算法与对应功能的常规算法进行比较分析,阐明了它们各自优缺点和特性。将高帽变换用于侧扫声纳图像目标的预处理,将阴影区作为目标特征以用于目标识别。最后在上述各种算法基础之上计算区域的特征向量,开发出了侧扫声纳目标自动探测算法,高度对称目标自动识别算法和矩形与(椭)圆形区域自动分类识别算法。在矩形与(椭)圆形区域自动分类识别算法部分提出了一种新的无孔区域周长算法,解决了周长计算中的陷阱点难题。综上所述,本论文对水声图像的预处理、特征提取和模式识别进行了广泛深入的研究,解决了一些热点问题,并取得了若干独创性成果。(本文来源于《哈尔滨工程大学》期刊2008-03-01）
喻琪[5]（2007）在《基于模糊理论与空域相关滤波的声图像处理技术研究》一文中研究指出声图像在人类生活中占据着十分重要的地位。人类通过对图像中信息的理解和分析获取有用信息，这就要求图像具有较好的视觉效果和质量。但是通过多种途径获得的各种声图像往往不能满足需求，其中主要的表现形式为对比度较低，或是具有大量的噪声。合成孔径声纳图像由于受许多干扰源以及成像和数据获取系统测量过程中噪声因素的影响，减低了图像的对比度和图像细节的可辨力，为此我们必须寻求合适的图像增强算法，来提高合成孔径声纳图像的对比度，同时有效地抑制噪声。声图像的滤波与增强是图像处理中重要的过程，通过这样的预处理，声图像可以获得更好的视觉效果、得到更突出的图像特征、为进一步的图像处理做好准备。目前用于图像增强与滤波的算法有许多。本论文主要分析了在小波域利用尺度间和尺度内小波系数相关性的空域相关滤波算法，以及小波域模糊增强的算法。空域相关滤波是利用真实信号和噪声信号在小波分解后不同尺度间存在的不同的统计特性提出的小波域滤波算法。在传统的空域相关滤波的基础上，结合模糊理论中自适应模糊权重中值滤波，本论文提出了空域相关滤波的改进算法。改进算法结合了不同尺度以及同尺度不同分量中小波系数的相关性，通过一种构造局部相关性系数矩阵的方法获得对边界点和噪声点更精准的判断。另一方面，基于模糊理论的图像增强算法在空域图像处理中表现出很好的效果，本论文将该算法应用于小波域中对近似分量的增强。对标准Lena图像进行的定量与定性的分析表明，本论文提出的基于空域相关滤波和模糊增强的图像预处理过程可以有效地提高图像的对比度，并且降低图像中噪声。最后将该算法用于合成孔径声纳图像，处理结果进一步说明了该算法的优越性。(本文来源于《浙江大学》期刊2007-05-01）
刘晨晨,桑恩方[6]（2003）在《基于数学形态学的水声图像处理》一文中研究指出对成像声纳采集到的水声图像进行有效且快速的处理与正确识别,是实现水下智能机器人的“声视觉”的关键问题。针对水声图像的特点,传统方法难以保证对“保边去噪”的要求和保持系统算法整合性。为此提出了一种基于数学形态学的水声图像处理方法,该方法采用广义形态开闭变换等形态学方法进行图像处理。试验结果表明,该算法抗噪能力强,效果明显,且计算量小、硬件实现简单,更好地保证了“声视觉”系统的准确性和实时性。(本文来源于《吉林大学学报(信息科学版)》期刊2003年S1期）
水声图像处理论文开题报告
（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：
随着科技的进步和需求的增加,小平台图像声纳逐渐成为声纳一族的重要成员,而实时的声学图像处理则是其中的关键技术。在整个图像处理过程中,图像分割和边缘检测是重要环节,是图像识别的前提和基础。本文着重从实时性及图像分割这两个方面入手,对声图像处理进行研究实现。由于灰度是声学图像的主要特性,因此基于灰度阈值的图像分割技术和基于灰度梯度的边缘检测技术可以用于声学图像的处理。本文采用了最大类间方差法进行灰度阈值的选取,它的基本思想是利用图像的灰度直方图,将目标和背景的灰度分为两个部分,使两部分方差最大来动态地确定图像的分割阈值。本文采用了Sobel和Prewitt方法进行边缘检测,它的基本思想是利用边缘灰度的突变性,将灰度梯度最大的像素作为边缘保存下来。除此之外,还对图像进行中值滤波和对比度增强的图像质量增强处理。为了实现实时图像处理,本文选用了达芬奇技术。该项技术的核心是TI公司最新推出的高性能多核处理器,它集成了DSP的高速运算功能和ARM的控制功能。另外,达芬奇技术还包含了大量的接口及存储器等外围设备。达芬奇技术的这些优势使它适合于大规模的视频、图像处理。本文要在该技术平台上实现对声学图像的实时处理。
（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。
水声图像处理论文参考文献
[1].王荣.光声图像处理中前向/后向滤波去噪算法的设计与实现[D].太原理工大学.2019
[2].张晶明.基于达芬奇技术的水声图像处理研究[D].哈尔滨工程大学.2010
[3].刘东宇.声透镜波束形成和水声图像处理技术研究[D].哈尔滨工程大学.2009
[4].朱殿尧.水声图像处理与模式识别[D].哈尔滨工程大学.2008
[5].喻琪.基于模糊理论与空域相关滤波的声图像处理技术研究[D].浙江大学.2007
[6].刘晨晨,桑恩方.基于数学形态学的水声图像处理[J].吉林大学学报(信息科学版).2003