导读:本文包含了去噪平滑论文开题报告文献综述及选题提纲参考文献，主要关键词:小波软阈值,最小二乘法,能量色散X荧光分析,平滑去噪
去噪平滑论文文献综述
黄凯,黄瑶,鞠一,颜瑜成,左卓[1]（2019）在《EDXRF特征谱平滑去噪方法比较》一文中研究指出采用基于小波软阈值的最小二乘法拟合曲线的方法,对能量色散X荧光分析仪FeO谱线进行平滑处理,利用Matlab软件仿真分析。分别与未处理的原始能谱以及使用五点二阶法、小波软阈值法、傅里叶变换法、最小二乘法处理后的能谱定量分析比较。结果显示,基于小波软阈值的最小二乘法拟合的能谱曲线,能够有效地保留峰信息,峰总比达到0.103 6,本底为42,峰面积也较其他几种平滑方法更大,峰信息丢失最少,谱线的平滑去噪效果明显优于其他几种方法,有利于提高对能谱数据处理的精确度。(本文来源于《核电子学与探测技术》期刊2019年01期）
李薇,白艳萍,王鹏,姚建丽[2]（2018）在《基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法》一文中研究指出为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。(本文来源于《河北工业科技》期刊2018年06期）
戴士杰,任永潮,张慧博[3]（2018）在《各向异性扩散滤波的叁维散乱点云平滑去噪算法》一文中研究指出针对传统点云去噪算法在去除噪声时易造成模型特征失真的问题,提出一种各向异性扩散滤波的叁维散乱点云平滑去噪算法.首先采用张量投票算法计算采样点的张量矩阵,并求解其特征值和特征向量;然后根据采样点的几何特征设计扩散张量的特征值,保证在不同特征方向的扩散速率能自适应调整;最后将重构的扩散张量与叁维各向异性扩散滤波方程相结合,构造了点云滤波模型用于点云去噪.对不同含噪点云模型进行去噪的实验结果表明,该算法在点云去除噪声的同时,可以有效地保持原始模型的特征信息,避免了模型的过光顺.(本文来源于《计算机辅助设计与图形学学报》期刊2018年10期）
薛萍,姚娟,邹学洲,王宏民[4]（2018）在《基于法矢修正的点云数据去噪平滑算法》一文中研究指出逆向工程数据采集点云数据的离群点和噪声点的存在,直接影响数据的多视图拼合,特征提取,数据精简以及曲面重构的质量。在对双边滤波和叁边滤波算法的研究的基础上,提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征,将具有相似几何特征的点限制在法向量相似的区域,在相似邻域内的采样点法矢和位置分别进行保特征的叁边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点,同时保证了点云数据的尖锐及边缘特征,取得良好的去噪效果。(本文来源于《哈尔滨理工大学学报》期刊2018年05期）
刘帅奇,李鹏飞,安彦玲,扈琪,赵杰[5]（2018）在《基于结构张量和各向异性平滑的DTI去噪》一文中研究指出扩散张量成像(Diffusion tensor image,DTI)是一种磁共振成像技术,可以提供白质纤维的走行等独特信息,且具有非侵入和不需要造影剂等优点,因此在理论研究和临床应用领域引起了极大的关注.然而在DTI成像过程中,由于受噪声的影响,导致获得的图像边缘信息模糊不清,给病灶的识别带来了难度.为了减少噪声对DTI图像的影响并且有效地保留边缘结构信息,通过结合结构张量和各向异性平滑技术提出一种新型的DTI去噪方法.首先利用结构张量将DTI图像中的像素分成均匀平坦区域和边缘轮廓区域,然后在均匀区域内进行各向同性滤波,而在边缘轮廓区域进行各向异性平滑处理,从而得到去噪后的DTI图像.实验结果表明,基于结构张量和各向异性平滑的DTI去噪方法明显降低了噪声的影响,同时有效地保留了图像的边缘结构信息.(本文来源于《小型微型计算机系统》期刊2018年09期）
曹鹏涛,张敏,李振春[6]（2018）在《基于广义S变换及高斯平滑的自适应滤波去噪方法》一文中研究指出常规基于广义S变换的噪声压制方法需要人为确定高频噪声在时频域的压制范围。针对这一问题,联合广义S变换的自适应时频滤波函数和高斯平滑去噪算法发展了一种自适应去噪方法。首先对信号进行广义S变换获得时频域数据,在S反变换重构时间域信号过程中采用数据自适应时变滤波函数去除大部分高频随机噪声;然后对时间域信号采用高斯平滑滤波函数去除信号中剩余高频随机噪声。模型和实际资料试算结果表明,本文的滤波去噪方法能够有效去除地震数据中的高频随机噪声,具有较强的适应性和实用性。与常规的随机噪声衰减预测法相比,本文方法受处理参数影响较小,且处理后有效信号在时频谱上的时频分辨率较高。(本文来源于《石油地球物理勘探》期刊2018年06期）
曹鹏涛,张敏,李振春[7]（2018）在《基于广义S变换及高斯平滑的自适应滤波去噪方法》一文中研究指出针对常规基于广义S变换时频滤波去噪方法需要进行人机交互,人为确定高频噪音在时频域的压制范围,具有一定人为主观经验性的不足,联合广义S变换自适应时频滤波和高斯平滑去噪算法发展了一种数据自适应去噪方法。首先对信号进行广义S变换获得时频域数据,在S反变换获得重构时间域信号过程中采用数据自适应时变滤波函数去除大部分高频随机噪声成分,然后对时间域信号采用高斯平滑滤波函数去除包含在信号中剩余高频随机噪声。模型和实际资料试算结果证明了本文提出的滤波去噪方法在去除地震数据中高频随机噪声的适用性和有效性。(本文来源于《CPS/SEG北京2018国际地球物理会议暨展览电子论文集》期刊2018-04-24）
康传利,时满星,陈洋,陈家宙,张临炜[8]（2018）在《一种考虑多尺度噪声的平滑去噪方法》一文中研究指出针对在实际采集叁维点数据模型中遇到多种尺度噪声的问题,提出了一种基于噪声分类组合滤波平滑去噪的方法。首先根据点模型中噪声的位置、密度和无用性等特点,将其分为伪噪声、大尺度噪声和小尺度噪声叁类;分别使用直通滤波、半径滤波和统计滤波,以及移动最小二乘重采样(MLS)去除;同时考虑到点云冗余,将体素化网格滤波与移动最小二乘重采样相结合,实现重采样点模型的优化。实验结果表明:能够很好的解决地面叁维激光扫描仪采集的点数据模型中存在多种尺度噪声的问题。从模型视觉效果上的漏洞修复、特征保持和光顺效果,以及实际变形度上看,方法优于直接使用MLS重采样和Laplace平滑去噪。(本文来源于《科学技术与工程》期刊2018年11期）
牛晓静,王美丽,何东健[9]（2016）在《一种聚类与滤波融合的点云去噪平滑方法》一文中研究指出针对采集的原始叁维点云数据存在噪声、表面不光滑不利于后期叁维重建的问题,提出一种自适应密度聚类与双边滤波融合的叁维点云去噪平滑方法。该方法首先对点云模型进行自适应密度聚类分析,根据聚类结果删除模型中的噪声点;然后再计算采样点的k邻域,并求得利用k邻域构造采样点所在平面的法矢,进而得到双边滤波因子,以对点云模型进行平滑。实验结果表明,该算法能有效识别并去除噪声,并对点云模型进行平滑,同时还能保持原始模型的特征信息。(本文来源于《计算机应用与软件》期刊2016年10期）
刘倩[10]（2016）在《基于非局部稀疏的图像去噪与平滑方法研究》一文中研究指出计算机视觉的研究目标是通过图像或者视频理解场景,图像处理技术是实现该目标的关键技术。图像去噪和平滑是图像处理领域的基础问题。在现实生活中,由于传感器受环境影响、传输信道被干扰等原因,在图像获取与传输的过程中,噪声被不可避免的引入,从而造成图像失真。图像失真现象必然会对图像特征提取、场景理解等后续工作造成干扰,从而影响计算机智能处理任务的准确性。图像去噪的研究目标是将噪声从有噪图像中分离出来,更好地还原图像的真实信息,特别是边缘和纹理细节。如果能够对干净图像建立较好的表达模型,就可以保留更多的有用信息,保证复原图像的准确性。图像平滑的目标则是通过分离图像的结构与细节,用来提取对于人类视觉感知最重要的结构边缘,能够为更高级的计算机视觉任务打下坚实的基础。图像去噪和图像平滑作为基础的图像处理技术,在空间项目、医学、考古学、工业机器视觉、军事识别、卫星图像处理等领域有着广泛的应用。但是由于图像内容复杂多变,图像去噪和图像平滑的研究面临一系列问题和挑战。首先,依靠现有数学工具还无法准确地描述图像,现有方法基于各种假设建立图像的表达模型,存在一定的局限性；其次,人类视觉系统的工作机制非常复杂,目前对于人类感知原理的研究还处于初级阶段,因此无法以明确的数学模型定义一幅图像中具有视觉意义的特征。本文围绕图像去噪和平滑问题的研究热点和难点展开研究,提出基于非局部稀疏的图像处理方法。新方法能够充分利用自然图像本身的有用信息,有效弥补了数学模型的缺陷,以数据驱动的方式大大提高了图像去噪和平滑的效果。主要工作包括：1.提出了基于PCA字典的自适应稀疏编码去噪方法。通过分析PCA字典上稀疏编码误差的统计特性,采用拉普拉斯函数近似编码误差的分布,基于后验估计理论提出一个新的非局部稀疏编码模型。新模型中用于平衡保真项与非局部约束项的正则化参数是自适应确定的。为获得可靠的稀疏编码估计,提出了基于滤波的迭代收缩算法。滤波可以有效抑制后向投影过程的噪声,进一步得到稀疏编码的鲁棒估计。新方法有效提高了编码准确率,从而取得很好的纹理保留和噪声去除效果。2.提出了基于低秩和梯度稀疏的图像平滑方法。通过对自然图像结构和纹理特征的分析,基于自然图像非局部自相似性提出一个图像块分组低秩先验,然后结合平滑图像的全局梯度稀疏先验提出一种新的图像平滑优化方法。低秩先验项约束了平滑图像中相似分组内部各图像块的强相关性,可以去除小尺度噪点和细节、保持细长结构边缘,保证一致的平滑效果。针对新的目标能量函数的优化问题,给出了基于交替迭代近似求解算法的详细流程。新方法能够达到一致性较高的平滑效果,在去除细节的同时保持重要的结构边缘。3.提出了非局部梯度聚集图像平滑方法。通过分析自然图像梯度图的特点,基于非局部自相似性提出平滑图像梯度图的非局部聚集约束项,将该约束与梯度L0范数最小化先验结合得到一个新的优化框架。然后给出了交替迭代算法用于高效求解新能量模型的优化问题。新方法的非局部约束以数据驱动的方式削弱了相似块之间梯度的不一致性,能够有效地去除复杂区域的细节、保持对比度不明显的有意义结构。与现有方法相比,新方法的平滑结果不仅一致性高,而且能够保持结构边缘不移位。4.研究了图像平滑在智能图像处理中的应用。平滑图像在去除琐碎细节的同时保留了对于人类视觉系统非常关键的结构信息,对于内容相关的图像处理问题具有很强的应用价值。首先研究了图像平滑在图像放缩、图像编辑等问题中的应用。然后基于平滑方法提出一种新的多尺度空间构造方法,并研究了多尺度空间在显着性检测问题中的应用。实验结果显示图像平滑本身和多尺度空间在各类应用中都起到了很好的提升作用。(本文来源于《山东大学》期刊2016-06-15）
去噪平滑论文开题报告
（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：
为了有效去除采集信号中的噪声,基于MEMS水听器在采集信号时混入不同噪声的情况下,提出了一种基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法。CEEMD用于将一个含噪信号分解为几个固有模态(IMFS),然后把几个固有模态和原始信号作一个线性相关分析,分为相关性高的模态和相关性低的模态。将软阈值技术应用于相关性低的固有模态,并将粗糙度惩罚平滑技术应用于相关性高的固有模态,以提取尽可能多的信息,然后把处理后的新的固有模态重构形成去噪信号。分别在仿真和真实数据的基础上进行了实验,验证了方法的有效性。结果表明,联合信号去噪方法无论在去噪效果和性能指标上都优于基于CEEMD的小波软阈值的去噪方法和CEEMD的去噪方法,克服了经验模态方法和小波软阈值去噪的不足,为进一步分析与处理信号提供参考。
（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。
去噪平滑论文参考文献
[1].黄凯,黄瑶,鞠一,颜瑜成,左卓.EDXRF特征谱平滑去噪方法比较[J].核电子学与探测技术.2019
[2].李薇,白艳萍,王鹏,姚建丽.基于CEEMD的小波软阈值和粗糙度惩罚平滑技术的联合信号去噪方法[J].河北工业科技.2018
[3].戴士杰,任永潮,张慧博.各向异性扩散滤波的叁维散乱点云平滑去噪算法[J].计算机辅助设计与图形学学报.2018
[4].薛萍,姚娟,邹学洲,王宏民.基于法矢修正的点云数据去噪平滑算法[J].哈尔滨理工大学学报.2018
[5].刘帅奇,李鹏飞,安彦玲,扈琪,赵杰.基于结构张量和各向异性平滑的DTI去噪[J].小型微型计算机系统.2018
[6].曹鹏涛,张敏,李振春.基于广义S变换及高斯平滑的自适应滤波去噪方法[J].石油地球物理勘探.2018
[7].曹鹏涛,张敏,李振春.基于广义S变换及高斯平滑的自适应滤波去噪方法[C].CPS/SEG北京2018国际地球物理会议暨展览电子论文集.2018
[8].康传利,时满星,陈洋,陈家宙,张临炜.一种考虑多尺度噪声的平滑去噪方法[J].科学技术与工程.2018
[9].牛晓静,王美丽,何东健.一种聚类与滤波融合的点云去噪平滑方法[J].计算机应用与软件.2016
[10].刘倩.基于非局部稀疏的图像去噪与平滑方法研究[D].山东大学.2016