导读:本文包含了多尺度图像分析论文开题报告文献综述及选题提纲参考文献，主要关键词:条带波,全色图像,多光谱图像,融合
多尺度图像分析论文文献综述
朱卫东,王虎,邱振戈,栾奎峰,韩震[1]（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）
郭林,孟旭东[2]（2019）在《基于偏微分方程与多尺度分析的图像去噪算法》一文中研究指出针对传统图像去噪算法存在去噪效果和稳定性较差的问题,提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法.首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理,对处理后的图像采用非下采样轮廓波逆变换,实现图像整体去噪;其次,采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带,并利用核主成分分析算法进行整体图像降维处理,对不同子带进行分块管理,完成对整体图像的局部去噪,最终实现基于偏微分方程结合多尺度分析方法的图像去噪.实验结果表明,该算法的图像去噪效果和稳定性均较高.(本文来源于《吉林大学学报(理学版)》期刊2019年04期）
焦姣,吴玲达,于少波,朱江[3]（2019）在《混合多尺度分析和改进PCNN相结合的图像融合方法》一文中研究指出为了更好地融合全色图像中的空间细节信息和多光谱图像中的光谱信息,提出一种基于混合多尺度分析和改进脉冲耦合神经网络(PCNN)的多光谱与全色图像融合方法.首先对全色图像和多光谱图像进行非下采样剪切波变换(NSST),并结合不同多尺度分析方法的互补特性,利用平稳小波变换(SWT)对低频分量部分进行二次分解,在混合多尺度域进行系数融合及SWT逆变换;然后采用基于PCNN的融合规则对高频分量部分进行融合;最后对融合后的高低频系数进行NSST逆变换,得到融合图像.在2组卫星拍摄的多光谱和全色图像上的实验结果表明,在主观视觉与客观评价指标的总体效果上,该方法优于其他8种经典以及流行方法.(本文来源于《计算机辅助设计与图形学学报》期刊2019年06期）
冯晶晶,樊亚云,邢瑞芳[4]（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）
黄世奇,段向阳,刘代志,武文胜[5]（2018）在《基于多尺度分解的多源遥感图像融合技术分析》一文中研究指出遥感大数据处理与应用的重要内容是多源遥感图像之间的协同处理与解译,其中图像融合技术是突出显着特征及协同提取特征的有效途径。从多尺度多分辨率的角度探讨了多源遥感图像融合技术的原理、实现过程和存在的问题,并提出了相应的改进措施。同时以二维小波变换为例,详细阐述了多尺度理论在多源遥感图像融合中的应用以及需要解决的关键技术问题。用实际的遥感数据进行了验证实验,获得了好的实验结果,表明多尺度理论是解决多源遥感图像特征共同表述的一种有效方法。(本文来源于《国家安全地球物理丛书（十四）——资源·环境与地球物理》期刊2018-10-01）
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）
殷向[7]（2018）在《基于多尺度分析的图像融合算法研究》一文中研究指出图像融合是图像处理的重要分支。近年来,基于多尺度多方向分解的变换域像素级图像融合方法,因其能有效克服空间域的失真问题,成为了该研究领域的热点。图像融合技术在军事、民用等各个领域都有广泛应用,本文重点针对现有可见光与红外图像融合算法不能有效监测出红外微小目标的缺点进行改进;同时对多聚焦图像融合算法中融合系数之间相关性差且有融合痕迹的问题进行改进;最后总结了不同的融合评价标准,并根据标准进行模拟实验,对提出的改进融合方法进行验证、评价和分析。论文主要工作和创新点如下:1.分析国内外图像融合领域的研究背景和意义,同时对于详细介绍了本文使用的多尺度分解工具非下采样Contourlet(NSCT)的原理和分解效果。首先了解了图像融合的研究背景、研究意义、国内外现状和发展趋势,对现有的融合算法根据不同的层次进行划分,并比较各个算法的优势和劣势,最后通过与常见的多尺度算法小波变换和Contourlet变换进行比较,分析使用NSCT进行分解的优势。2.在红外与可见光图像融合中,利用小波包分解和高阶累积量的判别公式能有效的检测出红外目标,使得融合效果更好。首先使用小波包和高斯判别处理红外图像,得到红外目标区域,这种方法可以得到复杂背景中的弱小目标,目标检测率更高,检测结果更准确;然后对红外与可见光图像进行非下采样轮廓波分解,得到高低频子带,并对低频子带中红外目标区域和背景目标区域分别进行融合,同时对高频子带系数使用区域能量和区域方差比较进行融合,最后把高低频子带融合系数进行逆变换,得到融合结果图像。3.提出了一种基于多尺度分解和熵率分割的多聚焦图像融合方法,可以有效提高融合图像的相关性。利用多尺度分解后,边缘和细节信息保存在高频子带这一特征,通过模值比较和一致性检测,可以更好的保留图像的细节;同时低频子带结合熵率分割,把图像中信息更接近的系数分到一个区域,再根据区域空间频率和能量融合图像,提高系数间的相关性,使得融合图像边缘过渡更加自然;最后,对图像进行逆变换得到融合结果图。4.对两种融合算法进行仿真实验,同时与另外四种融合算法进行对比。通过主观观察和客观融合图像标准比较,证实了本文改进的算法已经提出的融合方法的有效性。本文提出的算法能得到更加良好地融合视觉效果和边缘信息,对后续的图像处理工作有重要的意义。(本文来源于《河南大学》期刊2018-06-01）
金鑫[8]（2018）在《基于脉冲耦合神经网络与多尺度分析的多源图像融合研究》一文中研究指出由于不同图像传感器原理和图像采集条件的限制,导致单幅单传感器图像不能有效地反应真实场景的完整信息;因此,有计划的获取同一场景多幅源图像提取其互补信息,同时去除其冗余信息,成为较为重要和基础的图像处理技术。图像融合技术可以有效提取并融合多源图像中的互补信息,以弥补单幅单传感图像的局限性,从而获得更加完整和准确的场景图像。近些年,图像表示与分析理论技术的迅速发展,为图像融合技术带来了更多的可能和新的挑战;同时受到获取高质量图像需求的驱动,图像融合技术逐渐成为研究热点,并广泛应用于军事侦察、医学诊断、遥感探测、安防监控等领域。本文以脉冲耦合神经网络(Pulse coupled neural network,PCNN)理论模型与多尺度分析技术为基本工具,针对彩色图像融合中的彩色特征提取与融合、图像细节或区域特征提取与融合问题,以PCNN及其改进版本的动力学特性、空域灰度多聚焦图像融合中的特征提取与优化、彩色多聚焦图像融合中的彩色空间选择与特征提取、遥感图像的光谱与空间细节信息融合、可见光和红外图像的细节与局部特征融合为主要内容开展了深入研究,提出了几种可行的图像融合方案。论文主要工作可总结为以下五个方面:(1)分别针对PCNN、简化脉冲耦合神经网络(Simplified pulse coupled neural network,S-PCNN)和交叉视皮层模型(Intersecting cortical model,ICM)叁种神经元的动力特性开展研究和分析,通过数学分析推得了叁种模型神经元分别在无外部耦合和有外部耦合两种情况下的激活条件,得到了相应的理论表达式,并通过神经元脉冲周期验证了本文激活条件结论的正确性。(2)针对灰度多聚焦图像的清晰或聚焦区域以局部形式出现的特点,本文提出一种基于空间频率和S-PCNN的空域图像分块融合方法,并利用粒子群优化算法(particle swarm optimization,PSO)对S-PCNN的参数智能进行优化;此外,本文设计了多种图像评价指标相关联的适应度(目标)函数计算方法,以提高优化算法效率和鲁棒性。(3)本文在分析不同彩色空间的基础上,针对不同彩色分量的特点,提出了一种通过不同方法分别融合不同色彩分量的方案。该方案利用非下采样的剪切波变换(Non-subsampled shearlet transform,NSST)分解源图像,同时采用PCNN提取图像细节信息,从而实现彩色图像融合;并在多种彩色空间测试了该算法的性能,验证了分别融合不同彩色分量思想的可行性。(4)针对多光谱遥感图像光谱信息和全色图像细节特征的差异性,本文提出一种有效的遥感图像融合方法。该方法利用CIE Lab彩色空间较强的色彩表示能力,在NSST对源图像分解的基础上,利用ICM和PCNN分别提取低频子图像的区域特征和高频子图像的细节特征,实现多源遥感图像的光谱信息和空间细节信息的有效融合。(5)针对红外图像中较强区域特征与可见光图像中较多细节信息的特点,本文首先利用静态小波(Stationary wavelet transform,SWT)分解源图像以得到其各层细节子图像,然后利用离散余弦变换(Discrete cosine transform,DCT)和局部空间频率提取图像的局部特征,最后通过融合规则和相应的变换重建融合图像,实现了红外与可见光图像的有效融合。本文的创新点主要集中在PCNN模型及其改进版本的动力机制分析、图像色彩信息提取与融合、图像细节和区域特征提取与融合等叁个方面;针对PCNN模型及其改进版本进行的动力学特性研究与分析,得到了输入和模型参数之间的制约关系,可在理解模型运行机制的同时,为其应用提供理论支撑;在对不同彩色空间研究分析的基础上,探索了彩色空间对彩色图像效果的影响,并拓展了CIE Lab空间在彩色图像融合中的应用;以图像融合中的特征提取为重点研究内容,提出了几种较为具体可行的图像特征提取与融合方法。(本文来源于《云南大学》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）
多尺度图像分析论文开题报告
（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：
针对传统图像去噪算法存在去噪效果和稳定性较差的问题,提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法.首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理,对处理后的图像采用非下采样轮廓波逆变换,实现图像整体去噪;其次,采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带,并利用核主成分分析算法进行整体图像降维处理,对不同子带进行分块管理,完成对整体图像的局部去噪,最终实现基于偏微分方程结合多尺度分析方法的图像去噪.实验结果表明,该算法的图像去噪效果和稳定性均较高.
（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。
多尺度图像分析论文参考文献
[1].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
[2].郭林,孟旭东.基于偏微分方程与多尺度分析的图像去噪算法[J].吉林大学学报(理学版).2019
[3].焦姣,吴玲达,于少波,朱江.混合多尺度分析和改进PCNN相结合的图像融合方法[J].计算机辅助设计与图形学学报.2019
[4].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
[5].黄世奇,段向阳,刘代志,武文胜.基于多尺度分解的多源遥感图像融合技术分析[C].国家安全地球物理丛书（十四）——资源·环境与地球物理.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].殷向.基于多尺度分析的图像融合算法研究[D].河南大学.2018
[8].金鑫.基于脉冲耦合神经网络与多尺度分析的多源图像融合研究[D].云南大学.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