导读:本文包含了小波多尺度积论文开题报告文献综述及选题提纲参考文献，主要关键词:边缘检测,多尺度积,小波变换,自适应阈值
小波多尺度积论文文献综述
唐少弟[1]（2015）在《基于小波平方多尺度积的自适应边缘检测》一文中研究指出边缘检测是图像分割、图像压缩、视觉跟踪等的关键技术之一,受到众多研究者关注,涌现了许多算法,但在实际应用中,由于噪声的影响,检测性能受到制约。本文从多尺度信号与噪声的相关特性出发,研究提高定位精度和增强抗噪性的图像边缘检测算法。利用不同尺度间信号和噪声的小波变换系数的空间相关性,本文提出了一种基于小波平方多尺度积的边缘检测方法。定义了一个尺度积函数,通过将相邻尺度上的小波变换系数相乘,来增强边缘,抑制噪声。实验结果表明,该方法具有较好的定位效果。算法中,针对低信噪比环境,在尺度积域引入衡量信号和噪声相对强度的自适应比例因子,自适应地调节阈值,克服噪声对检测性能的影响。实验结果表明,算法的抗噪性得到明显提高。通过比较实验,结果表明,本文算法在低信噪比的标准测试图上的定位精度均能够达到93%以上。在高信噪比下,本文算法的SNR、PSNR和其它基于小波多尺度的算法相当;但在低信噪比下,本文算法的SNR能提高0.1d B左右,PSNR提高1d B左右。说明本文算法对噪声具有较好的鲁棒性。(本文来源于《华南理工大学》期刊2015-04-22）
廖源,孙国强,钱亮[2]（2013）在《基于B样条小波多尺度积图像边缘提取技术》一文中研究指出结合了B样条函数良好的逼近特性以及多尺度积算法的抗噪性能,来达到图像边缘检测的最佳效果。首先通过选择合适的小波滤波器对信号进行小波变换,之后通过相邻尺度的小波变换相乘得到尺度积,以检测出图像的模极大值,最后通过阈值滤掉伪边缘,得到图像的边缘信息。实验表明,该算法相比其他传统检测算子能有效地抑制图像噪声,并且图像边缘和细节信息的失真量小。(本文来源于《信息技术》期刊2013年09期）
赵晓丽,孔勇[3]（2012）在《基于高斯小波的多尺度积图像边缘检测算法》一文中研究指出图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。(本文来源于《数据采集与处理》期刊2012年04期）
崔玲玲,卢朝阳,李静,李益红[4]（2011）在《基于小波多尺度积与形态学的瑕疵检测算法》一文中研究指出针对布匹瑕疵种类多以及单个方法仅对特定类瑕疵有效的问题,提出一种新的基于小波多尺度积和数学形态学的布匹瑕疵检测算法。首先对输入图像进行二进小波变换后,低频近似子图经过数学形态学运算,得到良好的瑕疵形状特征,然后对高频子图使用小波多尺度积方法,可以抑制噪声的同时增强瑕疵的边缘线性特征,最后融合得到最终的检测结果。实验结果表明,该算法在虚警率和运算时间较低的同时,得到较高的检测率,综合性能优于经典的Gabor和小波变换算法。(本文来源于《光电工程》期刊2011年08期）
贾超,王耀坤,邢晶晶[5]（2011）在《利用小波多尺度积实现裂纹缺陷的边缘检测》一文中研究指出提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。(本文来源于《计算机工程与应用》期刊2011年15期）
陈方涵,苗华,陈宇,王文生[6]（2009）在《基于小波多尺度积的目标识别》一文中研究指出光学相关探测就是利用光学相关的方法,从混乱的图像中找出需要的目标,达到识别的目的。把小波变换应用于光电混合联合变换相关器,突破了传统的傅里叶变换的局限性,实现了对探测目标不同区域、不同尺度的分析。为了充分利用小波不同尺度的特性,采用小波多尺度积的方法提取出目标图像的边缘,兼顾了图像的细节与轮廓特征,将目标图像不同层次的轮廓信息和细节信息相结合,解决了复杂背景下目标图像的识别问题。光学实验结果表明,该方法有效增强了复杂背景目标的相关点强度,成功实现了目标的探测,具有良好的应用前景。(本文来源于《光学学报》期刊2009年05期）
赵一鸣,王兵,王柏祥,金涛[7]（2008）在《基于小波域多尺度积的心音去噪方法》一文中研究指出介绍了一种新的心音去噪方法,利用小波域多尺度积的方法定位第1、第2心音在各个心音周期的位置,并利用其持续时间估计有用信号及噪声,达到去噪的效果,避免了通过ECG-Gating在时域提取噪声时的误差.比较信号在处理前后各个频段的频谱变化,结果表明,该方法不仅在效果上比已有方法更好,在计算上也更为便利.(本文来源于《江南大学学报(自然科学版)》期刊2008年05期）
黄世亮,裘鉴卿[8]（2007）在《基于小波变换多尺度积的图像融合算法》一文中研究指出图像融合是图像处理中的关键技术之一。它在军事和民用图像处理领域获得了广泛的应用。提出了一种新的基于小波变换多尺度积的图像融合算法,小波变换多尺度积具有放大信号边缘特征和降低信号噪声的特点,有利于在融合图像中保持图像的细节特征。利用统计分析的评判准则,如熵、标准偏差评价图像的融合效果。实验结果表明该方法提高了图像的熵和标准偏差。在保留原图像信息的情况下增强了融合图像的细节信息。(本文来源于《红外与激光工程》期刊2007年03期）
何宏,唐志航,张细政,杨保安[9]（2007）在《基于小波多尺度积的图像增强新算法》一文中研究指出在分析小波变换对噪声影响规律的基础上,结合小波多尺度积的特性,提出了一种基于小波多尺度积的图像增强新算法,利用二进小波变换中各尺度上小波系数间的相关性,有效改善了图像增强过程中噪声放大问题。(本文来源于《计算机应用与软件》期刊2007年03期）
葛永新,杨丹,张小洪[10]（2006）在《基于小波多尺度积的图像配准方法》一文中研究指出由于基于特征的图像配准方法,对提取图像特征的鲁棒性和精确性都有很高的要求.本文提出了一种基于小波多尺度积的图像配准方法。该方法利用小波多尺度积提取边缘图像和特征点,同时保存特征点的方向信息,具有抗噪性强和边缘定位精确等优点;然后利用特征点的方向信息,定义角度直方图来得到图像之间的精确旋转角度;最后可以选择多种匹配准则来确定匹配点对。实验结果表明,本文提出的方法具有精确性、抗噪性、有效性和鲁棒性等优点。(本文来源于《计算机科学》期刊2006年02期）
小波多尺度积论文开题报告
（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：
结合了B样条函数良好的逼近特性以及多尺度积算法的抗噪性能,来达到图像边缘检测的最佳效果。首先通过选择合适的小波滤波器对信号进行小波变换,之后通过相邻尺度的小波变换相乘得到尺度积,以检测出图像的模极大值,最后通过阈值滤掉伪边缘,得到图像的边缘信息。实验表明,该算法相比其他传统检测算子能有效地抑制图像噪声,并且图像边缘和细节信息的失真量小。
（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。
小波多尺度积论文参考文献
[1].唐少弟.基于小波平方多尺度积的自适应边缘检测[D].华南理工大学.2015
[2].廖源,孙国强,钱亮.基于B样条小波多尺度积图像边缘提取技术[J].信息技术.2013
[3].赵晓丽,孔勇.基于高斯小波的多尺度积图像边缘检测算法[J].数据采集与处理.2012
[4].崔玲玲,卢朝阳,李静,李益红.基于小波多尺度积与形态学的瑕疵检测算法[J].光电工程.2011
[5].贾超,王耀坤,邢晶晶.利用小波多尺度积实现裂纹缺陷的边缘检测[J].计算机工程与应用.2011
[6].陈方涵,苗华,陈宇,王文生.基于小波多尺度积的目标识别[J].光学学报.2009
[7].赵一鸣,王兵,王柏祥,金涛.基于小波域多尺度积的心音去噪方法[J].江南大学学报(自然科学版).2008
[8].黄世亮,裘鉴卿.基于小波变换多尺度积的图像融合算法[J].红外与激光工程.2007
[9].何宏,唐志航,张细政,杨保安.基于小波多尺度积的图像增强新算法[J].计算机应用与软件.2007
[10].葛永新,杨丹,张小洪.基于小波多尺度积的图像配准方法[J].计算机科学.2006