导读:本文包含了超小波论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,多生物特征识别,非下采样Contourlet变换,近邻二值模式
超小波论文文献综述
李新春,曹志强,林森,张春华[1]（2018）在《掌纹掌脉图像超小波域融合识别算法》一文中研究指出针对单一生物特征识别技术易受外界各种因素影响,识别率和稳定性有待提高的问题,提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先,对掌纹掌脉图像利用非下采样Contourlet变换(NSCT)进行分解,将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合;然后,对融合后的图像利用近邻二值模式(NBP)提取纹理特征,获得特征向量;最后,通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率(EER)。在Ploy U图库及自建图库上进行实验,结果表明,NSCT-NBP算法可获得最低的EER,分别为0.72%和0.96%,识别时间仅为0.053 0 s和0.087 1 s,与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比,在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征,具有良好的识别性能,并且掌纹掌脉特征的融合增强了识别系统的安全性。(本文来源于《计算机应用》期刊2018年08期）
黄旋[2]（2016）在《基于超小波变换的医学图像融合方法研究》一文中研究指出现代科学技术的发展带动了医疗器械的蓬勃发展,其中的医疗影像诊断设备也络绎不绝的出现,使得医疗影像越来越多。医疗诊断中,病人需要拍摄不同医疗影像,这需要熟练专业的医生才能根据这些医疗影像诊断病人的情况,而且医生在诊断时需要综合这些医疗影像中的信息,这对医生特别是实习医生是一个很大的挑战。由此出现了医学图像融合技术,其原理是将不同的医疗影像综合在一起,把拍摄病人的医疗影像信息在一张医疗影像上显示。本文主要对医疗影像融合算法中存在的问题进行分析,通过对基于小波变换、超小波变换、邻域熵脉冲耦合神经网络(PCNN)与稀疏表示等医疗影像融合算法进行了解与思考,提出了两种新的医疗影像融合方案。工作主要创新性工作如下:1.为了提高医学图像融合的质量,提出一种基于非下采样Contourlet变换(NSCT)与邻域熵脉冲耦合神经网络(PCNN)的融合方法。在充分考虑图像NSCT域系数特征和PCNN符合人眼的视觉特性基础上,针对低、高频分别提出一种基于改进拉普拉斯能量和(Sum-Modified-Laplacian,SML)的低频系数融合方法和一种基于邻域熵的PCNN高频系数融合方法,构建一种全新的融合规则运用于医学图像融合模型中。新的融合算法能取得更好的视觉效果以及较好的客观指标值,验证了算法的优越性。2.提出了基于YUV变换和稀疏表示的结构与功能医学图像融合算法。利用YUV变换保留功能图像的颜色信息以及Y分量能够代表源图像的灰度信息的特性,结合NSCT变换实现Y分量与结构图像的融合,同时低频采用稀疏表示的方法进行低频子带融合,高频采用局部能量的方法进行融合。算法同时考虑到了色彩特征的保留以及空间分辨率的提升两个方面,取得了较好的融合结果。(本文来源于《江西财经大学》期刊2016-06-01）
龚淼[3]（2015）在《红外光与可见光图像超小波域融合方法研究》一文中研究指出图像是人类感知的重要信息源。随着图像采集方式的增加,现代图像处理系统对图像融合的要求也在不断提高。不同图像源的融合要求和融合目的并不完全一致,融合算法也不尽相同。红外光与可见光图像融合技术能够提取不同波段图像的特征,使融合后的图像可获得更好的目标特性和清晰的场景信息。本论文主要研究了基于超小波域的红外光与可见光图像融合算法。重点探讨了两种超小波变换的主要思想及实现过程,一种是较新颖的Tetrolet变换,另一种为较为完善的NSCT。提出两种改进的融合算法:基于PCNN及区域能量的Tetrolet域融合算法和基于区域能量及图像自相似的NSCT域融合算法,以进一步提高算法的实用性能。本论文的主要研究工作包括:1.为了克服Tetrolet变换在图像融合时易出现方块效应的问题,提出了一种基于改进的Tetrolet变换的红外光与可见光图像融合算法。首先对Tetrolet变换的模板选择进行改进,尽可能地减少图像高频信息的丢失,并利用改进后的Tetrolet变换对源图像分解;对区域能量进行加权,应用到图像低频系数的融合中,使图像目标更加突出,并能保留更多的图像背景信息;对脉冲耦合神经网络进行优化,并选其作为图像高频系数的融合规则,使融合后的高频系数可以保留更多的图像细节信息。实验结果表明,对Tetrolet变换的改进更有利于保存源图像的高频信息,该融合算法不仅增强了图像对比度,改善了主观视觉效果,也提高了融合图像的客观评价指标。且该算法不仅适用于红外光与可见光图像融合,在其他多传感器图像融合领域也有良好效果。2.NSCT是一种改进的Contourlet变换,不仅具有平移不变性还拥有足够的冗余信息,这可以更有效地提取源图像中的方向信息,使得融合后的图像更符合人眼的视觉特性。利用上述NSCT在图像处理中的优势,提出了一种新的NSCT域红外光与可见光图像融合算法。首先利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带;对低频子带采用区域能量自适应加权融合规则,带通方向子带则利用图像自相似进行系数的融合;最后对融合系数进行NSCT逆变换,以重构生成融合图像。实验结果表明,与一些现有算法相比,该算法的红外光与可见光图像融合结果在人眼主观视觉标准和客观评价标准上都具有明显优势,且在其他多传感器图像融合领域也呈现出优异的性能。(本文来源于《江苏科技大学》期刊2015-12-24）
贺王鹏,訾艳阳,陈彬强,姚斌,张周锁[4]（2016）在《周期稀疏导向超小波在风力发电设备发电机轴承故障诊断中的应用》一文中研究指出机械故障特征提取的内积变换原理要求匹配基函数与目标特征之间的相似性。在缺乏故障特征的精确信息这一不利条件下,根据故障呈现出的确定性以及统计特性能够有效指导基函数的选择和构造针对发电机轴承发生故障时常伴随周期性特征的先验知识,提出冲击故障特征周期性稀疏为导向的超小波构造方法。所提出的超小波变换利用可调品质因数小波变换作为匹配字典库,从而改进经典的基于单一固定基函数的小波分析思想。在技术路线上:首先采用超小波字典库对信号进行分解,计算各小波尺度上的周期性稀疏故障特征能量权重指标;以该权重指标优化为目标函数作为评价超小波字典与微弱故障特征匹配相适度的依据选择的可调品质因数小波最优刻画参数(即最优超小波);利用最优的超小波基函数对信号进行最终分解,获取其中的关键故障特征。所提出方法成功地应用于某风力发电机组上发电机轴承故障诊断,从中提取振动信号中隐藏的微弱冲击性故障特征。(本文来源于《机械工程学报》期刊2016年03期）
刘鑫[5]（2015）在《超小波稀疏表示与相干体技术研究》一文中研究指出人们对自然能源的开发和利用大大推动了社会的发展，提高了社会生产力，为人们生活提供了极大的便利，为了保持能源，尤其是煤炭、石油、天然气这些地下能源的可持续利用，人们必须尽可能最大程度的合理开发和利用这些地下的天然宝藏。随着能源需求度的越来越大，对地下能源的寻找勘探变得愈发重要，与此同时寻找新的油气储藏变得越来越困难，这就需要人们高效快速准确的寻找油气储藏区域，以便及时开发并合理利用自然能源。地震勘探是分析、构造地下地质结构的重要方法之一，地震数据包含了包括振幅、波形、频率、衰减、能量等多种地震属性在内的丰富的信息，对地震属性的解释能有效解决地质构造问题，尤其有利于寻找石油和天然气藏。其中断层解释是地震解释中最重要的问题之一。断层线的精确识别能够帮助研究人员对地下构造、油气储藏等做出有正确分析和判断，因此提高断层线识别的精度具有重要的现实意义。小波对一维信号的点奇异的捕捉是很有力的，但是对高维信号中线奇异和面奇异的捕捉便不是那么令人满意了，而超小波的诞生解决了这个问题。近年来在地震勘探领域，超小波的使用越来越深入。Surfacelet变换是指先对信号进行多分辨率分解变换，然后利用多维方向滤波器组对相同方向上的变换系数进行合并，Surfacelet变换能有效的对高维信号中的曲面奇异进行刻画。Surfacelet能很方便的处理离散的叁维信号，这一特性十分适合处理叁维地震数据，提高地震资料信噪比，本文采用Surfacelet变换处理地震数据，对各向异性这一性质进行充分利用。在叁维地震数据的预处理上，取得了比较好稀疏表示和降噪效果，对后续提取断层信息提供了更多帮助。相干体方法的的基本原理是通过在一定时窗内计算叁维地震数据体中每一道上每一点所在地震道与相邻地震震道的相似程度，这个相似程度可以用一个具体的数值来表示，最后会形成一个新的叁维数据体，数据体中的每一点都代表该点与邻域内点的相关程度。其中分析时窗中心某一道的某一点与相邻若干道的相似程度表明了该点所在的地震道与相邻地震道的相关程度，相关程度大则相干值大，相关程度小则相干值小，这个结果体现了地震道之间的不连续程度，有利于识别断层、裂缝和特殊岩体等。本文的主要研究内容包括一下几点：1.研究了地震勘探领域的相关知识，包括地震数据的采集，地震数据处理等，并研究了图像稀疏表示领域中Surfacelet变换的主要理论知识，对Surfcelet变换进行了全面而深入的学习，包括方向滤波器（DFB）的起源和多维方向滤波器（NDFB）的具体概念及操作流程，然后对Surfacelet变换的过程进行了详细的研究和分析；2．提出了基于Surfacelet变换的地震数据去噪方法。针对叁维地震数据体，先对目标区域进行Surfacelet频域分解变换，得到地震数据不同尺度下不同方向的频率子带，这些子带都是由一系列系数构成的，由于地震数据中的噪声往往分布在数据的高频部分，在此基础上，对精细尺度层系数进行处理，然后对系数处理后的数据进行重构，达到了提高地震数据信噪比的目的；3．对地震勘探领域断层识别用到的主要技术进行深入学习和研究，包括第一代基于互相关的相干体技术，第二代基于相似的相干体技术，第叁代基于本征结构的相干体技术等，并对相干体技术在断层识别上的应用进行分析和总结；4．提出了改进的多特征值相干体算法。在第叁代相干体技术的基础上，对地震道内每一点地震数据的相干值计算的方法进行改进，使用多个特征值计算相干性，提高了对地震数据能量的保持程度。实验结果表明，与传统的第叁代相干体算法比，改进的多特征值相干体算法更适于提取断层信息，此外当与Surfacelet变换结合时，效果更为明显。(本文来源于《吉林大学》期刊2015-05-01）
钟满田[6]（2014）在《构建提升格式超小波在图像压缩中的应用》一文中研究指出为探索及检验提升格式超小波在图像压缩中的应用,在超小波分析理论的基础上,借助Matlab平台,采用构建提升格式超小波技术分别对彩色和黑白图像进行了两次压缩,得出该提升格式超小波压缩技术可以应用于制作多媒体网络中视频的结论。(本文来源于《大理学院学报》期刊2014年12期）
崔壮[7]（2013）在《超小波域数字水印算法研究》一文中研究指出互联网的普及拉近了人们彼此间的距离，它让我们可以享受到更加方便、快捷的实时通讯。但是由此产生的问题时刻困扰着人们。作品的原始作者经过自己的不断努力研究得到的成果轻易地便被不法分子所复制并占为己有，这严重损害了原创者们的利益。作为一项多媒体数据的有效保护手段，数字水印以其独有的简便、高效的优势近年来在国内外引起了人们极大的研究兴趣。小波理论是近年来学术界研究的热点技术，因其良好的时-频局部分析能力已经成为工程领域的重要技术，但是小波的天生缺陷却影响了它在更广泛领域的应用。因此本文从对信号最优表示的角度出发，分析并验证了超小波的优异性能，根据超小波分解系数的不同特性，主要研究超小波域中的数字水印应用算法。本文针对不同的原始载体，分别提出了基于图像和视频的水印算法。具体研究工作包括以下叁个方面：（1）数字图像的小波分解无法做到稀疏表示，这样就会影响小波系数的表示效率，降低水印嵌入强度，从而影响水印的鲁棒性。本文根据Contourlet变换的分解系数特性，设计并实现了一种基于邻域均值关系的Contourlet域的鲁棒水印算法。首先利用Arnold变换对水印进行置乱加密，接着对原始载体进行Contourlet小波变换，根据变换后近似子带系数关系实现水印的嵌入。在水印提取时不需要原始图像，实现了水印的盲提取。（2）变换域脆弱水印篡改的检测及恢复能力一直是脆弱水印的致命缺陷，本文提出了一种基于DDWT的图像编码自嵌入脆弱水印算法。算法的篡改定位和恢复分别对应着认证水印和恢复水印。算法以原始图像的DDWT域SPIHT编码压缩子图为恢复水印，将恢复水印嵌入到原始载体的小波分解低频系数上；以嵌入恢复水印的载体图像的DDWT分解低频系数大小特征为认证水印，并将认证水印嵌入在图像分块的最低有效位上。（3）针对目前人们对以视频为代表的流媒体兴趣的增加，本文提出了一种基于光流场运动估计的DT-CWT视频水印算法。首先利用光流信息提取视频序列关键帧，然后对选取的关键帧再利用光流场对其进行局部区域的运动估计。根据人眼对于快速流动的物体的敏感性弱的特点，将水印信号分块嵌入于关键帧内快速运动区域。(本文来源于《华侨大学》期刊2013-05-29）
田政[8]（2013）在《基于超小波变换的手指静脉特征提取方法研究》一文中研究指出在基于图像的识别系统中特征提取是识别系统中非常关键的步骤。目前，存在的基于图像的特征提取主要分为四种方法，而基于对象的频域变换系数的特征提取方法具有比较强的表示能力，为此本文针对于手指静脉图像而言，首先对手指静脉图像进行预处理操作，然后基于超小波变换对预处理后的静脉图像提取特征。在进行手指静脉图像预处理操作时，首先对采集的手指静脉图像进行灰度化操作，然后对灰度图像中的手指区域进行定位与获取操作，从而得到包含静脉信息的感兴趣区域。对获得的手指区域，直观上其静脉纹理具有明显的方向信息，通过计算手指区域的方向图得到验证；因而接下来采用方向滤波的分割方法获得手指区域的静脉纹理，由于在采集图像的过程中，手指的大小、摆放的位置等各不相同，为此对静脉纹理图像进行归一化操作。由于超小波变换理论是针对于小波变换方法在处理二维以上函数的奇异性时表现出的不理想的结果而提出来的。因此本文首先应用小波变换来提取手指静脉特征的操作，对小波变换后的静脉图像，得到静脉图像的小波分解系数，对小波分解系数的低频部分进行主元分析与小波矩的分析，对于水平、垂直和对角方向的小波分解系数进行统计分析，从而得到用于静脉识别的特征；本文针对小波分解后的低频系数和水平、垂直、对角方向的系数分别进行主元分析后送入支持向量机进行识别操作，对比四类分解系数在静脉识别性能上的效率；通过对比计算当识别率达到最大值时的主元分析所得的系数维数，根据每类分解系数的在识别性能上的优劣，验证提出的特征的构造方法的适当性；最后通过对比验证基于小波变换的手指静脉图像的特征提取方法的优越性。本文应用超小波变换中的脊波分析和曲波分析理论对手指静脉图像进行特征提取。在基于脊波变换的方法中，由于脊波变换是在拉东域中的小波变换，所以需先对静脉图像求得其近似离散拉东变换，对拉东变换后的静脉图像分别按照其所在的极坐标系下的坐标进行一维离散小波分解，从而获得手指静脉图像的脊波分解系数，对脊波分解系数进行主元分析，经过主元分析后的脊波分解系数进行识别分析，根据该识别对比分析提出构造脊波分解特征的方法，应用该特征进行静脉识别操作，实验结果表明与小波变换相比而言，基于脊波变换的手指静脉的特征提取方法具有明显的优越性。在曲波变换的方法中，首先描述两种基于第二代曲波变换的离散算法，对比这两种算法的优越性，本文选择基于USFFT算法对手指静脉图像进行曲波分解，给出曲波分解后的图像，本文对曲波分解后的每个尺度下的系数分别进行识别对比实验，通过该实验验证各个尺度下的曲波分解系数的分类识别能力，根据上述对比实验构造手指静脉图像的曲波分解特征，将该特征输入支持向量机分类器进行分类识别。(本文来源于《哈尔滨工程大学》期刊2013-01-07）
李春华,秦志英[9]（2012）在《图像的超小波稀疏表示》一文中研究指出图像表示是图像处理领域研究的基础,对后继各种处理具有重要影响。寻找简洁有效的图像表示方法,对于推动图像处理领域的研究发展意义重大。针对二维可分离小波变换在稀疏表达图像中存在的问题,研究了各种超小波稀疏表示方法,并对未来发展进行预见性研究。(本文来源于《电视技术》期刊2012年13期）
宋宜美[10]（2012）在《图像处理的超小波分析与变分方法研究》一文中研究指出超小波分析和变分方法是当前数学图像处理和计算机视觉等领域最具代表性的两种研究方法。超小波分析是应用现代调和分析的概念和方法以及群表示理论，在小波分析的基础上发展起来的，是小波理论的新进展。其目的旨在检测、表示、处理某些高维空间中的数据，而这些数据的某些重要特征又集中于低维子空间中。对于含线奇异、面奇异的二维或高维函数，超小波分析显示出了比小波分析更好的“稀疏”表示能力。与计算调和分析方法不同，变分方法是图像处理中的另一有效工具，在图像去噪、图像增强、边缘检测等方面已经取得很多成功的应用。本文以图像处理为应用背景，围绕超小波分析和变分方法进行了一些有益的探索和研究，并取得了初步的研究成果。主要研究结果如下：1、讨论了曲线波变换和反应扩散方程，并结合曲线波变换和反应扩散方程提出两种图像去噪算法。详细讨论Nordstr m能量泛函极小化问题，从Nordstr m能量泛函的欧拉方程出发，通过重新定义合适的控制函数提出一种新型反应扩散滤波器模型和图像去噪算法。该滤波器模型不是直接求解偏微分方程或者是泛函极值，而是求解数字形式的非线性代数方程组，求解过程简单。讨论了模型的优缺点，通过引入平滑算子和新的扩散函数对该模型进行了改进，有效克服了反应扩散数字滤波过程中的斑点噪声和扩散系数的病态。分析了该滤波器模型的迭代过程，从理论上证明了该滤波器模型的性质和滤波迭代算法的收敛性。数值实验表明所给滤波器模型对不同类型、不同程度噪声污染的图像都有较好的处理效果。为了抑制曲线波变换去噪中出现的“虚假”效应和去除反应扩散数字滤波过程的斑点噪声，提出一种结合曲线波变换和新型反应扩散滤波器模型的图像去噪算法。实验结果表明，所提算法在有效去噪和保持边缘的同时，一定程度上也克服了曲波变换本身的伪Gibbs效应和类曲波伪曲线现象，视觉效果较好。2、讨论了波原子变换的基本特征、构造及数值实现，研究了波原子在图像处理中的应用。提出两种基于波原子变换的图像去噪算法。一种是基于波原子系数全变差最小的图像去噪算法。由于硬阈值算子的不连续性和波原子变换的FFT周期化过程，在去噪图像的不连续点附近产生了新方向性纹理失真和伪Gibbs震荡，而全变差正则化可以抑制这些震荡。将超小波分析和变分方法有机地结合起来，提出了基于波原子系数全变差最小化的图像去噪算法。该算法首先对降质图像利用波原子变换和非线性阈值，然后根据保留的变换系数确定可行域建立模型，最后利用投影梯度算法对其进行求解。实验结果表明，所提算法在有效抑噪和保持边缘的同时，能够有效地抑制伪吉布斯震荡，取得较为理想的视觉效果。另一种是基于Cycle Spinning思想的波原子变换图像去噪算法。由于波原子变换不具有平移不变性，对系数阈值后会产生伪Gibbs现象，而Cycle Spinning可以很好地避免这些失真。将波原子变换和Cycle Spinning有效结合，提出了基于CycleSpinning的波原子变换图像去噪算法。实验结果表明，所提算法可以很好地减少图像在波原子阈值去噪过程中出现的伪Gibbs现象，且能更多地保留图像的纹理细节，视觉效果明显地较曲线波、小波方法要好。3、基于对偶树复小波变换，提出一种图像质量评价的结构相似性指标。对图像采用小波变换进行多分辨率分析，可以将图像分解为不同尺度下的子带图像，这样图像的边缘结构就表达成不同尺度下的小波系数。对偶树复小波变换具有平移不变性和更好的方向选择性，可以更好地表达图像的细节与边缘信息。针对SSIM指标对平移、尺度变化和旋转非常敏感的缺点，提出了基于对偶树复小波变换的结构相似度指标。通过几个数值实验验证了所提指标对平移、尺度和旋转变化的鲁棒性，在图像去噪的应用说明了所提指标的有效性。4、通过考虑不同的图像空间，详细分析了图像调和修补、全变差修补算法的误差。重点讨论了基于小波的图像修补问题的叁个模型：图像的全变差小波修补、基于曲率驱动的小波域图像修补及小波域图像修补的空域实现算法，并对这叁种算法进行仿真实验。数值仿真实验表明，TV模型选择全变差的最小化来推进图像修补的进程，也能系统性地抑制图像中的噪声；曲率驱动的小波域图像修补利用曲率正则化标准惩罚了边缘线的长度和曲率沿边缘线的积分，保证了边缘线曲率的连续性；小波域图像修补的空域实现算法是利用空域的全变差修补技术完成小波域丢失系数的图像修补。(本文来源于《西安电子科技大学》期刊2012-04-01）
超小波论文开题报告
（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：
现代科学技术的发展带动了医疗器械的蓬勃发展,其中的医疗影像诊断设备也络绎不绝的出现,使得医疗影像越来越多。医疗诊断中,病人需要拍摄不同医疗影像,这需要熟练专业的医生才能根据这些医疗影像诊断病人的情况,而且医生在诊断时需要综合这些医疗影像中的信息,这对医生特别是实习医生是一个很大的挑战。由此出现了医学图像融合技术,其原理是将不同的医疗影像综合在一起,把拍摄病人的医疗影像信息在一张医疗影像上显示。本文主要对医疗影像融合算法中存在的问题进行分析,通过对基于小波变换、超小波变换、邻域熵脉冲耦合神经网络(PCNN)与稀疏表示等医疗影像融合算法进行了解与思考,提出了两种新的医疗影像融合方案。工作主要创新性工作如下:1.为了提高医学图像融合的质量,提出一种基于非下采样Contourlet变换(NSCT)与邻域熵脉冲耦合神经网络(PCNN)的融合方法。在充分考虑图像NSCT域系数特征和PCNN符合人眼的视觉特性基础上,针对低、高频分别提出一种基于改进拉普拉斯能量和(Sum-Modified-Laplacian,SML)的低频系数融合方法和一种基于邻域熵的PCNN高频系数融合方法,构建一种全新的融合规则运用于医学图像融合模型中。新的融合算法能取得更好的视觉效果以及较好的客观指标值,验证了算法的优越性。2.提出了基于YUV变换和稀疏表示的结构与功能医学图像融合算法。利用YUV变换保留功能图像的颜色信息以及Y分量能够代表源图像的灰度信息的特性,结合NSCT变换实现Y分量与结构图像的融合,同时低频采用稀疏表示的方法进行低频子带融合,高频采用局部能量的方法进行融合。算法同时考虑到了色彩特征的保留以及空间分辨率的提升两个方面,取得了较好的融合结果。
（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。
超小波论文参考文献
[1].李新春,曹志强,林森,张春华.掌纹掌脉图像超小波域融合识别算法[J].计算机应用.2018
[2].黄旋.基于超小波变换的医学图像融合方法研究[D].江西财经大学.2016
[3].龚淼.红外光与可见光图像超小波域融合方法研究[D].江苏科技大学.2015
[4].贺王鹏,訾艳阳,陈彬强,姚斌,张周锁.周期稀疏导向超小波在风力发电设备发电机轴承故障诊断中的应用[J].机械工程学报.2016
[5].刘鑫.超小波稀疏表示与相干体技术研究[D].吉林大学.2015
[6].钟满田.构建提升格式超小波在图像压缩中的应用[J].大理学院学报.2014
[7].崔壮.超小波域数字水印算法研究[D].华侨大学.2013
[8].田政.基于超小波变换的手指静脉特征提取方法研究[D].哈尔滨工程大学.2013
[9].李春华,秦志英.图像的超小波稀疏表示[J].电视技术.2012
[10].宋宜美.图像处理的超小波分析与变分方法研究[D].西安电子科技大学.2012
标签：图像处理; 多生物特征识别; 非下采样Contourlet变换; 近邻二值模式;