导读:本文包含了小波插值论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:小波,插值,函数,斯托,数值,图像,积分。
小波插值论文文献综述
宋德鹏,曲毅[1]（2016）在《FMCW CSAR成像算法中的小波插值》一文中研究指出CSAR波数域成像算法的关键是利用Stolt插值将极坐标空间域的回波信号重建到直角坐标系的空间频率域,再聚焦成像。但插值算法较为复杂,针对此问题,提出利用Daubechies小波基函数作为插值函数,对Stolt插值部分进行了改进,并将其应用到调频连续波(FMCW)体制的CSAR成像,有效减少了运算量,经仿真验证了该算法的有效性,实现了高效成像。(本文来源于《电子世界》期刊2016年20期）
高忠社,何万生,谢保利[2]（2013）在《紧支撑样条小波插值及其应用》一文中研究指出基于紧支撑样条小波函数插值与定积分的思想,给出了由紧支撑样条小波插值函数构造数值积分公式的方法.并将该方法应用于二次、叁次、四次和五次紧支撑样条小波函数,得到了相应的数值积分公式.最后,通过数值例子验证,发现该方法得到的数值积分公式是准确的,且具有较高精度.(本文来源于《纯粹数学与应用数学》期刊2013年06期）
张凯歌,缪毅,雷建坤,彭可亮,蒋慕蓉[3]（2013）在《结合小波插值与K-means方法提取彩色图像文字》一文中研究指出彩色图像文字的提取和识别是人工智能与模式识别领域中的研究热点。现有方法在处理彩色图像中背景与文字相近或者字体较小的图像文字时会受到复杂背景的影响。为了解决彩色图像中文字与复杂背景颜色相近和模糊不清与排列不规则的文字提取与识别问题,文中采取人工选取文字区域进行小波插值放大的方法使图像清晰化,再利用K-means方法对文字色彩进行聚类得到单背景彩色文字图像,然后通过二值化处理和文字分割后再结合BP神经网络进行文字识别。实验表明,该方法不仅能处理大多数彩色图像文字的提取,而且在识别低对比度彩色图像文字方面比目前常用的方法要好。(本文来源于《计算机技术与发展》期刊2013年03期）
钟铭华[4]（2012）在《小波插值与自蛇模型在放大图像清晰化中的应用研究》一文中研究指出如今,随着科技的发展,数字图像的分辨率越来越高,然而在实际应用中,图像极易受到外界各种条件的干扰,在很多情况下,要获得高分辨率的优质图像就变成了一件难事。例如,受到传输条件的限制,或者受到噪声的干扰,图像的清晰度就会大大下降,对图像进行放大后,将无法保持原有的视觉效果。所以提高放大图像的清晰度是目前迫切需要解决的问题,我们需要一些有效实用的放大图像清晰化的方法。论文对各种传统图像放大方法进行了研究,发现使用传统的插值方法放大后会在图像中产生错误的高频分量,使得放大后的图像要么边缘锯齿化要么图像模糊不清。根据小波具有多分辨率分析功能和逐渐局部细化等性质,结合小波变换的图像放大方法,能在一定程度上缓解传统插值引起的不良效果。所以论文采用了小波变换结合传统的插值模型对图像进行放大,提高放大图像的清晰度。然而小波方法同样存在一些缺点,首先是放大后图像明显变暗,其次是当待放大图像像素较低时,同样出现锯齿边缘和不同程度的区域模糊,影响了图像的视觉效果。鉴于小波方法放大后存在灰度值变暗的问题,论文对图像变暗的原因进行了分析,对小波放大方法加以改进,得到了较理想的效果。而对于小波放大方法存在锯齿边缘和区域模糊的问题,我们考虑对小波放大后的图像进行后处理,以改善图像的放大效果。鉴于偏微分方程模型是连续而稳定的且数值方案灵活多样的优点,考虑采用偏微分方程对放大图像做修正处理,以提高放大后图像的质量。一方面对插值所带来的锯齿化有一定的平滑作用,另一方面是对插值所引起的边缘模糊化有一定的改善。经过实验比较,采用自蛇模型对放大图像进行修正处理时,在消除插值带来的锯齿化效果时它与其它处理方法的效果一样理想,而在处理边缘模糊化时,自蛇模型在有效的抑制模糊的同时,还具有增强边缘锐度的作用。同时,论文在自蛇模型的基础上进行了改进,主要改善了它的边缘停止函数,新的边缘停止函数与传统的边缘停止函数相比,停止算子较小,使得在对图像进行后处理的时候能够对边缘进行较为细致的处理。而且新的边缘停止函数还减少了梯度门限k,降低了边缘函数的复杂性,在有效改善放大图像效果的同时,保证了较快的处理速度。最后,论文结合了小波方法和改进自蛇模型,对视频图像进行处理。针对无噪声图像,使用小波自蛇的方法,对图像进行放大和清晰化处理；而针对噪声图像,使用自蛇小波的方法,对图像进行清晰化和放大处理。同时论文设计了实验界面,以图形界面的形式展示了各种方法放大清晰化图像的效果。(本文来源于《云南大学》期刊2012-04-01）
许然,汪亚明,黄文清,石信增[5]（2011）在《基于小波插值的人脸建模方法》一文中研究指出研究叁维人脸建模问题,针对传统以二维图片为基础的叁维人脸建模方法受到提取特征点过少的限制,不能很好的恢复叁维人脸信息,导致叁维人脸效果不佳的问题,提出了基于正交立体测量原理和二维高斯小波函数插值的叁维人脸建模方法。方法运用正交测量的手段转化人脸二维坐标成叁维人脸坐标,运用高斯小波函数进行空间人脸插值,增加叁维人脸特征点,尽可能地恢复叁维人脸结构信息。实验表明,方法最终增强叁维人脸的数据模型的饱和度,达到了令人满意的效果。(本文来源于《计算机仿真》期刊2011年09期）
郭琦[6]（2010）在《图像平滑的2维小波插值方法》一文中研究指出在应用扩散方程进行图像平滑时,常规的方法是对扩散方程差分化构造差分方程,利用初边值条件求解。这种方法误差传播快,精度不高。因此,构造了2维小波插值函数,利用它来求解扩散方程,并分析得到用小波插值函数求解Alvarez模型的方法。由于小波函数具有良好的局部性,求解扩散方程比用差分方法求解具有精度高,误差传播速度慢,对时间步长不敏感等优点。在数值实验中,给出了本文方法的有效性及相对于差分方法求解的优点。(本文来源于《中国图象图形学报》期刊2010年10期）
高忠社,沈永红[7]（2010）在《关于七次紧支撑样条小波插值探究》一文中研究指出文中探讨了七次紧支撑样条小波函数和图形,以及其性质,并以七次紧支撑样条小波函数为基函数,构造了一类紧支撑样条小波插值函数,讨论了插值问题,最后给出了数值例子.(本文来源于《通化师范学院学报》期刊2010年02期）
宗智,赵勇,邹文楠[8]（2010）在《小波插值方法自适应数值求解时间进化微分方程》一文中研究指出应用小波自相关函数的插值性质,得到任意给定函数的插值小波表达式,然后对其直接求导,可以得到函数导数的表达式。导数运算不再应用差分算法,扩展了小波方法在数值求解微分方程中的应用。由于小波基函数的有限支撑特点,小波方法可以有效地处理微分方程中解的局部突变问题。通过设定小波系数阀值,实现了求解过程的自适应。本文给出了两个算例,结果表明了算法的自适应特点及其向二维空间问题推广的有效性。(本文来源于《计算力学学报》期刊2010年01期）
徐应祥[9]（2009）在《二次紧支撑样条小波插值及其应用》一文中研究指出以二次紧支撑样条小波为基函数,构造了一类二次紧支撑样条小波插值函数,仔细讨论了其计算过程和误差.再将其应用于数值积分,给出了一类求数值积分的新公式,分析了其误差,最后给出一个数值例子.(本文来源于《应用数学与计算数学学报》期刊2009年02期）
赵秀影,胡玉臣,翟林培,葛文奇[10]（2009）在《双正交小波插值的CCD图像超分辨恢复》一文中研究指出给出了一种构造双正交小波滤波器的设计方法,应用该方法得到的双正交小波对低分辨率图像进行小波分解。对分解后的图像结构进行分析,提出双叁次插值与方向插值相结合的方法,对分解后图像插值。对插值后图像小波逆变换,得到超分辨率图像。应用于CCD图像,获得了比双线性插值高的峰值信噪比(25.3090dB),图像细节信息增强了。实验结果表明,算法应用于CCD图像不仅提高了图像的空间分辨率,同时也提高了图像的峰值信噪比,还比较好地保留了图像的边缘信息,且经过该方法恢复后的图像更适合人眼观察,细节丰富,更加清晰,畸变小,是一种提高CCD图像空间分辨率的有效方法。(本文来源于《光学技术》期刊2009年05期）
小波插值论文开题报告
（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：
基于紧支撑样条小波函数插值与定积分的思想,给出了由紧支撑样条小波插值函数构造数值积分公式的方法.并将该方法应用于二次、叁次、四次和五次紧支撑样条小波函数,得到了相应的数值积分公式.最后,通过数值例子验证,发现该方法得到的数值积分公式是准确的,且具有较高精度.
（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。
小波插值论文参考文献
[1].宋德鹏,曲毅.FMCWCSAR成像算法中的小波插值[J].电子世界.2016
[2].高忠社,何万生,谢保利.紧支撑样条小波插值及其应用[J].纯粹数学与应用数学.2013
[3].张凯歌,缪毅,雷建坤,彭可亮,蒋慕蓉.结合小波插值与K-means方法提取彩色图像文字[J].计算机技术与发展.2013
[4].钟铭华.小波插值与自蛇模型在放大图像清晰化中的应用研究[D].云南大学.2012
[5].许然,汪亚明,黄文清,石信增.基于小波插值的人脸建模方法[J].计算机仿真.2011
[6].郭琦.图像平滑的2维小波插值方法[J].中国图象图形学报.2010
[7].高忠社,沈永红.关于七次紧支撑样条小波插值探究[J].通化师范学院学报.2010
[8].宗智,赵勇,邹文楠.小波插值方法自适应数值求解时间进化微分方程[J].计算力学学报.2010
[9].徐应祥.二次紧支撑样条小波插值及其应用[J].应用数学与计算数学学报.2009
[10].赵秀影,胡玉臣,翟林培,葛文奇.双正交小波插值的CCD图像超分辨恢复[J].光学技术.2009
论文知识图
