导读:本文包含了小波提升论文开题报告文献综述、选题提纲参考文献，主要关键词:小波,图像,毫米波,复数,条纹,噪声,语音。
小波提升论文文献综述写法
顾涛[1]（2019）在《基于滑动窗口-小波提升对地电场预测算法》一文中研究指出为解决10KV架空线路对地电场值的估计问题,提出一种基于滑动窗口-db2小波提升变换对地电场预测算法。将每个滑动窗口宽度取20个采样点,利用3个相邻的滑动窗口的db2小波提升变换低频系数加权值构造出第4个窗口的小波提升变换低频系数,使用第3个滑动窗口小波提升变换高频系数作为第4个窗口的小波提升变换高频系数;将所得到的第4个窗口低频系数、高频系数进行逆小波提升变换,得到第4个窗口的20个数据,并取最后一个数据作为下一个采样点的预测初值;预测偏差取第4个窗口前19个变换数据与第3个窗口所对应的19个测量数据的偏差数学期望求取;最终预测值为预测初值加上修正系数与预测偏差乘积。将仿真结果与其它算法进行比较,比较结果表明,该算法在电场极值点处预测精度高于其它算法,数据分析表明,所预测10KV架空线路对地电场值相对误差满足现场指标要求,预测数据可以作为技术指标和事故分析依据。(本文来源于《计算机工程与设计》期刊2019年10期）
沈美丽,俞超[2]（2019）在《小波提升的超现实亮度对比度传递的图像融合方法》一文中研究指出针对传统的亮度对比度传递算法在视频融合中实时性差的问题,给出了使用提升小波代替双正交小波的改进方案,并在红外与可见视频融合中引入超现实视频融合思想,提出了超现实亮度对比度传递算法。该算法能够提取所拍摄场景的背景,并利用背景与可见光视频序列进行超现实融合,然后再使用基于提升小波的亮度对比度传递算法与红外视频进行二次融合。实验表明该算法具有良好的实时性,且在烟雾环境下工作能够获得很好的效果。(本文来源于《电子器件》期刊2019年02期）
张瞳,林春,陈洪雷,周松敏[3]（2018）在《基于多方向小波提升IRFPA盲元检测精度方法》一文中研究指出红外焦平面成像质量受材料生长及器件制备工艺的影响,易出现盲元、条纹噪声等缺陷。条纹噪声经常会导致盲元的检测偏差,准确的盲元检测对于后续图像处理具有重要意义。利用双密度双树复数小波分解的多方向性小波系数,结合广义高斯分布将高频小波系数按照对条纹噪声影响程度分别赋予不同权值并进行单支重构,消除了条纹噪声对盲元检测的影响,得到初步"干净"的预处理图像,进而对预处理图像运用3σ准则进行盲元检测。通过短波Hg Cd Te红外焦平面成像的实践验证,该方法对具有条纹噪声特征的红外图像盲元检测更加准确。(本文来源于《红外与激光工程》期刊2018年02期）
柳菁,聂建英[4]（2017）在《基于多小波提升格式的光学/被动毫米波图像融合》一文中研究指出以安检中隐匿物品检测为应用背景,提出一种结合多小波变换和提升小波变换的图像融合算法.该方法首先对被动毫米波图和可见光图进行多小波预处理,并通过提升小波正变换分别得到两类图像的高、低频分量;然后对变换得到的低频分量和高频分量分别采用不同的融合规则融合;最后进行提升小波逆变换,及多小波后处理得到融合图像.实验仿真结果表明:融合效果较好,能实现对隐匿物品的快速识别.(本文来源于《福州大学学报(自然科学版)》期刊2017年05期）
张瞳,陈洪雷,周松敏,林春[5]（2017）在《基于多方向小波提升IRFPA盲元检测精度方法》一文中研究指出红外焦平面成像质量受材料生长及器件制备工艺的影响,易出现盲元缺陷。精准的盲元检测是对于后续的红外图像处理有重要的意义,但固定条纹噪声的存在经常会导致盲元的检测偏差。本文利用复数小波分解的高频小波系数进行阈值去噪,将去噪的小波系数重构以消除条纹噪声对盲元检测的影响,再采用3?准则进行盲元检测。经Hg Cd Te红外焦平面成像验证,本方法对具有固定条纹噪声的红外图像盲元检测更加精准。(本文来源于《2017年光学技术研讨会暨交叉学科论坛论文集》期刊2017-09-20）
柳菁[6]（2017）在《基于多重小波提升格式在光学/被动毫米波图像融合中的应用研究》一文中研究指出随着科技的进步和人民衣食住行条件的提高,越来越多居民选择出门旅行。随之而来的安检问题也成为了焦点。传统安检手段一般使用X射线检测仪与金属武器检测器。X射线检测仪对人体具有健康隐患,金属检测器对非金属危险品不能检测。为解决传统安检手段的局限性,被动毫米波成像探测已是当前安检技术研究的热点方向。毫米波被动探测器具有较强的穿透能力,能够通过探测目标物体本身的辐射温度来探测隐匿物品。然而被动毫米波探测器所获取的图像分辨率并不高,与之相对的是,可见光传感器具有极强的光线敏感度,成像清晰但不能够透视隐匿的目标物品。考虑可见光/被动毫米波图像的融合技术,可以扬长避短,为安检提供更准确可靠的信息,解决传统安检手段的健康隐患问题,兼顾安检有效性与安全性。为此,文章研究可见光/被动毫米波图像的融合算法。在第叁章节中,针对安检中被动毫米波图像低分辨率的特性,以及光学图像高分辨率的特点,提出了一种基于多重小波提升格式在光学/被动毫米波图像融合算法。该方法首先对被动毫米波图和可见光图进行多小波预处理以及提升小波正变换得到高低频分量;接着对变换得到的高低频分量分别采用不同的融合规则后,进行提升小波逆变换;最后进行多小波后处理取得所需图像。实验仿真结果表明,此方法能增加分辨人体隐匿物品的准确度,实现了对隐匿物品的快速识别。在第四章节中,提出一种结合NSST和LSWT的图像融合算法,该方法首先采用NSST对被动毫米波图像和可见光图像分解,从而得到一组高低频系数;然后对第一步分解后得到的低频系数进行LSWT变换,得到新的一组高低频系数,分别对其采用基于区域方差融合规则以及CS算法进行压缩、融合、重构后,再进行LSWT逆变换;接着对第一步的高频系数采用改进的拉普拉斯算子进行处理;最后进行NSST逆变换处理得到所需图像。实验仿真结果表明,此方法的融合效果较好,能够提高安检的安全性。本文研究内容可应用于安检过程中,能够增加分辨人体隐匿物品的准确度,提高安检的安全性,为居民出行提供保障。(本文来源于《福州大学》期刊2017-01-01）
柏义波[7]（2016）在《基于FPGA和小波提升算法的语音采集及去噪系统设计》一文中研究指出语音相关技术在生产生活和科研中的广泛应用,对语音的采集速度和处理效果提出了越来越高的要求。语音信号在传输时极易被噪声干扰,往往导致语音信号的后续处理出现偏差。因此,对语音信号去噪技术的研究,具有重要的现实意义。小波分析因其良好的时频分析及多分辨率分析特性,能有效的提取出信号中的有用信息,在语音去噪领域得到了广泛应用。本课题将FPGA芯片的并行处理特性和USB接口的高速数据传输特性结合起来,提升了语音信号的采集和处理速度。在现有小波去噪算法的基础上,重点研究了提升小波的阈值去噪算法在语音去噪中的应用。通过选取合适的小波基、分解层数、阈值处理策略提升小波提升算法的去噪效果,并采用matlab平台对语音去噪系统的去噪效果进行了验证。同时研究了小波去噪算法在硬件上的实现,在FPGA上设计了基于bior2.2提升小波的语音去噪系统。本系统采用DSP Builder和verilog HDL两种设计方式相结合来构建整个语音采集及去噪系统的FPGA部分。DSP Builder架构在Matlab/Simlink的图形化设计平台上,将算法仿真建模和硬件实现两个设计领域连接了起来。其可以将相应的算法在matlab的Simlink中进行图形化的设计和仿真,随后通过Signal Compiler将模型设计文件经过综合编译后转换成硬件描述语言下载到FPGA中,完成整个算法的硬件设计。本文正是利用DSP Builder的图形化设计优点完成了提升小波阈值去噪模块的构建,缩短了算法的设计周期。本论文主要完成了以下几个方面的工作：(1)对小波及其提升小波在语音去噪系统中的应用做了研究,并通过matlab平台测试了小波提升算法去噪性能。(2)用DE2开发板和USB芯片搭建了整个语音采集及去噪系统的硬件平台。(3)完成FPGA内的音频编解码芯片控制模块、提升小波去噪算法模块、USB接口芯片控制模块等硬件程序的编写。(4)设计了USB接口芯片固件程序,通过固件程序实现对USB芯片工作模式的配置。(5)编写了系统上位机软件,通过上位机软件与硬件平台的协同工作,在PC机上实现对采集到的经过去噪处理后的语音信号的保存和监测。(本文来源于《广西师范大学》期刊2016-04-01）
李文慧,周治平[8]（2015）在《Sa4多小波提升格式的Harris角点检测》一文中研究指出针对Harris算法对噪声敏感且不具有尺度不变性的不足,将Sa4提升多小波多分辨技术运用到图像角点检测中。先利用Sa4多小波的提升格式构造图像金子塔,再在不同尺度下进行角点检测,实现多分辨率分析即小尺度下的精确定位和大尺度下的抗噪性强。最后为了综合利用各尺度下的角点信息,采用由细到粗和由粗到细相结合的角点筛选方案,克服了单一尺度下角点信息丢失,位置偏移,提取出伪角点等不足。实验结果表明,该算法定位更准确,抗噪性能更好。(本文来源于《计算机应用与软件》期刊2015年07期）
陈容[9]（2014）在《基于小波提升的彩色图像编码研究》一文中研究指出智能视频监控是机器视觉的重要研究领域，近年来，面向感兴趣区域(Region ofInterest, ROI)的编码方式和基于小波提升(Wavelet Lifting)的快速图像变换成为当前监控视频分析和编码领域的研究热点。在图像视频信息实际应用过程中，人们往往对图像的局部区域感兴趣，在压缩过程中可将感兴趣区域和背景区域做不同处理来提高视频监控整体压缩比。而第二代小波编码——小波提升技术以其时频局部化、能量集中、计算量小、可实现整数运算等优势被广泛的运用于图像视频压缩领域。本文通过对运动目标检测、感兴趣区域编码和基于小波提升的图像变换的深入研究发现原有的运动目标检测技术不能适应场景的局部突变，并且需要大量信息计算和存储。而在目前的视频监控系统中，监控摄像头一般都在固定视野范围内，其背景信息相对稳定，在编码过程中只需要提取出前景运动信息，对前景信息进行压缩编码，而对于每帧包含相同背景的图像在一定时间内只需保存一次，如背景出现变化，也可以自适应更新。如用传统的图像视频编码方式，压缩比很难提高。从而本文进行了从感兴趣区域的生成到最终码流封装的一系列研究。本论文的主要工作包括：(1)提出了一种基于视觉记忆框架的运动检测方法。针对传统高斯背景建模的不足之处，本文算法为每个像素点设置一个聚类模型，每个聚类可根据背景的变化结合人类记忆框架自适应地创建、更新和删除。通过人类瞬时记忆、短时记忆和长时记忆做出准确判断，运动目标检测结果更能符合人类感觉器官的判断。(2)提出了一种将提升Lazy小波的信号分解与重构计算格式与感兴趣区域编码技术相结合的算法。运用本文提出的运动目标检测算法为每帧图像提供ROI感兴趣区域，在进行静态单帧彩色图像编码时，首先将图像转换成YUV格式，并采用4:2:0进行采样，将其归一化为整数。针对传统视觉传感器图像分割技术的缺陷，以及第一代小波编码计算复杂度高的缺点，将视频序列分为背景帧和ROI帧，在计算过程中，可以实现整数运算。(3)提出了一种在具有ROI掩膜的前提下，对感兴趣区域给予优先编码、基于优化截断嵌入式编码(EBCOT)的小波图像编码方案。通过比较几种传统系数编码方式，并针对小波图像编码中的ROI编码方式，分析小波分解后图像高频区域中的能量分布特征，选择EBCOT编码方案。该方法能够有效地改善解码图像视觉效果。(4)针对本文提出的算法，采用标准视频序列进行图像压缩测试，实验结果证明，该方法无论在编码步骤还是在存储量方面都有较大的改进，实现了更有效的图像恢复，同时对重建图像的质量影响很小，在相同压缩比下，峰值信噪比和视觉效果都比传统方法有明显的提升。(本文来源于《江南大学》期刊2014-12-01）
张华,刘国成[10]（2014）在《田间叶螨图像二维LWT小波提升分离及识别》一文中研究指出为了对田间叶螨进行有效采集识别,对传统的基于图像的田间叶螨采集识别方法进行改进,提出一种采用二维LWT小波提升方案的叶螨图像准确分离和识别方法。设计一种基于物联网技术的叶螨图像采集系统,对叶螨病斑区域的超红特征进行灰度化提取,采用二维LWT小波系数对提取的灰度化图像进行提升分离,实现了类病斑区域与非类病斑区域的二值化分离,最后采用小波函数面积阈值重构方案对叶螨进行图像重构,提供给物联网的决策层实现对病虫害的分析决策,实现对叶螨病斑的准确识别。仿真实验表明,采用该算法进行田间叶螨图像识别,图像重构效果较好,对害螨的正确识别率达到96.7%,能有效应用到对田间螨害的实时监测和防治工作中。(本文来源于《科技通报》期刊2014年08期）
小波提升论文开题报告范文
（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：
针对传统的亮度对比度传递算法在视频融合中实时性差的问题,给出了使用提升小波代替双正交小波的改进方案,并在红外与可见视频融合中引入超现实视频融合思想,提出了超现实亮度对比度传递算法。该算法能够提取所拍摄场景的背景,并利用背景与可见光视频序列进行超现实融合,然后再使用基于提升小波的亮度对比度传递算法与红外视频进行二次融合。实验表明该算法具有良好的实时性,且在烟雾环境下工作能够获得很好的效果。
（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。
小波提升论文参考文献
[1].顾涛.基于滑动窗口-小波提升对地电场预测算法[J].计算机工程与设计.2019
[2].沈美丽,俞超.小波提升的超现实亮度对比度传递的图像融合方法[J].电子器件.2019
[3].张瞳,林春,陈洪雷,周松敏.基于多方向小波提升IRFPA盲元检测精度方法[J].红外与激光工程.2018
[4].柳菁,聂建英.基于多小波提升格式的光学/被动毫米波图像融合[J].福州大学学报(自然科学版).2017
[5].张瞳,陈洪雷,周松敏,林春.基于多方向小波提升IRFPA盲元检测精度方法[C].2017年光学技术研讨会暨交叉学科论坛论文集.2017
[6].柳菁.基于多重小波提升格式在光学/被动毫米波图像融合中的应用研究[D].福州大学.2017
[7].柏义波.基于FPGA和小波提升算法的语音采集及去噪系统设计[D].广西师范大学.2016
[8].李文慧,周治平.Sa4多小波提升格式的Harris角点检测[J].计算机应用与软件.2015
[9].陈容.基于小波提升的彩色图像编码研究[D].江南大学.2014
[10].张华,刘国成.田间叶螨图像二维LWT小波提升分离及识别[J].科技通报.2014