导读:本文包含了多分辨率特征提取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,分辨率,特征,神经网络,分解,故障诊断,说话。
多分辨率特征提取论文文献综述写法
杜先娜,俞一彪[1]（2016）在《有效频带多分辨率特征提取及说话人年龄识别》一文中研究指出针对文本无关非特定说话人年龄识别,本文提出了一种基于有效频带多分辨率特征的统计分析识别方法。输入语音,通过小波包变换进行有效频带分解,然后将各有效频带的小波包系数连接构成一个整体计算美尔频率倒谱系数,得到有效频带多分辨率特征参数WPMFC(Wavelet Packet Mel-Frequency Cepstrum),说话人按年龄划分为儿童、青年、中年和老年四个阶段,并进一步按性别训练各年龄段语音得到8个高斯混合模型。测试语音依据最大似然准则进行识别判决。实验对本文提出的方法与传统的短时谱统计分析方法进行了比较,结果显示本文提出的方法有较好的识别性能,集内平均识别率达到65.17%。同时,实验结果也说明相对语音文本变化的影响,不同说话人发音特征的变化对识别性能的影响更大。(本文来源于《信号处理》期刊2016年09期）
刘佳,傅卫平,王雯,张凯,周磊[2]（2015）在《小波域多分辨率分析对图像匹配特征点提取的影响》一文中研究指出将小波引入SIFT算法,提出利用小波多分辨率分解降低图像中边缘、噪声等不良信息点比重方法。利用工程上常用的4类小波,分别对图像进行小波分解,将图像的低频成分建立尺度空间,基于局部特征提取图像特征点,引入统计学理论中的召回率和图像匹配中的准确率两个指标,研究不同小波对图像匹配中特征点提取的影响,寻求图像处理的最优小波类型。实验表明,bior4.4小波对图像的多分辨率分解后获得的特征点,可以在较低错配率的情况下获得较高的召回率。(本文来源于《西北大学学报(自然科学版)》期刊2015年01期）
徐楠楠[3]（2014）在《多分辨率分析下脑MR图像纹理特征提取和识别》一文中研究指出脑部疾病的诊疗一直是医学界研究的重点。医学图像包含了丰富的信息，是医疗诊断中一个非常重要的手段。多分辨率分析在时域和频域中联合表示信号，可以对信号进行多尺度多方向分解，近年来在图像处理领域得到了广泛的应用。在特征提取的基础上对图像进行分类识别是计算机辅助诊断的研究重点。常用的分类方法中支持向量机因其适用于小样本学习且兼顾训练误差和泛化能力在众多分类方法中脱颖而出。本文在多分辨率分析下提取图像的纹理特征并利用支持向量机对图像进行分类识别，找出最能表征图像纹理的特征向量并将其应用于医学脑MR图像的特征提取和识别中。主要工作有：1.深入研究了多分辨率分析下小波变换，双树复小波变换，非下采样Contourlet变换和梳状波变换的原理及其变换系数特征。分别在以上四种变换下对图像进行纹理特征提取，找出理论上最能表征图像纹理特征的特征向量。提取的特征向量分别为：小波变换、非下采样Contourlet变换的低频分解系数的灰度共生矩阵特征、均值和方差，高频系数的均值、方差和能量；双树复小波变换的低频系数灰度共生矩阵特征、均值和方差及高频系数模的均值、方差和能量；梳状波变换的高频相角矩阵各子块的均值、方差和高频模的能量特征。2.将四种变换下提取的特征向量分别输入支持向量机中进行分类识别，实验结果表明，灰度共生矩阵特征并不能有效表征图像纹理特征，因而将其舍弃。小波变换的低频和高频系数特征对于表征图像纹理特征效果也不理想。最终采用的特征向量为：双树复小波变换的低频均值、方差和高频系数模的均值、方差；NSCT变换的低频均值、方差和高频能量组成的特征向量；梳状波变换的高频相角均值、方差和高频模能量组成的特征向量。3.对医学图像库中的400幅脑MR图像提取以上叁种变换下的特征向量并输入支持向量机中进行分类识别。实验结果表明，除双树复小波低频均值、方差和高频能量组成的特征向量组病变图像识别率只有83%之外，其他特征向量组识别率均在90%以上，具有良好的识别效果，能够有效区分正常和病变脑MR图像。(本文来源于《中国海洋大学》期刊2014-05-19）
梁慧,曾水平[4]（2013）在《应用小波多分辨率理论提取个性特征的研究》一文中研究指出利用小波多分辨率的理论对语音信号进行信号分解,结合其发声特性,分析高低频段对说话人识别的贡献大小,根据识别结果的分析,提取出了可以综合识别时间和识别效率的特征参数。实验结果表明,一层分解后的小波细节系数识别率为94.4%,比原信号MFCC提高7%,而数据个数却比原信号降低了一半,二次分解后的高频段语音依然得到了较高识别率,提取出的较低频信号也可以达到70.8%的识别率。(本文来源于《计算机工程与应用》期刊2013年09期）
白宇君,李刚,高晓玲[5]（2013）在《基于小波多分辨率分析的风力发电机的故障特征提取与识别》一文中研究指出利用小波多分辨率分析的方法对风力发电机振动信号进行分析,并运用小波变换对测得的信号进行处理,达到对风力发电机组故障的诊断识别。将提取的振动信号映射到小波基函数上,经平移和伸缩具有正交性的小波函数,然后再经小波变换归一化得到小波分解序列的幅值,以此作为诊断识别的特征值,实现了在多尺度下特征信息的提取与故障识别,说明该方法行之有效。(本文来源于《机械研究与应用》期刊2013年02期）
李论,李志华[6]（2012）在《基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究》一文中研究指出提出一种基于小波变换多分辨率特征提取的模拟电路故障诊断的方法。该方法先对采样后的故障信号进行小波分解,提取各频段系数作为特征向量输入到神经网络进行训练。通过带通滤波器电路诊断的实例,阐述该方法的具体实现,验证该方法可以有效地简化神经网络结构和减少它的训练时间,快速高效地进行模拟电路故障的诊断和定位。(本文来源于《计算机与现代化》期刊2012年09期）
赵双玲[7]（2012）在《基于多分辨率分析的叁角网格特征点提取算法研究》一文中研究指出随着现代科学技术的飞速发展，逆向工程被广泛应用于现代化制造行业的新产品开发及实现。在此，作为产品特性和设计意图的数据体现，特征信息在逆向工程领域有着重要意义，而多尺度特征并存是复杂产品设计中常见的现象。其中涉及的局部特征尺度分析、特征边界划分及特征间的连续性等问题是困扰设计者的关键问题。在反求工程的背景下，本文基于叁角网格曲面数据，研究了特征点提取，多尺度特征分析，在此基础上结合小波技术分析了叁角网格曲面的曲率特性。其主要内容有以下几个方面：①提出了基于体积积分不变量的特征点提取算法。针对积分不变量不依赖网格拓扑结构的特性及体积积分不变量与平均曲率的内在联系，采用4DShepard曲面估算点云曲率获得体积积分不变量，并基于体积积分不变量通过K-Means分类方法提取叁角网格曲面的特征点。该方法只与网格中点的个数和位置有关，可以较快地提取特征点，而且表达叁角网格边界特征点比较精确。②提出了基于叁角网格的特征存在尺度的多尺度分析方法。该方法首先给出了局部形状尺度因子在n环邻域下的定义，用来分析网格顶点的几何特性，再采用正投影的方法计算叁角网格上每个顶点在n环邻域下的局部形状尺度因子，然后采用直方图均衡化算法以使得n环邻域下的局部形状尺度因子直方图近似均匀分布，最后基于图的分割方法，实现特征存在的多尺度分析。实验结果表明，该方法能较好地反映特征存在的尺度，从而较好地保持物体表面的几何特征。③结合小波技术（多分辨率特性）及局部形状尺度因子，分析叁角网格曲面曲率的特性。利用小波变换后去除细节重建的方法得到叁角网格曲面的曲率分布情况，其中小波分解尺度由叁角网格局部形状尺度因子的分布决定。从理论上来说，该方法能够较好地描述叁角网格曲面的曲率特性。(本文来源于《重庆大学》期刊2012-04-01）
贺晓建[8]（2011）在《基于多分辨率分析及灰度共生矩阵的掌纹特征提取算法研究》一文中研究指出近年来，随着信息科学技术的飞速发展，信息安全正面临着前所未有的挑战。生物识别利用人体本身的生理特征和行为特征来进行身份认证，为信息安全问题的解决提供了可靠保证。目前，生物特征识别技术发展成熟并已在许多领域得到广泛应用。由于掌纹具有面积大、细节多，即使损伤和残缺的掌纹也有足够的鉴别信息等特点，掌纹识别技术成为近几年许多高校和科研机构的重点研究课题。另外，目前基于掌纹的生物特征识别技术的研究与应用还远远没有指纹识别那么广泛。所以，无论从科学研究的角度还是从市场需求的角度，都可以说明进行掌纹识别的研究具有重要的理论价值和社会价值。本文研究的核心内容是掌纹特征提取。围绕这一核心开展了如下工作：（1）前两章分别介绍了生物特征识别技术和掌纹识别技术的基本情况，着重对掌纹识别过程中的预处理和特征提取两个模块作了详细阐述。（2）对掌纹图像进行二值化、定位、归一和增强等预处理，消除掌纹偏移和旋转，提高掌纹图像的对比度，为后续的掌纹特征提取作好准备。（3）对预处理后的掌纹图像进行小波分解，得到各级子图，再求取各自的灰度共生矩阵特征参数，得到能够较全面反映掌纹图像特征的特征参数，实现了基于多分辨率分析及灰度共生矩阵的掌纹特征的提取。（4）采用人工匹配的方法，核算了本文算法的识别准确率，并与单纯基于灰度共生矩阵的特征提取算法的识别率进行比较，验证了本文算法的有效性及优越性。(本文来源于《中北大学》期刊2011-04-26）
徐华勋,曾亮,蔡勋,李思昆[9]（2009）在《GPU加速3D流场特征提取与多分辨率绘制》一文中研究指出由于视线方向上的网格单元前后相互影响,导致3D流场可视化面临遮挡和混乱问题,为此提出一种基于流场特征的多分辨率绘制方法.首先利用基于GPU的BP网络流场特征提取方法对流场典型特征或用户关注的新特征进行选取、训练和识别;在此基础上,利用Voronoi图技术对特征数据构造特征树;最后基于鱼眼视图多分辨率技术进行绘制.对绘制和性能进行测试的实验结果表明,该方法能有效地提取流场特征,降低遮挡和混乱对可视化效果影响.(本文来源于《计算机辅助设计与图形学学报》期刊2009年07期）
齐子元,张英堂,徐章遂,程利军[10]（2008）在《基于多分辨率近似熵的发动机声信号特征提取》一文中研究指出介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。(本文来源于《车用发动机》期刊2008年05期）
多分辨率特征提取论文开题报告范文
（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：
将小波引入SIFT算法,提出利用小波多分辨率分解降低图像中边缘、噪声等不良信息点比重方法。利用工程上常用的4类小波,分别对图像进行小波分解,将图像的低频成分建立尺度空间,基于局部特征提取图像特征点,引入统计学理论中的召回率和图像匹配中的准确率两个指标,研究不同小波对图像匹配中特征点提取的影响,寻求图像处理的最优小波类型。实验表明,bior4.4小波对图像的多分辨率分解后获得的特征点,可以在较低错配率的情况下获得较高的召回率。
（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。
多分辨率特征提取论文参考文献
[1].杜先娜,俞一彪.有效频带多分辨率特征提取及说话人年龄识别[J].信号处理.2016
[2].刘佳,傅卫平,王雯,张凯,周磊.小波域多分辨率分析对图像匹配特征点提取的影响[J].西北大学学报(自然科学版).2015
[3].徐楠楠.多分辨率分析下脑MR图像纹理特征提取和识别[D].中国海洋大学.2014
[4].梁慧,曾水平.应用小波多分辨率理论提取个性特征的研究[J].计算机工程与应用.2013
[5].白宇君,李刚,高晓玲.基于小波多分辨率分析的风力发电机的故障特征提取与识别[J].机械研究与应用.2013
[6].李论,李志华.基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究[J].计算机与现代化.2012
[7].赵双玲.基于多分辨率分析的叁角网格特征点提取算法研究[D].重庆大学.2012
[8].贺晓建.基于多分辨率分析及灰度共生矩阵的掌纹特征提取算法研究[D].中北大学.2011
[9].徐华勋,曾亮,蔡勋,李思昆.GPU加速3D流场特征提取与多分辨率绘制[J].计算机辅助设计与图形学学报.2009
[10].齐子元,张英堂,徐章遂,程利军.基于多分辨率近似熵的发动机声信号特征提取[J].车用发动机.2008