导读:本文包含了小波融合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,图像,尺度,边缘,阈值,组图,算子。
小波融合论文文献综述
车敏,张红梅,拓明福[1]（2019）在《小波变换和边缘信息的光谱图像融合研究》一文中研究指出光谱图像融合能够准确提取图像中的目标特征,可降低光谱图像目标检测误差与识别误差。以光谱图像融合问题为研究核心,提出基小波变换和边缘信息的光谱图像融合算法,采用基于小波的多尺度边缘检测方法获取光谱图像边缘信息,通过基于BayesShrink阈值抑制的边缘去噪方法,去除光谱图像边缘的噪声,对经过去噪后的光谱图像实行首次融合获取四种光谱图像,计算强度图像与线光谱图像DOLP的边缘相关性,最终通过边缘相关性实行光谱图像二次融合。经验证,所提算法能够继承光谱源图像中大量边缘信息,充分突出目标细节性边缘,且融合后的光谱图像清晰度最高。(本文来源于《激光杂志》期刊2019年11期）
李婧,贾焕,杨铁梅[2]（2019）在《小波融合的输送带边缘检测》一文中研究指出在煤炭生产中,输送带纵向撕裂会造成巨大经济损失,因此输送带撕裂检测的实时性和准确性显得格外重要。利用OpenCV开源平台和函数库优点,提出一种小波融合的输送带边缘检测的方法。通过小波多尺度分解将图像分解成低频区域和高频带,对多尺度多方向形态滤波的低频区域和采用改进的Canny算子的高频带分别提取裂纹纹理信息,最后用图像融合技术(逆小波重构原图)重构出新的图像。此外,通过均方根误差、峰值信噪比等参量对图像进行评价和分析。实验结果表明,在抗噪、提取裂纹信息量方面,所提出的方法都要优于传统的检测方法。(本文来源于《矿业研究与开发》期刊2019年11期）
余祥伟,薛东剑,陈凤娇[3]（2019）在《融合多尺度边缘检测的小波贝叶斯SAR图像滤波》一文中研究指出针对实测的SAR图像被噪声广泛淹没、传统滤波方法易模糊边缘等问题,提出了一种新的滤波方法。该方法在图像多尺度的小波分量上,将基于贝叶斯理论对不同系数和不同方向上设置不同阈值得到消噪后的各分量与基于多尺度边缘检测提取的图像边缘等结构所对应小波分量加权融合,重构输出。以真实的SAR影像进行对比实验后,选取图像的均值、等效视数、边缘保持指数、信噪比及特征地物的像素灰度曲线作为评价指标,对不同的滤波方法进行了综合量化评价。实验结果表明,该方法抑制SAR图像斑点噪声的效果较好,对边缘有较好的保持效果。(本文来源于《遥感信息》期刊2019年05期）
吴雪,宋晓茹,高嵩[4]（2019）在《基于小波融合的双色空间火焰分割方法》一文中研究指出目前火焰分割方法主要局限于灰度图像分割和单彩色空间分割,这两种方法对光照变化都非常敏感。文中依据可见光呈现的图像目标特性不同,提出了基于小波融合的HSI和RGB双彩色空间的火焰分割方法。利用火焰图像在HSI空间特性对火焰进行分割;利用火焰在RGB空间特性对火焰进行分割;使用小波方法对HSI和RGB空间单独分割后的图像进行融合。仿真试验对比结果表明,该方法相比于传统的单色空间分割方法,充分利用了各原图信息的互补,提高了分割的精度。(本文来源于《自动化与仪表》期刊2019年09期）
王园园,张娜,韩美林[5]（2019）在《基于Canny算子边缘检测的小波变换多聚焦图像融合方法》一文中研究指出为了获得多聚焦图像的最佳融合效果,得到更多细节信息,分析了相关的图像融合算法,选择变换域内融合方法对图像进行融合。对两张待融合图像使用小波变换进行分层(小波基选择sym4,分解层数为3层),低频系数采用加权平均法融合。高频系数使于Canny算子的边缘检测,对检测到的边缘图像采用最大系数法进行融合。对加权平均法、小波变换(低频平均、高频最大系数融合)、及改进后算法进行仿真分析,直观视觉及参数分析中均表明改进后算法图像融合效果更好,细节保留、轮廓清晰度显着提高。(本文来源于《电子测量技术》期刊2019年17期）
刘斌,谌文江,辛迦楠[6]（2019）在《基于四通道不可分加性小波的多聚焦图像融合》一文中研究指出针对张量积小波不具有对称性,在图像融合中难以获得高空间分辨率图像的问题,文中利用伸缩矩阵为[2,0;0,2]的不可分小波的构造方法构造四通道6×6对称的不可分小波滤波器组,并把它应用于多聚焦图像的融合中。利用此类滤波器组中的低通滤波器对多聚焦图像进行加性小波分解,得到小波平面组,然后利用融合规则对分解后的小波平面进行融合。实验结果表明,该方法有较好的融合效果,融合结果图像具有较高的清晰度和空间分辨率,其融合性能优于拉普拉斯金字塔融合方法(基于LP的融合方法)、基于小波分解的融合方法(基于DWT的融合方法)和基于叁通道不可分对称小波的融合方法(基于3-NSDWT的融合方法)。(本文来源于《计算机科学》期刊2019年07期）
杜淋[7]（2019）在《基于单层小波变换的图像融合压缩感知研究》一文中研究指出提出了一种将单层小波变换与压缩感知相结合的图像融合新方法,仅通过测量图像的高频小波系数且保留了低频小波系数,利用不同的方案对低频小波系数和高频小波系数的测量进行融合。结合总变分(TV)最小化算法和融合测量来恢复高频小波系数,运用逆小波变换对融合图像进行重建。实验表明,该方法具有良好的融合性能和较低的计算复杂度。(本文来源于《计算技术与自动化》期刊2019年02期）
颜煜,侯小毛,肖鹰,延晓雪[8]（2019）在《基于感兴趣区域和小波变换的图像融合算法（英文）》一文中研究指出为了提高图像融合效率,保持良好的边缘支持度,以便更好完成图像重构,提出了基于小波变换的图像融合算法。利用小波变换对信号多方向特征提取的优势,将多维图像信号分析化繁为简,在融合规则制定中,权衡图像融合的清晰度和融合算法复杂度,对图像信号低频信号和高频信号分开处理,低频进行加权平均,而高频进行局部方差处理,最后进行小波逆变换得到重构图像。实验证明,该方法重构图像效果清晰,且信噪比高。(本文来源于《机床与液压》期刊2019年12期）
陈阳,辛斌杰,邓娜[9]（2019）在《基于GHM多小波变换的非织造布多焦面图像融合》一文中研究指出针对光学显微镜在单一焦平面下拍摄的织物图像部分区域纤维会模糊的问题,提出基于GHM多小波变换的非织造布多焦面图像融合算法。利用自行搭建的非织造布显微成像系统采集不同焦平面下的织物图像序列,对初始图像序列进行临界采样预滤波处理,使用2种融合方法逐一处理图像的高低频,初始织物融合图像经多小波融合及逆变换后获得,之后按上述方法将初始融合图像与后续单焦面图像融合,迭加循环至融合后所有纤维区域均能清晰显示为止结束收敛。实验结果表明,该融合方法能将不同焦平面下拍摄的图像序列进行数字化图像融合,达到单幅图像内全视野区域的纤维网清晰聚焦融合的效果,为之后的计算机图像处理及测量提供便利。(本文来源于《纺织学报》期刊2019年06期）
刘进辉,王峰,王宏武,潘观潮,王晓洒[10]（2019）在《基于小波变换的像素级图像融合实例研究》一文中研究指出迄今为止,图像融合一直是图像领域的专家们研究的一个热点方向。研究图像融合在军事安全领域非常重要。而小波变换是傅立叶变换的升级版,具有实时多分辨率的特性,这也为图像融合带来新的机遇。但是现有的实例研究材料还是很缺乏。该文结合了两个不同角度的实例来研究小波变换的像素级图像融合。运用matlab语言作为程序实现的主体语言,实现小波分解、图像融合、小波重构等功能。并结合Opencv3语言对原始图片进行预处理,得到实例所需的图片。通过两个实例结果表明了小波变换确实拥有很好的图片处理能力。最后得到的增强的图片表明图像融合的增强效果显着。这也为图像融合的研究提供较好参考实例。(本文来源于《电脑知识与技术》期刊2019年17期）
小波融合论文开题报告
（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：
在煤炭生产中,输送带纵向撕裂会造成巨大经济损失,因此输送带撕裂检测的实时性和准确性显得格外重要。利用OpenCV开源平台和函数库优点,提出一种小波融合的输送带边缘检测的方法。通过小波多尺度分解将图像分解成低频区域和高频带,对多尺度多方向形态滤波的低频区域和采用改进的Canny算子的高频带分别提取裂纹纹理信息,最后用图像融合技术(逆小波重构原图)重构出新的图像。此外,通过均方根误差、峰值信噪比等参量对图像进行评价和分析。实验结果表明,在抗噪、提取裂纹信息量方面,所提出的方法都要优于传统的检测方法。
（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。
小波融合论文参考文献
[1].车敏,张红梅,拓明福.小波变换和边缘信息的光谱图像融合研究[J].激光杂志.2019
[2].李婧,贾焕,杨铁梅.小波融合的输送带边缘检测[J].矿业研究与开发.2019
[3].余祥伟,薛东剑,陈凤娇.融合多尺度边缘检测的小波贝叶斯SAR图像滤波[J].遥感信息.2019
[4].吴雪,宋晓茹,高嵩.基于小波融合的双色空间火焰分割方法[J].自动化与仪表.2019
[5].王园园,张娜,韩美林.基于Canny算子边缘检测的小波变换多聚焦图像融合方法[J].电子测量技术.2019
[6].刘斌,谌文江,辛迦楠.基于四通道不可分加性小波的多聚焦图像融合[J].计算机科学.2019
[7].杜淋.基于单层小波变换的图像融合压缩感知研究[J].计算技术与自动化.2019
[8].颜煜,侯小毛,肖鹰,延晓雪.基于感兴趣区域和小波变换的图像融合算法（英文）[J].机床与液压.2019
[9].陈阳,辛斌杰,邓娜.基于GHM多小波变换的非织造布多焦面图像融合[J].纺织学报.2019
[10].刘进辉,王峰,王宏武,潘观潮,王晓洒.基于小波变换的像素级图像融合实例研究[J].电脑知识与技术.2019
论文知识图
