导读:本文包含了盲反卷积论文开题报告文献综述、选题提纲参考文献，主要关键词:卷积,算法,正则,信号,图像,模糊,重力。
盲反卷积论文文献综述写法
孙圣姿,陈文标,余圣钻[1]（2018）在《基于正则化盲反卷积改进方法的特定方向运动模糊图像复原》一文中研究指出针对有关图像模糊复原算法的问题,将处理过程分为四部分:运用二维变分模态分解与自适应中值滤波去噪方法,对图像进行预处理;将模糊图像数值化,运用高频区域下稀疏先验的正则化方法对模糊核进行估计,根据评价指标对其进行准确度的检验;利用改进的全变分正则化盲反卷积算法构建点扩散函数,得到的均方误差为MSE2=8.5639×10-4,峰值信噪比为PSNR2=181.4531;对模型中的模糊核函数适当修正,力求能够将其运用到更为广泛的图像复原领域中。(本文来源于《中国新通信》期刊2018年10期）
孔垂硕,罗林,李金龙,高晓蓉[2]（2018）在《基于盲反卷积的超声合成孔径图像复原》一文中研究指出本文研究了超声合成孔径检测信号的盲反卷积复原技术。通过分析超声信号在检测材料中的传输规律,建立了检测信号与代表检测材料特性的点扩散函数之间的成像关系。根据最大似然估计原理,形成了超声合成孔径信号盲反卷积复原数学模型。为了验证所研究方法的有效性,进行了一系列实验,实验结果表明:盲反卷积能有效改进超声合成孔径检测图像的分辨率。(本文来源于《电子制作》期刊2018年07期）
任冬伟[3]（2017）在《面向盲反卷积的模糊核估计与图像复原方法研究》一文中研究指出随着移动成像设备的快速发展,尤其是智能手机的普及,图像已成为人们感知世界、与外界交换信息的最重要的途径之一。由于复杂的成像环境,如噪声、低光照、物体运动等,加之手持相机本身的不稳定性极易发生抖动,高质量的图像采集往往难以保证,尤其是模糊图像降低视觉感知质量、对图像高层语义分析等带来困难。一方面,现有的消费级相机中已配备了光学防抖与自动对焦技术,但是其仅仅能够在一定程度上缓解相机抖动与未正确对焦造成的图像模糊,对于复杂的退化处理能力有限。另一方面,计算摄影学尝试从硬件角度解决这些问题,通过设计新型相机结构、编码光圈、曝光设置等在采集图像过程中收集更多信息,以期望提高采集图像的质量。然而,现有的这类解决方案都存在造价高昂、便携性差、配置复杂等问题,难以取代传统相机的消费市场主导地位。因此,针对传统相机的图像复原问题亟待解决。图像的模糊退化过程通常建模为清晰图像与模糊核的卷积结果,因此图像去模糊问题又称为反卷积。由于图像采集过程中存在的测量误差、传输与存储过程中引入的噪声等,使图像反卷积成为一个病态的不可逆问题。加之模糊过程未知,盲反卷积问题更加难以解决。现有的盲反卷积方法通常包括估计模糊核与复原清晰图像两个阶段,在算法计算效率、鲁棒性和复原质量等方面存在瓶颈。本文针对上述问题,面向图像盲反卷积,从复原模型与优化算法的角度出发,设计高效的非盲复原模型与算法、提出有效的模糊核估计的先验模型及学习算法、以及模糊核估计误差的建模方法复原高质量清晰图像,主要包括:(1)盲反卷积方法需迭代执行模糊核估计与非盲复原清晰图像两个部分,非盲复原算法的计算复杂度制约着盲反卷积算法的效率。现有的非盲复原方法通常定义在图像域,从模糊图像直接恢复清晰图像。我们提出图像梯度域的复原模型,由于图像梯度域更为稀疏,提出的梯度模型具有更高的收敛性。结合全变分先验模型,我们提出基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的快速梯度域复原方法(Derivative ADMM,D-ADMM),能够保证全局收敛性。同时相比于传统的图像域复原方法,D-ADMM算法收敛速度更快,计算效率更高。此外,由于在图像梯度域估计模糊核更为稳定、准确,我们提出的梯度域非盲复原模型为开发高效、鲁棒的盲反卷积方法提供基础。(2)对于模糊核估计,现有方法往往依赖于自然图像统计先验信息,并采用不同复原阶段手动调节参数的方式避免算法收敛到平凡解。基于梯度域的复原模型,通过将图像梯度先验建模为超拉普拉斯分布,我们提出迭代自适应先验的模糊核估计方法,对每次迭代先验设置特定的参数,能够选择合适的特征有助于估计模糊核。进而,为了自适应确定每次迭代的模型先验参数,我们提出了判别学习方法,能够从训练数据集中学习得到有效的参数。不同于自然图像先验,以准确估计模糊核为优化目标,学习得到的迭代自适应先验更加有助于提高模糊核估计的鲁棒性。同时,迭代自适应先验参数具有良好的扩展性,能够有效应用于其他仿真和真实模糊图像。(3)当估计出模糊核,现有的复原方法恢复清晰图像往往未考虑模糊核估计误差,复原图像易引入振铃、颜色畸变等,严重影响视觉质量,我们提出部分反卷积模型(Partial Deconvolution)。通过从模糊图像估计参考傅里叶频谱,我们在傅里叶域引入了二值指示矩阵,以确定模糊核估计误差的傅里叶系数。进而在反卷积过程中,我们仅采用准确的傅里叶系数,以取得稳健的去模糊效果。为了获取有效的指示矩阵,我们提出了E-M算法交替估计指示矩阵与更新清晰图像。此外,我们的部分反卷积模型能够直接引入模糊核的傅里叶频谱零点,在反卷积过程中即可抑制振铃效应。我们将部分反卷积模型应用于基于小波、学习模型的非盲复原方法中,能够有效消除模糊核估计误差带来的负面效应。(4)每种盲反卷积方法的模糊核估计误差存在方法特异性,难以通过统一的物理模型对其建模。我们提出信度项和正则项的联合学习模型(Simultaneous Fidelity and Regularization Learning,SFARL),其中正则项建模清晰图像先验,信度项对模糊核估计误差造成的图像残差分布进行建模。我们通过采取一组大尺寸滤波器提取图像残差的空间相关性信息,进而采用相应的非线性函数对其响应值的分布进行拟合。针对每种盲反卷积方法,我们通过构建大量的训练数据,进而利用提出的判别学习框架,可以同时学习信度项和正则项的模型参数,有针对性地建模估计误差的方法特异性,复原更高质量的清晰图像。此外,我们提出的联合学习模型具有很强的建模能力,能够扩展应用于其他图像复原任务,如图像去噪、去雨等。(本文来源于《哈尔滨工业大学》期刊2017-10-01）
元伟,张立毅[4]（2017）在《基于盲反卷积的超分辨率图像盲复原算法》一文中研究指出为解决超分辨率图像盲复原问题,研究了一种广义图像降质模型及广义超分辨率图像盲复原算法模型.提出了基于TVBD的交替最小化超分辨率图像盲复原算法,并加以改进以改善复原效果;通过结合MSAA算法,提出了基于TV交替最小化的快速中值超分辨率图像盲复原算法,排除野值干扰,提高算法精度和速度;根据峰值信噪比和误差平方和,提出两种新的客观评价指标,衡量各算法的复原效果.实验表明,本文算法有效实现了超分辨率图像盲复原,并提高了复原精度.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2017年02期）
黄璐,王宏[5]（2016）在《基于盲反卷积的脑电信号盲分离研究》一文中研究指出采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.(本文来源于《东北大学学报(自然科学版)》期刊2016年08期）
陶姣[6]（2016）在《基于半盲反卷积源分离的胎儿心电信号提取研究》一文中研究指出胎儿心电图是目前最为有效的围产期胎儿监护手段之一。医生通过分析胎儿心电波形变化及早发现胎儿在宫内发育时产生的病变情况,从而降低初生婴儿损伤率和死亡率。但非侵入式法采集的孕妇腹壁混合心电信号中,胎儿心电信号信噪比低且常受母体心电和其他强噪声干扰,因此如何提取清晰的胎儿心电信号一直是胎儿监护的重要研究课题。盲源分离(BSS)是目前最具研究前景的胎儿心电信号提取算法,然而现有基于BSS的胎心电提取算法通常采用线性瞬时混合模型且未充分利用心电信号特征信息,导致提取结果依然存在准确率低且生理学意义模糊等问题。为此,本论文结合信号特性和混合模型提出了一种基于卷积模型的半盲胎儿心电信号提取算法。具体内容如下:(1)分析胎儿心电信号特性并构建线性卷积混合模型。由电生理特性入手进行胎儿心电信号特性分析,利用非最小相位特性验证了采用盲反卷积法提取胎儿心电信号的合理性;结合实际心电信号特性和盲反卷积源分离混合模型,对腹壁心电信号构建线性卷积混合模型并给出基于心电特性的胎儿心电信号提取方法。(2)基于循环平稳特性和信号卷积混合模型,提出了半盲反卷积源分离算法。半盲反卷积单源分离算法将时延和循环频率参数引入到基于非高斯性度量的目标函数构造中,并通过梯度法最大化目标函数实现了母胎心电单源信号的有效分离。为提高胎儿心电信号估计准确度,利用最小二乘逆滤波母体心电消除算法改进传统BSS中的时域相减法。实验仿真表明,在母胎时域波形重迭情况下,最小二乘逆滤波母体心电消除算法较之传统时域相减法在胎儿心电波形保留完整性方面效果更好。(3)基于半盲反卷积源分离算法原理,提出了完整的胎儿心电信号提取方法。结合半盲反卷积单源分离和母体心电消除算法,提出了包括混合心电信号去噪预处理、特征参数估计和胎心电信号提取增强叁部分的胎儿心电信号提取方法。分析实验提取结果并将半盲反卷积源分离法与传统BSS进行对比,实验结果显示,利用半盲反卷积源分离法提取的胎儿心电信号与实验数据库胎儿头皮电极采集的胎儿心电参考信号在胎心率和波形均拍方面极为接近,并且在可视化波形和信噪比等性能评价指标方面优于传统BSS。(本文来源于《重庆大学》期刊2016-04-01）
聂昕,郭志福,何智成,成艾国,汲彦军[7]（2015）在《基于盲反卷积和参数化模型的超声参数估计》一文中研究指出在超声检测中,往往需要获得传播时间(TOF)、回波个数、中心频率、幅值等全面的信息,来综合评判缺陷的位置、大小和类型。通过建立多回波的卷积模型和参数化模型,给出一种结合最小熵盲反卷积(MED)和期望值最大(EM)算法思想的超声回波参数估计方法。首先基于卷积模型,采用最小熵反卷积,实现了重迭多回波信号的有效分离;再基于参数化模型和所获取的回波个数,给出了基于期望值最大算法思想的参数估计算法;最终实现了重迭多回波超声信号TOF、回波个数、中心频率、幅值等参数的精确估计。仿真和实验验证了该方法的有效性和优点。(本文来源于《仪器仪表学报》期刊2015年11期）
刘小芳,秦丽娟,李莹[8]（2015）在《模糊图像迭代盲反卷积复原》一文中研究指出针对超速或换道车辆容易出现的图像模糊问题,提出了基于盲反卷积的去模糊方法。传统的去模糊方法是假定已知模糊参数,而实际的目标图像模糊参数是未知的。所以采用一种盲复原方法,首先估计出模糊点扩散函数PSF,然后进行模糊处理。根据实际采集的图像含有高斯噪声的特点,将常用零均值高斯白噪声作为其噪声模型,根据噪声均值与方差的最小二乘估计改进盲反卷积模型,得出新的恢复模型,进而恢复含噪声的模糊图像。结果表明,该算法较传统算法恢复效果得到明显改善。(本文来源于《沈阳理工大学学报》期刊2015年05期）
赵立业,李宏生[9]（2015）在《一种用于重力测量信号畸变校正的盲反卷积算法（英文）》一文中研究指出强阻尼和大时间常数是海洋重力仪的共同特性,它们在抑制垂直方向上干扰加速度的同时也造成了重力仪测量信号的幅值衰减和相位滞后。为了校正重力测量信号的畸变,获得高精度的重力异常信号,在分析重力仪和重力测量信号畸变原理的基础上,提出了一种单通道Bussgang算法,并应用于重力测量信号的畸变校正。该方法首先将盲反卷积滤波器近似简化为FIR模型,然后采用常数恒模算法对Bussgang均衡器权系数进行更新,并在此基础上对反卷积滤波器进行了估计,最后基于实测重力信号将该方法与Kalman逆滤波进行了试验对比。理论分析和试验结果表明,该重力信号畸变校正方法能有效地消除重力测量信号的畸变,且校正效果明显优于Kalman逆滤波,其校正后信号相对于原始信号的标准差为0.328×10-5 m/s2,而Kalman逆滤波校正标准差为1.838×10-5 m/s2。(本文来源于《中国惯性技术学报》期刊2015年02期）
于天剑,陈特放,陈雅婷,陈春阳[10]（2014）在《盲反卷积去噪在机车走行部故障分析上的应用》一文中研究指出基于一种新的机车齿轮箱振动信号去噪的模型及算法,在分析总结大量实际振动信号的基础上,探讨运用盲反卷积去噪的方法以提高信号信噪比和信号质量,通过提取机车齿轮的故障特征信息并与TSA(时间同步平均)方法相比较,其在准度和精度方面都有较大改善。不仅能满足在线监测和故障诊断的实时性和可靠性的要求,同时显示出属性的可靠性、耐用性和高置信度性,提高了诊断和预警的技术。(本文来源于《铁道科学与工程学报》期刊2014年05期）
盲反卷积论文开题报告范文
（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：
本文研究了超声合成孔径检测信号的盲反卷积复原技术。通过分析超声信号在检测材料中的传输规律,建立了检测信号与代表检测材料特性的点扩散函数之间的成像关系。根据最大似然估计原理,形成了超声合成孔径信号盲反卷积复原数学模型。为了验证所研究方法的有效性,进行了一系列实验,实验结果表明:盲反卷积能有效改进超声合成孔径检测图像的分辨率。
（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。
盲反卷积论文参考文献
[1].孙圣姿,陈文标,余圣钻.基于正则化盲反卷积改进方法的特定方向运动模糊图像复原[J].中国新通信.2018
[2].孔垂硕,罗林,李金龙,高晓蓉.基于盲反卷积的超声合成孔径图像复原[J].电子制作.2018
[3].任冬伟.面向盲反卷积的模糊核估计与图像复原方法研究[D].哈尔滨工业大学.2017
[4].元伟,张立毅.基于盲反卷积的超分辨率图像盲复原算法[J].天津大学学报(自然科学与工程技术版).2017
[5].黄璐,王宏.基于盲反卷积的脑电信号盲分离研究[J].东北大学学报(自然科学版).2016
[6].陶姣.基于半盲反卷积源分离的胎儿心电信号提取研究[D].重庆大学.2016
[7].聂昕,郭志福,何智成,成艾国,汲彦军.基于盲反卷积和参数化模型的超声参数估计[J].仪器仪表学报.2015
[8].刘小芳,秦丽娟,李莹.模糊图像迭代盲反卷积复原[J].沈阳理工大学学报.2015
[9].赵立业,李宏生.一种用于重力测量信号畸变校正的盲反卷积算法（英文）[J].中国惯性技术学报.2015
[10].于天剑,陈特放,陈雅婷,陈春阳.盲反卷积去噪在机车走行部故障分析上的应用[J].铁道科学与工程学报.2014