导读:本文包含了形态小波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,形态,形态学,锐化,电能,尺度,多维。
形态小波论文文献综述写法
丁伟,张志刚,姚练红,黄捷[1]（2019）在《基于形态小波与排列熵的变速器齿轮故障识别方法》一文中研究指出在深入研究形态小波与排列熵的基础上,提出一种新的变速器齿轮故障识别方法。引入形态小波的概念,提出采用形态Haar小波对实测变速器齿轮振动信号进行降噪预处理;将排列熵作为变速器齿轮故障的特征值,提取了包括齿轮正常、齿面轻度磨损、齿面中度磨损和断齿等4种工况的振动信号;依据不同的故障对应不同的排列熵分布,对各种故障状态进行分类,同时对比了未降噪信号的排列熵分布。变速器齿轮故障识别的实例验证了形态小波与排列熵结合能有效提高齿轮故障分类能力。(本文来源于《机械传动》期刊2019年10期）
冯小二,王新赛,李明明[2]（2019）在《基于多尺度形态小波变换的红外图像边缘增强算法》一文中研究指出由于红外图像表征景物的红外辐射分布,主要取决于景物发射率和温度分布,因此红外图像具有高背景,低反差的特点。本文针对红外图像对比度低的问题,将小波理论和数学形态学理论应用到红外图像边缘增强处理中,提出了一种新的基于多尺度形态小波变换的红外图像边缘增强算法,实现了红外图像边缘增强和噪声抑制。该算法利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,再利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。利用真实红外图像进行了算法的仿真实验,实验结果验证了该算法能有效地保持和增强目标边缘信息,提升目标观察的效果和清晰度。(本文来源于《电子测试》期刊2019年19期）
石岩[3]（2018）在《基于二维不可分形态小波变换的多光谱图像全色锐化方法》一文中研究指出针对全色锐化中如何有效提取高分辨率细节这一关键问题,提出了一种新的基于二维不可分形态小波变换的全色锐化方法.结合了线性小波与形态小波的各自优势,在保持小波消失矩的同时能够有效保留图像的边缘细节.实验部分采用SPOT 6与Pléiades两组遥感卫星图像数据.实验结果证实本文所提方法能够降低光谱误差,并有效提升了多光谱图像的空间分辨率,在ERGAS、Q4等评价指标方面优于当前主流全色锐化算法,同时取得了良好的视觉增强效果.(本文来源于《北京交通大学学报》期刊2018年05期）
杜锴,方向,张胜,王怀玺,黄俊逸[4]（2018）在《基于更新提升形态小波变换的车辆目标震动信号特征提取》一文中研究指出针对传统线性小波变换在处理地面目标震动信号上的局限性,提出了一种更新提升形态小波来提取车辆目标震动信号的特征信息。利用仿真信号和实测的两类车辆目标震动信号进行对比分析,分析结果表明与传统线性小波和极大形态提升小波相比,更新提升形态小波不仅能在强噪声环境下有效提取目标信号的特征信息,同时不受低频信号干扰,为基于震动信号的地面目标精确识别提供了一条新的途径。(本文来源于《振动与冲击》期刊2018年16期）
徐书欣,葛洪央[5]（2017）在《形态小波和对比敏感度函数结合的图像融合算法》一文中研究指出提出了基于形态小波MW(Morphological Wavelet)和对比敏感度函数CSF(Contrast Sensitivity Function)的图像融合算法,并采用该算法对异类故障谱图进行了图像融合.融合结果表明,采用该算法融合后的图像更符合人眼的视觉特性,图像信息量和空间频率更大,图像更清晰,这说明基于MW-CSF图像融合算法进行图像融合是有效的.(本文来源于《信阳师范学院学报(自然科学版)》期刊2017年03期）
董镝,李恒真,易林,王继峰,王云飞[6]（2017）在《基于形态小波和支持向量机的高压断路器状态监测和故障诊断》一文中研究指出针对现场运行的断路器故障数据难以获取的现状,搭建了一个断路器故障模拟试验平台对部分常见故障进行了故障模拟。传统的基于单一特征量的状态监测难以有效判断断路器的故障,提出了一种多维映射的思路:研发了一种形态开闭加权复合滤波算法对断路器合分闸线圈电流信号进行滤波,从故障波形和正常波形的对比中充分挖掘其差异特征量,并利用形态小波分解包含丰富机械状态信息的振动信号,将不同频段的能量值作为判断断路器状态的特征量,利用支持向量机将断路器合分闸线圈电流信号的各差异特征量与振动信号特征量相结合形成多维映射,对断路器的状态进行诊断。本研究进行了大量的实验,实验分析结果验证了该思路和算法的有效性。(本文来源于《电测与仪表》期刊2017年04期）
李梦诗,王学健,季天瑶[7]（2016）在《基于形态小波范数熵和支持向量机的电能质量分类研究》一文中研究指出针对电能质量信号分类存在实时性差、准确度低的问题,提出了一种基于HMT(hit or miss transform)小波范数熵(norm entropy,NE)和支持向量机(support vector machine,SVM)的电能质量扰动识别方法。根据HMT小波分解每一层能量不同的特点,取扰动信号的10层小波分解的范数熵组成特征矩阵。特征量起到了对扰动信号分形的作用,以此作为SVM的输入。为了提高分类的准确度,研究采用了粒子群算法(particle search optimization,PSO)对SVM参数进行了寻优,分类准确度达到99%左右。同时比较了HMT小波和传统db4小波分别和SVM结合时的准确度,证明了HMT小波的优势和本文特征量提取法的有效性。而对于含噪声的电能质量信号,采用了广义形态滤波器进行了滤波预处理。仿真结果表明,该方法识别准确率高,稳定性好,适用于电能质量扰动识别系统。(本文来源于《电机与控制学报》期刊2016年09期）
赵雨晨[8]（2016）在《结合非抽样形态小波和引导滤波的图像融合方法》一文中研究指出图像融合是一门结合了信号处理、图像处理、人工智能和多传感器技术的现代化高新科学技术。该技术可以提取多个图像间的互补信息,摒弃图像间的冗余信息,使目标的检测和跟踪更加有利和方便。目前大多数图像融合研究都集中在多尺度图像融合中,主要经历了金字塔变换、小波变换和超小波变换叁个阶段。小波变换作为线性信号分析工具,在描述图像的非线性特征时只能采用线性近似的方法,无法准确地刻画图像的性质。超小波变换中应用较广的是非下采样轮廓波变换,该方法可以提取较好的边缘特征,但是非下采样大幅增加了计算量,使其运算缓慢,不利于实时处理。为了快速并准确地描述图像的非线性特征,本文采用非抽样形态小波(Un-decimated Morphological Wavelets,UMW)分解,该方法考虑图像的非线性特征,且分解后的高频系数还具有明确的物理意义。同时,本文采用引导滤波来减少图像在UMW分解后产生的光晕现象,从而优化边缘部分。本文对现有的融合方法进行分析,在UMW构造方法和引导滤波构造方法的基础上进行了以下研究:1)提出一种基于引导滤波的权值优化的图像融合方法。图像经过UMW分解得到基础层图像,其与源图像的差图像也就是细节图像中保留了较多的结构和细节信息,对细节图像的权值图进行引导滤波可以突出边界的权值,从而减少分解后的光晕,使融合图像的边缘更清晰。2)提出一种基于快速引导滤波的低频系数优化的图像融合方法。该方法采用多方向非抽样形态小波,使图像每个方向的分解都具有非线性特征,且分解后的低频信息保留了较多的结构和细节信息。采用快速引导滤波指导低频系数融合,不仅满足实时性,还可以优化融合图像的边缘细节信息。本文通过对已配准的红外和可见光图像、多聚焦图像、医学图像等分别进行融合实验,从主观感知和客观指标进行分析,得出本文方法能够较好的保持图像边缘信息和减少光晕现象,从而改善融合的视觉效果。(本文来源于《深圳大学》期刊2016-06-30）
韩霄汉,沈曙明,肖涛,姚力,彭辉[9]（2016）在《基于形态小波的畸变信号电能计量》一文中研究指出数学形态学是一种非线性的信号处理方法,在处理信号时能够使信号幅值不发生偏移、相位信息也不衰减,因此在电力系统中得到了广泛的应用,如暂态信号谐波分析、奇异点检测与消噪、电能质量检测、故障诊断、继电保护与故障测距等,但尚未应用于对非线性信号的电能计量中。结合小波变换的多分辨率分析特性,用形态小波计算非线性负荷存在下的电能。形态小波具有运算速度快、边缘信息准确检测等优点,信号分析性能优于传统的小波变换。通过仿真分析表明该方法能够准确的检测非线性信号,提取基波电能,提高计量的准确性。(本文来源于《电测与仪表》期刊2016年10期）
张成斌[10]（2016）在《形态与形态小波降噪技术及其在位移测量中的应用》一文中研究指出形态分析与形态小波分析技术是数字图像处理的重要核心技术,随着形态分析与形态小波分析理论研究的不断深入和应用范围的不断扩大,出现了一些亟待解决的问题。如数字空间中结构元素分解难问题,使得形态分析只能使用有限的结构元素表达有限的图像几何信息;形态滤波器降噪性能低问题,使得形态滤波只能对低密度噪声图像降噪;形态小波自适应提升难问题,使得形态小波分析技术的理论和应用难以拓展。因此,开展形态分析与形态小波分析技术研究具有非常重要的学术意义和广泛的应用价值。形态分析与形态小波分析技术都具有图像几何特征描述能力,常用于具有特殊几何特征的噪声图像降噪。数字散斑干涉位移测量技术是一种基于数字图像的全场、非接触、高精密测量技术。然而,在实验中获取的散斑干涉条纹图像往往含有大量的散斑噪声,这将直接影响到测量结果的准确度和精确度,因此,干涉条纹图像降噪一直是散斑干涉位移测量中重要的研究课题。散斑噪声干涉条纹图像具有周期性、方向性和亮暗相间等条纹形态特征。因此,根据噪声图像的形态特征,利用形态分析与形态小波分析技术研究图像降噪问题对散斑干涉位移测量具有非常重要的意义和广泛的应用。本文论述了形态分析、形态小波分析的研究现状,对形态结构元素分解、脉冲噪声图像降噪、散斑噪声干涉条纹图像降噪、形态小波自适应提升及其应用等问题进行了分析研究。本文的主要研究工作和成果如下:1.针对形态结构元素在数字空间中分解畸变性和分解难问题,提出了基于周期线的凸结构元素分解定理及其推论,并证明了分解定理的充分性和必要性。2.针对脉冲噪声图像降噪问题,提出了自适应形态滤波方法、改进量子衍生形态滤波方法、开关形态-均值滤波方法和开关中-均值滤波方法,并提出了逐步开关和双层开关自适应滤波模型,仿真验证了所提出降噪模型的有效性。3.针对形态分析在散斑干涉位移测量中的应用问题,提出了高斯噪声干涉条纹图像二值导向降噪模型,并提出了散斑噪声干涉条纹图像的导向形态降噪方法,实验验证了所提出降噪方法的有效性,可实现对密集散斑干涉条纹图像的位移信息提取,并通过理论分析与散斑干涉位移测量结果对比,验证了结果的准确性。4.结合变异形态学,提出了变异形态小波变换,以及最大和最小提升变异形态小波变换,提出了基于变异形态小波变换的脉冲噪声图像降噪方法,并提出了基于形态小波变换的散斑噪声干涉条纹图像降噪方法,可实现对密集干涉条纹图像的位移信息提取。(本文来源于《南京航空航天大学》期刊2016-03-01）
形态小波论文开题报告范文
（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：
由于红外图像表征景物的红外辐射分布,主要取决于景物发射率和温度分布,因此红外图像具有高背景,低反差的特点。本文针对红外图像对比度低的问题,将小波理论和数学形态学理论应用到红外图像边缘增强处理中,提出了一种新的基于多尺度形态小波变换的红外图像边缘增强算法,实现了红外图像边缘增强和噪声抑制。该算法利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,再利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。利用真实红外图像进行了算法的仿真实验,实验结果验证了该算法能有效地保持和增强目标边缘信息,提升目标观察的效果和清晰度。
（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。
形态小波论文参考文献
[1].丁伟,张志刚,姚练红,黄捷.基于形态小波与排列熵的变速器齿轮故障识别方法[J].机械传动.2019
[2].冯小二,王新赛,李明明.基于多尺度形态小波变换的红外图像边缘增强算法[J].电子测试.2019
[3].石岩.基于二维不可分形态小波变换的多光谱图像全色锐化方法[J].北京交通大学学报.2018
[4].杜锴,方向,张胜,王怀玺,黄俊逸.基于更新提升形态小波变换的车辆目标震动信号特征提取[J].振动与冲击.2018
[5].徐书欣,葛洪央.形态小波和对比敏感度函数结合的图像融合算法[J].信阳师范学院学报(自然科学版).2017
[6].董镝,李恒真,易林,王继峰,王云飞.基于形态小波和支持向量机的高压断路器状态监测和故障诊断[J].电测与仪表.2017
[7].李梦诗,王学健,季天瑶.基于形态小波范数熵和支持向量机的电能质量分类研究[J].电机与控制学报.2016
[8].赵雨晨.结合非抽样形态小波和引导滤波的图像融合方法[D].深圳大学.2016
[9].韩霄汉,沈曙明,肖涛,姚力,彭辉.基于形态小波的畸变信号电能计量[J].电测与仪表.2016
[10].张成斌.形态与形态小波降噪技术及其在位移测量中的应用[D].南京航空航天大学.2016