导读:本文包含了小波自适应算法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,自适应,阈值,算法,神经网络,图像,分解。
小波自适应算法论文文献综述
冯红波,李萍,王博[1]（2020）在《基于自适应权重Retinex和小波变换的彩色图像增强算法》一文中研究指出针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。(本文来源于《无线电工程》期刊2020年01期）
孟娟,韩智明,李亚南[2]（2019）在《基于改进互补集合经验模态分解的自适应小波熵阈值地震随机噪声压制算法》一文中研究指出针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR) 1 d B以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。(本文来源于《科学技术与工程》期刊2019年30期）
蓝海磊,孟寅,张蓓佳,张凯[3]（2019）在《基于HOG特征和小波神经网络的自适应人群计数算法研究》一文中研究指出人群数目估计对公共场所人群安全评估和公共设施建设具有重要意义。笔者提出一种利用灰色共生矩阵和基于HOG特征的人头检测的人群数目估计算法,能够解决人群数目动态变化计数问题。其主要思想是依据人头特征分析低密度人群和高密度人群的稳定性,在灰色共生矩阵提取16维特征向量的基础上,将人头检测数目作为修正因子,利用小波神经网络实现人群数目估计。实验结果表明,在估计数目动态变化人群时,此算法不仅提高了准确性,还能保持较好的鲁棒性。(本文来源于《信息与电脑(理论版)》期刊2019年16期）
贾智,赵岩,张兵,王立珂[4]（2019）在《基于小波神经网络PID的战车自适应巡航算法》一文中研究指出提出了一种由小波神经网络PID控制的自适应战车巡航算法,通过分析传统的神经网络PID算法在结构设计上的盲目性和误差过大,将小波变换融入神经网络,具有良好的函数逼近能力,有效避免局部最小值。实验结果表明,小波神经网络的输出平均误差控制在5°以内,平均误差和收敛速度明显优于传统的算法。(本文来源于《兵器装备工程学报》期刊2019年03期）
赵静,韦海成[5]（2019）在《ECG信号自适应贝叶斯小波去噪算法研究》一文中研究指出ECG信号是当前移动健康监护的一个常规生物电信号,在该信号采集过程中,常规的硬件放大电路会引入噪声,影响了信号的特征分析。针对ECG信号采集中的噪声消除问题,提出一种基于贝叶斯小波分析的去噪算法。首先对ECG信号进行小波分解,再通过贝叶斯算法重新计算最佳小波系数阈值和加权系数,最终实现ECG信号的去噪和重构。实验结果表明:该算法能够较好地消除ECG信号的噪声,在保留较多信号细节的同时减少了信号失真。相对于小波软阈值和硬阈值算法,该算法的MSE为0.287 1,PSNR值为53.550 7,明显优于前者,具有较高的实际使用价值。(本文来源于《现代电子技术》期刊2019年05期）
毛玉星,李超,贾海威[6]（2018）在《基于小波预处理及自适应权函数的非局部均值滤波算法》一文中研究指出非局部均值滤波算法因其良好的去噪效果受到了广泛关注,内容主要集中在算法加速,搜索框、相似框尺寸以及平滑参数的自适应设置等方面.然而,研究发现,在非局部均值滤波过程中,欧氏距离权函数对去噪效果也有较大影响.本文通过对权函数的分析,根据图像含噪情况、像素点的局部结构,自适应选择权函数,提高了去噪效果.此外,由于非局部均值滤波在噪声强度大时去噪效果不佳,而小波变换能够很好区分图像高频信号与噪声,本文先采用小波阈值去噪方法对图像进行预处理,再进行自适应权函数非局部均值滤波.仿真实验表明,本文方法在去噪效果上有明显提升,尤其适用于噪声强度较大的场景.(本文来源于《小型微型计算机系统》期刊2018年12期）
方春城,孙培明[7]（2018）在《基于HVS的自适应小波域彩色图像水印算法》一文中研究指出针对DWT变换域水印具有较好的鲁棒性,提出一种基于HVS(human visual system)的自适应水印算法。在彩色图像的DWT二级变换中频系数,结合HVS特性,嵌入水印信息。水印信息经过Arnold置乱后嵌入到原始图像,达到双"加密"效果。实验表明,该算法隐蔽性良好,水印提取效果较好,对旋转、剪切、JPEG、修改等攻击具有较好的鲁棒性和稳健性。(本文来源于《云南民族大学学报(自然科学版)》期刊2018年06期）
杜进楷,陈世国[8]（2018）在《基于双树复小波变换的自适应PCNN图像融合算法》一文中研究指出本文针对传统离散小波变换(DWT)在图像融合中细节丢失的问题,提出了一种基于双树复小波变换(DT-CWT)的低频域区域能量取大和高频域自适应脉冲耦合神经网络(PCNN)图像融合算法(简称DC-SA-PCNN)。实验结果显示,采用同样的融合规则,DT-CWT融合图像的互信息量MI、边缘保持度Q~(AB/F)、融合积MQ=MI×Q~(AB/F)均高于DWT融合图像,基于自适应PCNN算法获得的融合图像具有更优的MI、Q~(AB/F)、MQ指标。结果表明,DC-SA-PCNN算法有效地综合了红外图像和可见光图像中的信息,融合图像更加全面地携带了源图像中的有效信息特征。(本文来源于《红外技术》期刊2018年10期）
白文平,刘宗昂,鲁加国[9]（2018）在《基于小波和独立成分分析的去噪自适应算法》一文中研究指出为了寻求一种能将不同类型和数量的噪声从图像中去除的方法,提出了一种能从图像源中将噪声与信号分离的改进的小波ICA滤波器。该方法首先使用小波降维,用Morlet小波来解决非正交问题;通过ICA规范化降维后的信号,从而发现独立噪声特征;再通过相关性将图像和噪声分离;最后,对图像进行还原,得到去噪后的图像。通过实验与主成分分析(PCA)方法、FastICA方法进行了对比,验证了该方法的有效性。结果显示,本研究提出的方法降噪效果较PCA方法和FastICA方法有大幅提高。同时,复杂度略有上升。(本文来源于《海军航空工程学院学报》期刊2018年04期）
周建,向北平,倪磊,艾攀华[10]（2018）在《基于Shannon熵的自适应小波包阈值函数去噪算法研究》一文中研究指出小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。(本文来源于《振动与冲击》期刊2018年16期）
小波自适应算法论文开题报告
（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：
针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR) 1 d B以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。
（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。
小波自适应算法论文参考文献
[1].冯红波,李萍,王博.基于自适应权重Retinex和小波变换的彩色图像增强算法[J].无线电工程.2020
[2].孟娟,韩智明,李亚南.基于改进互补集合经验模态分解的自适应小波熵阈值地震随机噪声压制算法[J].科学技术与工程.2019
[3].蓝海磊,孟寅,张蓓佳,张凯.基于HOG特征和小波神经网络的自适应人群计数算法研究[J].信息与电脑(理论版).2019
[4].贾智,赵岩,张兵,王立珂.基于小波神经网络PID的战车自适应巡航算法[J].兵器装备工程学报.2019
[5].赵静,韦海成.ECG信号自适应贝叶斯小波去噪算法研究[J].现代电子技术.2019
[6].毛玉星,李超,贾海威.基于小波预处理及自适应权函数的非局部均值滤波算法[J].小型微型计算机系统.2018
[7].方春城,孙培明.基于HVS的自适应小波域彩色图像水印算法[J].云南民族大学学报(自然科学版).2018
[8].杜进楷,陈世国.基于双树复小波变换的自适应PCNN图像融合算法[J].红外技术.2018
[9].白文平,刘宗昂,鲁加国.基于小波和独立成分分析的去噪自适应算法[J].海军航空工程学院学报.2018
[10].周建,向北平,倪磊,艾攀华.基于Shannon熵的自适应小波包阈值函数去噪算法研究[J].振动与冲击.2018
论文知识图
