导读:本文包含了图象滤波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:图象,噪声,递归,自适应,邻域,卡尔,形态学。
图象滤波论文文献综述
朱虹,关永,孙卫真[1]（2008）在《基于简化自适应滤波的DSI图象降噪》一文中研究指出在分析数字胃肠造影机DSI序列图象特性的基础上,根据时域递归滤波原理,对非线性自适应滤波器进行改进,便于工程实现。用简化自适应滤波算法确定滤波系数,设计和实现了DSI序列图象的动态降噪,并抑制了快变图象的拖影,具有较好的动态跟踪效果。实验结果表明:图象降噪效果显着,提高了图象的信噪比,满足临床要求。(本文来源于《微计算机信息》期刊2008年18期）
马天义[2]（2007）在《X光图象复原逆滤波方法的研究》一文中研究指出研究图象模糊的光学过程、逆滤波原理和图象复原的方法,并结合X光照相底片的模糊因素讨论改善图象复原效果的途径。(本文来源于《医药世界》期刊2007年01期）
邢睿智[3]（2005）在《彩色图象序列中基于贝叶斯滤波的目标跟踪》一文中研究指出彩色目标跟踪是目前机器视觉研究领域的热点问题,广泛应用于视觉监控,机器人视觉技术以及数字医疗等诸多领域。本文以递归贝叶斯滤波为理论基础,讨论了彩色图象序列中的动态目标跟踪问题。围绕贝叶斯视觉跟踪过程中的前景观测和滤波方法两大关键技术展开理论和应用研究,结合不同的前景观测模型提出实时、鲁棒的跟踪方法,旨在实现全自主移动机器人在不同环境下的跟踪任务。 本文首先以色度学基础和颜色模型的表示方法为切入点,详细讨论了前景观测中象素分类和目标区域分割两个基本步骤。从实时性和实用性的角度出发,对不同环境、不同颜色空间下基于恒定阈值法的象素分类结果进行比较。同时针对简单和复杂环境分别提出不同的区域分割方法,并完成实验验证。 以马尔可夫假设和贝叶斯公式为基础,构建出递归贝叶斯跟踪的一般表达形式,并对其叁种较为常用的实现方法进行详细的介绍。为满足机器人足球比赛对目标跟踪实时性的要求,本文将卡尔曼滤波与搜索窗更新方法相结合,实现了基于SmartROB-2中型自主移动机器人平台的彩色目标球跟踪。由于采用图象局部分割代替了全局搜索,大大节省算法的运算时间,并提高了跟踪准确性。 针对非高斯观测环境下的彩色目标跟踪问题,本文提出一种混合粒子滤波跟踪算法,利用粒子滤波和卡尔曼滤波分别对目标状态的位置以及形状分量进行处理,并利用二者之间的数据融合来实现各自的状态更新。基于Mahalanobis准则和最小Euclidian距离思想,提出获得粒子最小不确定性观测的方法,实现了前景观测与粒子预估观测之间的最优匹配。该算法能够有效解决粒子滤波在处理高维跟踪时计算负担过重问题,同时克服了卡尔曼滤波存在高斯约束的不足,具有一定创新性,并在应用中取得良好效果。 为了使跟踪方法对目标的旋转、形变以及颜色非单一等各种复杂情况具有较强鲁棒性,本文结合粒子滤波技术提出一种基于加权颜色直方图的目标跟踪方法。将目标的加权颜色直方图作为目标的颜色模型,并利用Bhattacharyya距离描述粒子与目标颜色模型的相似性,为粒子权值更新提供有力依据。在此基础上,本文利用粒子滤波混合跟踪方法实现了监控视频序列中目标数目可变的多目标跟踪,并通过对实验结果和数据的进一步分析讨论,论证了所提方法的有效性和实用性。(本文来源于《大连理工大学》期刊2005-12-01）
杜培军[4]（2005）在《滤波窗口对SAR图象滤波效果影响的定量分析与评价》一文中研究指出近年来,雷达遥感得到了越来越多的应用,与光学遥感形成了互为补充的多源、多时相、多尺度遥感信息源。合成孔径雷达(SAR)是雷达遥感的主要形式,在SAR图象的应用中,一个重要问题就是去除斑点噪声即滤波问题。当前常用的SAR滤波算法包括以下几类:(1)传统中值滤波、均值滤波等方法;(2)基于噪声模型的方法;(3)基于图象局部统计特征的自适应滤波;(4)基于形态学的几何滤波;(5)基于小波的滤波;(6)频域滤波。在各种滤波算法中,滤波窗口选择对滤波效果有明显的影响,对滤波效果与滤波窗口的关系进行定量评价,将有助于改进SAR图象处理和应用的效果。滤波窗口大小的选择直接影响SAR图象滤波的效果。选用应用最多的几种滤波算法包括Kuan(本文来源于《第十五届全国遥感技术学术交流会论文摘要集》期刊2005-08-01）
李智华,王玉文[5]（2005）在《卡尔曼滤波在图象识别中的应用》一文中研究指出最小邻域法使二维Kalman滤波技术得以在实时图象处理和识别领域中应用.这种方法的优点是既保持了Kalman滤波技术原有的性能,又大大地缩减了计算量.该方法对初值的给定范围要求不高,并且收敛速度快,滤波效果好.(本文来源于《哈尔滨师范大学自然科学学报》期刊2005年03期）
孔涛[6]（2005）在《图象滤波算法的若干研究》一文中研究指出本文主要包括四个方面的内容:图象滤波综述;统计学习理论(SLT)和支持向量机(SVM);支持向量机在图象滤波中的应用,重点介绍学习集的选取方法;针对脉冲噪声滤波的新方法。其中第叁和第四个方面是本文的特色,也是本文的主要内容。 大多数图象具有空间相关性,绝大部分相邻的象素点具有相近的灰度值。我们可以对图象建立一张二维曲面,象素点的灰度值就是该曲面的采样点。基于这样的事实,本文引入了统计学习理论和支持向量机,通过选取有限的学习样本集来预测未知象素点的灰度值。统计学习理论是小样本学习理论,而支持向量机是其思想实现的方法,在这里我们将其用于图象滤波。因为机器学习问题中对学习集的选取是很关键的,所以重点介绍了学习集的选取方法,然后在各种方法下做了实验,效果不错。这是第叁个方面的主要内容。 在本文的第四部分,根据脉冲噪声的概率分布特点,提出了一种新的去除这类噪声的算法。被脉冲型噪声污染的图象,其表面呈现出很多的峰和谷,所以检测到该峰和谷时,必定与它周围的点有很大的差别。在具体实现该算法时,也是和中值滤波算法一样先选定一个模板,然后求关于该模板中心点的一阶差的绝对值。每求一个一阶差分的绝对值就和预先给定的阈值T对比,最后计算出该模板中心点周围所有的一阶差分的绝对值不小于阈值T的个数K,如果个数K不小于另一个阈值τ,就把模板中心点判断为噪声点,否则就判断为非噪声点。最后用该方法与其他算法进行了大量的对比实验和分析,结果证明我们提出的这种算法有很好的滤波效果。(本文来源于《浙江大学》期刊2005-05-01）
陈荆亮[7]（2005）在《基于滤波的图象特征提取的实现及对图象识别的研究》一文中研究指出提取图像的特征在计算机图形学、计算机视觉、模式识别、测绘领域、人工智能等方面具有非常重要的意义。目前,图象特征提取已成为非常活跃的研究领域。 在模式识别系统中,特征提取是指在原始数据输入与分类器之间,针对样本的数学特征,实现高维样本向低维的压缩,去除无用信息,以优化分类器的效果。即特征提取是给定的约束条件下的某种变换T,实现由模式空间ER到特征空间ED的映射,可表示为T:ER→ED。 变换编码是在变换域进行压缩,即采用线性变换,将具有相关特性的原域数据映像到变换域,在变换域中消除原域数据相关性,或者去掉信息接受者不重视、或不感兴趣的成分,即获得压缩编码。变换编码有Karhunen_Loeve(K_L Transform)变换,离散傅氏变换(Discrete Fourier Transform),沃尔什—哈达姆变换(walsh_Hadamard Transform),离散余弦变换(Discrete Cosine Transform)等,这些变换均属于正交变换。 一种信息的空域表示,由于其空域值的无序性,人们难以直接从中分离出感兴趣的特征。因此,将其变换到频域,从而建立有序的频率关系,并对某些频率因素进行处理,然后再转换到空域,以便获得人们感兴趣的特征。本文正是基于这种思想,将特征提取问题归结为滤波问题。 在图象特征提取的研究领域,目前存在许多问题有待解决。本文深入探讨了图象特征提取的基本思想,对特征提取的方法和现状进行了全面的综述,全面分析了各种变换编码的算法并比较了各自的优缺点,采用数据滤波的方式构造一个基于频域空间的图象特征提取平台,该平台通过图形界面能够选择变换模型,调整滤波方案,从而得到特征图象,并将特征图进行了矢量化,文章的最后对图象特征提取和识别的研究前景进行了展望。 实验证明,采用数据滤波的方式对图象的特征进行提取是非常有效而且新颖的方式,通过对滤波方案的导入、导出使图象特征提取平台具有了很强的通用性,能非常有效的解决同一类图象的特征提取问题。 论文包括七章内容。第一章叙述本课题的背景和意义;第二章介绍特征提取的基本思想和方法;第叁章分析各种变换编码的算法和优缺点;第四章分析图象矢量化问题;第五章研究图象识别问题:第六章介绍构建的图象特征提取平台并运用举例;第七章是本文的小结和展望。(本文来源于《武汉理工大学》期刊2005-05-01）
程木华,张峰,张子康,陈维真,许杰华[8]（2004）在《探讨SPECT断层图象重建的滤波函数推算方法》一文中研究指出目的 探讨SPECT断层图象重建的滤波函数推算方法 .方法 通过不同实验模型在不同条件下进行断层显像 ,采用不同条件重建图像 ,分析SPECT采集信息量、处理因素等多种因素与断层重建参数的关系 .结果 在断层图象每帧采集计数量、放大倍数、象素大小、靶面积象素值、靶面积平方厘米值、单位象素的计数、每平方厘米的计数、靶总计数及最大计数等因素中 ,仅有单位象素计数 (KCp)变量与截止频率 (Fc)有显着直接相关关系 (p <0 .0 1) ,其它因素与Fc的关系均为简单相关关系 .回归方程为 :Fc =0 .14 + 0 .5×KCp ,两者的相关系数为 0 .99(p <0 .0 0 1) .根据据回归方程推算截止频率初步应用于临床 ,图像结果满意 .结论 根据断层图像象素计数可粗略推算图像重建的截止频率(本文来源于《现代临床医学生物工程学杂志》期刊2004年01期）
杨焱,黎明,朱娅妮[9]（2004）在《基于静态小波分解的机加工表面图象滤波》一文中研究指出由于在机械加工过程中机械振动和噪声回波的相干性 ,机加工表面图象上会存在白噪声 ,为了削弱这些噪声的影响 ,提出了一种基于静态小波分解的自适应阈值滤波方法 ,该方法首先将机加工图象分解至静态小波域 ,然后在静态小波域中将噪声的小波系数收缩至零 ,将此算法应用于机加工图象噪声滤波 ,并与基于Mallat分解的滤波算法和另外叁种典型图象滤波算法进行比较 ,结果表明 ,该方法不仅可以有效的去除噪声 ,而且还可以保持图象的精密纹理结构。(本文来源于《南昌航空工业学院学报(自然科学版)》期刊2004年01期）
段汕,梅建新,秦前清[10]（2003）在《基于不同代数结构的图象形态滤波》一文中研究指出用于表示图象的模型空间上的形态算子不仅与模型空间的几何结构有关,同时还依赖于模型空间的代数结构.通过在目标空间中引入加性及乘性代数结构的方法,提出了基于目标空间不同代数结构的加性及乘性膨胀和腐蚀运算、以及以此为基础所建立的形态滤波,并通过对于其性质的讨论研究了形态滤波的算法及性能.指出了加性及乘性开、闭滤波在噪声滤除上由于目标空间代数结构的不同产生差异的原因.在此基础上,还对具有不同代数结构的灰值形态滤波进行了讨论.(本文来源于《湖北大学学报(自然科学版)》期刊2003年04期）
图象滤波论文开题报告
（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：
研究图象模糊的光学过程、逆滤波原理和图象复原的方法,并结合X光照相底片的模糊因素讨论改善图象复原效果的途径。
（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。
图象滤波论文参考文献
[1].朱虹,关永,孙卫真.基于简化自适应滤波的DSI图象降噪[J].微计算机信息.2008
[2].马天义.X光图象复原逆滤波方法的研究[J].医药世界.2007
[3].邢睿智.彩色图象序列中基于贝叶斯滤波的目标跟踪[D].大连理工大学.2005
[4].杜培军.滤波窗口对SAR图象滤波效果影响的定量分析与评价[C].第十五届全国遥感技术学术交流会论文摘要集.2005
[5].李智华,王玉文.卡尔曼滤波在图象识别中的应用[J].哈尔滨师范大学自然科学学报.2005
[6].孔涛.图象滤波算法的若干研究[D].浙江大学.2005
[7].陈荆亮.基于滤波的图象特征提取的实现及对图象识别的研究[D].武汉理工大学.2005
[8].程木华,张峰,张子康,陈维真,许杰华.探讨SPECT断层图象重建的滤波函数推算方法[J].现代临床医学生物工程学杂志.2004
[9].杨焱,黎明,朱娅妮.基于静态小波分解的机加工表面图象滤波[J].南昌航空工业学院学报(自然科学版).2004
[10].段汕,梅建新,秦前清.基于不同代数结构的图象形态滤波[J].湖北大学学报(自然科学版).2003
论文知识图
