导读:本文包含了聚焦变换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:图像,能量,直角,变换器,波导,小波,拉普拉斯。
聚焦变换论文文献综述
张启兆[1]（2019）在《聚焦叁角恒等变换中的叁种常用方法》一文中研究指出叁角恒等变换中涉及很多公式:"同角叁角函数的基本关系"、"诱导公式"、"和、差、倍角公式"等.这些公式之间一般都存在叁种差异,即角的差异、函数的差异和结构的差异.下面结合例题聚焦如何消除差异,进行叁角恒等变换.1通过角的变换消除角的差异可根据角与角之间的和、差、倍、半、互补、(本文来源于《中学生数学》期刊2019年19期）
王园园,张娜,韩美林[2]（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）
张翠英[3]（2019）在《基于非下采样剪切波变换的多聚焦图像融合新方法》一文中研究指出为提高融合图像的清晰度,提出了一种基于非下采样剪切波变换(NSST)的多聚焦图像融合新方法。首先,对待融合的两幅源图像采用非下采样剪切波变换,获得低频子带系数和一系列的高频子带系数。然后对低频子带系数采用基于高阶奇异值分解(HOSVD)的融合策略,通过对低频子带进行HOSVD分解,利用Sigmoid函数得到融合低频系数;对高频子带系数采用区域特征选择的融合策略,通过对比区域能量和对比区域方差的差异来确定融合的高频系数。最后,通过NSST逆变换得到融合图像。实验结果表明,该方法能够更好地保留图像的边缘细节信息,在视觉效果和客观指标评价上均优于对比方法。(本文来源于《电脑知识与技术》期刊2019年21期）
刘大鸣[4]（2019）在《2018年高考叁角恒等变换问题聚焦》一文中研究指出2018年高考叁角恒等变换围绕"叁角函数的定义、叁角函数的求值、方程组观念的应用、合理的凑角和辅助角公式"等展开的,凸显叁角恒等变换的工具性。聚焦1:叁角函数的定义(本文来源于《中学生数理化(高一数学)》期刊2019年06期）
胡蓉[5]（2019）在《基于空间域与小波变换相结合的多聚焦图像融合》一文中研究指出针对多聚焦图像细节信息分布不均匀以及小波多尺度分析能较好突出图像局部特征的特点,提出基于空间域与小波变换相结合的多聚焦图像融合。首先将源图像分别进行均值和锐化处理,抑制噪声,提高对比度;然后将处理后的图像相加得到空间域预处理后的多聚焦图像;最后选取合适的分解层数和融合规则对图像进行小波变换融合。同时,对不同的小波分解层数和小波基对重构图像的影响进行了分析与讨论。实验结果表明,与其他的方法相比,从主观和客观上验证了该算法的优越性。(本文来源于《湖南科技学院学报》期刊2019年05期）
侯瑞超,周冬明,聂仁灿,李兴叶[6]（2019）在《结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合》一文中研究指出结合非下采样剪切波变换(NSST)和改进的拉普拉斯能量和以及双通道脉冲发放皮层模型(DCSCM),提出一种新的彩色多聚焦图像融合算法.首先对源图像进行HSI彩色空间变换获得色调、饱和度和亮度分量,对源图像亮度分量采用NSST进行分解,获取相对应的高低频分解系数;然后低频分量系数依据改进的拉普拉斯能量和规则进行筛选,高频分量系数采用DCSCM进行融合,经过NSST逆变换获取亮度信息的融合分量;最后利用源图像与亮度分量的欧式距离关系实现色调与饱和度分量进行的分配,通过HSI逆变换获得最终的融合结果.实验结果表明,算法取得了较好的视觉效果并且在互信息、结构相似度、边缘保留度等客观评价指标中具有优势.(本文来源于《云南大学学报(自然科学版)》期刊2019年02期）
柏涛涛,王茜娟,谭云兰[7]（2019）在《基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法》一文中研究指出当前多聚焦图像融合算法主要通过单一的比值取大法来完成高频系数的融合,忽略了不同高频系数间的近似度,导致融合图像存在模糊效应与块效应等不足,采用非下采样Contourlet变换耦合近似度规则对多聚焦图像进行融合,来改善以上不足。利用非下采样Contourlet变换对图像进行多尺度、多方向的分解,获取图像的高、低频分解系数。利用图像的区域能量对低频系数的信息量进行度量,构造低频系数融合函数,用于低频系数融合。利用图像的平均梯度差值对不同高频系数的差异度进行度量,建立近似度规则,根据不同高频系数的近似度采用不同的融合方法获取融合高频系数。将融合后系数通过非下采样Contourlet逆变换获取最后融合图像。仿真表明,所提算法与当前多聚焦图像融合方法相比,融合的图像具有较好的质量。(本文来源于《井冈山大学学报(自然科学版)》期刊2019年01期）
李梦华,孙崇磊,赵佳[8]（2019）在《基于自聚焦效应的新型模斑变换器》一文中研究指出提出了一种新型的基于渐变折射率波导自聚焦效应的模斑变换器,分析了均匀折射率波导和渐变折射率波导的模式场分布及传输特性,研究了自聚焦效应的原理。利用时域有限差分法,计算得到了该变换器的插入损耗和回波损耗,所提模斑变换器与现有的最好模斑变换器的性能相当,但长度缩短至其1/6。该新型模斑变换器可用于集成光学系统中。(本文来源于《光学学报》期刊2019年04期）
谢祥,杨金增[9]（2018）在《研究旋转变换 聚焦逻辑推理》一文中研究指出(本文来源于《中学数学教学参考》期刊2018年26期）
张琪,赵娜,熊伟清[10]（2018）在《基于离散Curvelet变换与自适应能量模型的多聚焦图像融合算法》一文中研究指出针对当前图像融合算法多采用一个源图像的子带能量函数作为融合系数,导致融合图像质量不理想,提出一种基于离散Curvelet变换与自适应能量模型的多聚焦图像融合算法。利用离散Curvelet对源图像进行多尺度分解,以获取图像的低频子带和高频子带;将低频子带分割成子块,利用离散Curvelet系数来构造平均能量函数,以此建立自适应能量模型;引入信息熵模型,对高频子带所包含的信息量进行度量;通过高频子带所含信息量特征和清晰度特征,完成图像高频子带的融合。实验结果表明:与当前多聚焦图像融合算法相比,所提算法具有更高的融合质量,其输出图像具备更好的细节表现能力。(本文来源于《光学技术》期刊2018年05期）
聚焦变换论文开题报告
（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：
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。
（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。
聚焦变换论文参考文献
[1].张启兆.聚焦叁角恒等变换中的叁种常用方法[J].中学生数学.2019
[2].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
[3].张翠英.基于非下采样剪切波变换的多聚焦图像融合新方法[J].电脑知识与技术.2019
[4].刘大鸣.2018年高考叁角恒等变换问题聚焦[J].中学生数理化(高一数学).2019
[5].胡蓉.基于空间域与小波变换相结合的多聚焦图像融合[J].湖南科技学院学报.2019
[6].侯瑞超,周冬明,聂仁灿,李兴叶.结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合[J].云南大学学报(自然科学版).2019
[7].柏涛涛,王茜娟,谭云兰.基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法[J].井冈山大学学报(自然科学版).2019
[8].李梦华,孙崇磊,赵佳.基于自聚焦效应的新型模斑变换器[J].光学学报.2019
[9].谢祥,杨金增.研究旋转变换聚焦逻辑推理[J].中学数学教学参考.2018
[10].张琪,赵娜,熊伟清.基于离散Curvelet变换与自适应能量模型的多聚焦图像融合算法[J].光学技术.2018
论文知识图
