导读:本文包含了高斯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:高斯,图像,曲率,卷积,各向异性,尔曼,模型。
高斯滤波论文文献综述
陈明,谭涛[1]（2019）在《基于形态学和高斯滤波的图像快速去雾算法》一文中研究指出针对暗通道先验除雾算法运算效率低以及复原图像中出现Halo效应等问题,提出一种基于形态学和高斯滤波的暗通道先验图像去雾算法。使用暗通道先验方法估计全局大气光值;对最小通道图采用形态学开操作进行滤波;采用高斯滤波进行平滑处理,降低开操作产生的像素间差异;运用膨胀运算消除相邻区域间的梯度,进而精确估计透射率;通过大气散射物理模型快速、准确地获取复原图像。实验结果表明,该算法不仅能够取得良好的除雾效果,得到细节丰富、对比度和亮度适宜的复原图像,而且大大降低了时间的复杂度,提高了运算效率。(本文来源于《计算机应用与软件》期刊2019年12期）
欧阳城添,汤懿[2]（2019）在《基于高斯混合模型的核相关滤波目标跟踪算法》一文中研究指出针对目标跟踪中的尺度变化、旋转、遮挡等问题,提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型,利用核相关滤波算法检测目标位置,使用多尺度、多形状跟踪方法精确定位目标,在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析,并与多种跟踪算法比较,该算法的距离精度和重迭精度相比核相关滤波算法,分别提高了19%、54%。实验结果表明,采用高斯混合模型和多尺度、多形状跟踪方法,较好解决了外观和尺度变化问题,相比其它算法具有更好的鲁棒性和适应性。(本文来源于《计算机工程与设计》期刊2019年11期）
韩佳雪,张林鹏,张文坤[3]（2019）在《基于分数阶微分和高斯曲率滤波的遥感图像增强》一文中研究指出遥感图像的复杂性、模糊性、噪声强等特点,严重影响了图像的质量。为改善图像质量,提出一种结合分数阶微分和高斯曲率滤波的图像增强算法。通过分数阶微分提升图像的高频成分、增强图像的中频成分以及非线性保留甚低频成分,获得图像边缘明显突出、纹理更加清晰的遥感图像;后引入高斯曲率滤波在分数阶微分增强图像过程中进行平滑,解决遥感图像本身噪声强以及分数阶微分增强过程中带来的噪声放大和扩散问题。多组对比实验表面,算法可以增强遥感图像的细节信息,有效的抑制噪声。(本文来源于《信息通信》期刊2019年11期）
张楠[4]（2019）在《基于改进高斯混合滤波的矿井加权质心定位算法》一文中研究指出针对煤矿井下复杂环境中无线信号的非视距传播导致RSSI定位算法存在测距误差大及定位结果不准确的问题,提出了一种基于改进高斯混合滤波的矿井加权质心定位算法。首先根据最大期望算法对未知节点的相应RSSI测量数据进行聚类,将它们划分为多个高斯概率密度函数模型;然后根据数据特征,利用赤池信息量准则对采样数据进行优化,得到精确的测量值;最后计算未知节点的初始坐标,将未知节点初始坐标和真实坐标间的误差值作为权值因子,结合质心定位算法计算得到未知节点的最终坐标,实现目标定位。仿真与实验结果表明,该定位算法可实现煤矿井下人员的高精度定位,平均定位误差为1.83m。(本文来源于《工矿自动化》期刊2019年11期）
杨晔晨,胡越黎,徐杰,承文龙,郁怀波[5]（2019）在《基于改进高斯滤波与加权环境参数自适应估计的定位方法》一文中研究指出基于接收信号强度指示(received signal strength indication, RSSI)测距的定位技术是一种成本比较低廉的定位技术.为了能够有效降低RSSI值因环境因素的影响而产生的误差,提出了一种改进的加权高斯滤波算法对RSSI值进行处理;并建立了一种加权环境参数自适应估计算法对当前待定位的移动节点所处位置的环境参数进行估计;然后根据估计所得的环境参数确定移动节点所在位置的路径损耗模型;最后根据该模型估计移动节点的位置.实验结果表明,该方法能够有效提高系统的定位精度.(本文来源于《上海大学学报(自然科学版)》期刊2019年05期）
王鹏,蔡盼盼,王曙煜,张子平,刘杰[6]（2019）在《基于倾角控制的各向异性高斯滤波法》一文中研究指出传统的各向同性高斯滤波在去噪的同时会造成同相轴边缘失真问题。采用一种基于倾角控制的各向异性高斯滤波方法,利用倾角信息控制滤波方向,使各向同性的高斯滤波改进为可沿地质构造主方向滤波的各向异性高斯滤波。模型试验和实际地震数据测试结果表明,各向异性高斯滤波能自适应地调整滤波方向,有效去除随机噪声,保持原始地质构造特征和同相轴边缘信息。(本文来源于《油气地球物理》期刊2019年04期）
王浩然,周强[7]（2019）在《基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法》一文中研究指出针对红外热像仪读出电路的偏置电压存在非均匀性,造成红外图像出现条纹噪声的问题,提出了基于全变分模型和高斯曲率滤波结合的去噪算法。在分析红外条纹噪声成因并研究其特性的基础上,首先对含噪图像采用全变分模型进行去噪处理;然后确定复原图像出现阶梯效应的区域,将其对应的噪声图像中的区域看作可展曲面,采用高斯曲率滤波处理;最后将全变分模型和高斯曲率滤波的处理结果综合输出。实验结果表明,所提算法能够去除红外图像中的条纹噪声,并且能够克服全变分去噪后复原图像出现阶梯效应的问题。(本文来源于《激光杂志》期刊2019年10期）
王子民,甘智宇,刘振丙[8]（2019）在《基于EKF+EKS的BCG动态高斯模型滤波研究》一文中研究指出心冲击图(Ballistocardiogram,BCG)信号属于微弱信号,现实采集的BCG信号通常包含采集环境干扰和个体差异,因此缺乏健康个体的BCG信号模板和适用于BCG信号的降噪方法。提出一种基于高斯核函数的动态BCG信号模型,在动态高斯模型的基础上,应用扩展卡尔曼滤波与扩展卡尔曼滤波平滑对BCG信号进行复合滤波。该模型提供健康个体的BCG信号,包括H波、I波、J波、k波、L波和M波特征。经联合扩展卡尔曼滤波与扩展卡尔曼平滑滤波后的BCG信号比其他传统滤波器滤波后的BCG信号信噪比更高。基于动态高斯模型合成的BCG信号能完整表达健康个体的BCG信号特征,联合扩展卡尔曼滤波和扩展卡尔曼平滑的复合滤波,对BCG信号的滤波达到了更好的降噪效果。(本文来源于《计算机应用与软件》期刊2019年10期）
周泽民,彭彦军,周雄,董海亮,黄勇强[9]（2019）在《高斯尺度空间周期窄带局部放电带电检测滤波方法研究》一文中研究指出为去除局部放电检测信号中的周期窄带干扰,本文基于快速傅立叶变换频域阈值算法,提出一种改进算法,即在高斯尺度空间上的FFT周期窄带滤波方法。先对放电信号的频谱进行高斯尺度空间平滑滤波,经过多次投影找到频谱上周期窄带干扰和局放信号所在的局部最大值,再通过峭度提取出周期窄带干扰的中心频率并滤除,最后通过IFFT重构出放电信号。然后对各种噪声强度下的局部放电信号进行评估,仿真和实测信号分析结果表明,在不同噪声水平下,该方法均能在抑制周期窄带干扰的同时保留局部放电信号特征。(本文来源于《数字技术与应用》期刊2019年09期）
刘震[10]（2019）在《高斯和粒子滤波的弱小目标检测前跟踪算法》一文中研究指出为了解决微弱目标检测和跟踪的问题,提出了高斯和粒子滤波检测前跟踪算法(GSPF-TBD);该算法基于高斯和粒子滤波递归地估计目标的后验概率密度,不仅避免了基本粒子滤波TBD(检测前跟踪)方法中的重采样过程,而且更能准确地逼近后验概率密度。将粒子滤波算法(PF)、高斯粒子滤波算法(GPF)和高斯和粒子滤波算法(GSPF)应用于弱小目标的检测前跟踪的仿真实验表明,所提出的GSPF-TBD算法提高了对目标的检测和跟踪性能。(本文来源于《计算机与数字工程》期刊2019年09期）
高斯滤波论文开题报告
（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：
针对目标跟踪中的尺度变化、旋转、遮挡等问题,提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型,利用核相关滤波算法检测目标位置,使用多尺度、多形状跟踪方法精确定位目标,在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析,并与多种跟踪算法比较,该算法的距离精度和重迭精度相比核相关滤波算法,分别提高了19%、54%。实验结果表明,采用高斯混合模型和多尺度、多形状跟踪方法,较好解决了外观和尺度变化问题,相比其它算法具有更好的鲁棒性和适应性。
（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。
高斯滤波论文参考文献
[1].陈明,谭涛.基于形态学和高斯滤波的图像快速去雾算法[J].计算机应用与软件.2019
[2].欧阳城添,汤懿.基于高斯混合模型的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[3].韩佳雪,张林鹏,张文坤.基于分数阶微分和高斯曲率滤波的遥感图像增强[J].信息通信.2019
[4].张楠.基于改进高斯混合滤波的矿井加权质心定位算法[J].工矿自动化.2019
[5].杨晔晨,胡越黎,徐杰,承文龙,郁怀波.基于改进高斯滤波与加权环境参数自适应估计的定位方法[J].上海大学学报(自然科学版).2019
[6].王鹏,蔡盼盼,王曙煜,张子平,刘杰.基于倾角控制的各向异性高斯滤波法[J].油气地球物理.2019
[7].王浩然,周强.基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法[J].激光杂志.2019
[8].王子民,甘智宇,刘振丙.基于EKF+EKS的BCG动态高斯模型滤波研究[J].计算机应用与软件.2019
[9].周泽民,彭彦军,周雄,董海亮,黄勇强.高斯尺度空间周期窄带局部放电带电检测滤波方法研究[J].数字技术与应用.2019
[10].刘震.高斯和粒子滤波的弱小目标检测前跟踪算法[J].计算机与数字工程.2019
论文知识图
