导读:本文包含了多分辨率图像分析论文开题报告文献综述及选题提纲参考文献，主要关键词:多分辨率,Hough变换,直线拟合,焊缝图像处理
多分辨率图像分析论文文献综述
邓景煜,王玉华,易俊兰,李昊[1]（2019）在《焊缝图像多分辨率Hough变换分析》一文中研究指出通过对参数空间的θ参数进行低、高分辨率分级,用迭代的方法,由粗到细,逐步细化参数空间的θ参数,直至达到要求的精度.该算法先后需要进行两次Hough变换:低分辨率全局Hough变换和高分辨率局部Hough变换.研究了当θ参数的分辨率△θ_0在2°、3°、4°、5°、6°、7.5°、9°和10°不同取值时,多分辨率Hough变换对焊缝图像的分析结果,并与同等精度下的标准Hough变换分析的结果进行了对比.结果表明:本文提出的多分辨率Hough变换与标准Hough变换分析的结果一致,且内存需求降低,运算速度得到提高。当△θ_0为6°时,运算速度至少提高叁倍。(本文来源于《应用激光》期刊2019年05期）
戚王月,胡宏祥,夏萍,周婷[2]（2019）在《基于改进BP神经网络的多分辨率遥感图像分类及对比分析》一文中研究指出在遥感图像分类的研究中,传统的分类方法对"同物异谱"、"异物同谱"现象识别能力较差。此外,常用的BP神经网络分类存在时间长、易陷入局部极小等不足。将BP网络中的激励函数添加偏置参数、学习率进行自适应调整,并与最大似然、BP神经网络分类比较,结果表明改进的BP神经网络分类精度为89.69%,比最大似然提高了15.35%,比BP神经网络提高了23.81%。另一方面,基于改进的BP神经网络分类,对分辨率为16 m的高分一号卫星(GF-1)图像和分辨率为5.8 m的资源叁号卫星(ZY-3)图像进行分类比较,并以ZY-3分类图作为检验图像,GF-1图像的分类精度达到了88.02%,各类地物的用户精度和制图精度在70%～99%之间,说明成本较低、宽幅较广的GF-1图像在地物信息获取方面可基本实现ZY-3卫星图像效果,为遥感图像地物信息提取提供了一定的参考。(本文来源于《安徽农业大学学报》期刊2019年04期）
苏飞,郝芸,卢晋[3]（2019）在《基于二维DFT域全相位滤波的图像多分辨率分析》一文中研究指出图像多分辨率分析在信号滤波、图像除噪、图像融合、图像边缘检测领域中应用广泛。该文设计了一种新的图像多分辨率分析方法,通过对全相位系统函数进行谱分解,实现了基于全相位的严格功率互补的高低通滤波器设计,按照全相位处理的基本理论,选择不同的正交变换方式和基窗函数可以方便地设计出具有不同分析/合成效果的全相位波包。实验表明,DFT域全相位分析滤波器可以实现对图像的多层分解,由合成滤波器还原得到的图像误差几乎为零。在图像数据压缩、自适应除噪方面具有较为广泛的应用前景。(本文来源于《光电子·激光》期刊2019年09期）
黄旭[4]（2019）在《多分辨率分析的多曝光图像融合算法研究》一文中研究指出计算机视觉发展迅速,人们对图像的视觉要求越来越高,高动态范围图像显示技术的出现,极大的提高了数字图像的品质,成为数字图像处理领域的研究热点之一。多曝光图像融合是当前获取高动态范围图像的一种有效方法,通过融合一系列不同曝光度的低动态范围图像,达到扩展图像动态范围、增强图像细节的目的。多曝光图像融合具有重大的研究价值和应用价值,受到广泛的关注。多曝光图像融合按拍摄场景分为静态场景融合和动态场景融合。静态场景多曝光融合主要研究如何在视觉失真最小的基础上尽可能多的保留图像细节;动态场景多曝光融合主要研究如何消除运动物体引入的鬼影问题。本文研究了多曝光图像融合的相关技术和方法,首先,针对静态场景融合的细节丢失问题,提出了基于改进的细节增强多分辨率图像融合方法和基于多尺度细节提升的多曝光融合方法。然后,针对动态场景的多曝光融合,本文提出了基于超像素分割的鬼影检测方法,并能有效的检测和消除鬼影。本文的主要研究内容包括:1.对多曝光技术的国内外研究现状进行阐述,详细分析了多曝光图像校准、静态场景的多曝光融合方法和动态场景的鬼影消除技术,并对多曝光融合中的细节丢失现象和鬼影问题展开研究。2.针对多曝光融合中的细节丢失问题,提出了两种基于多分辨分析的细节增强多曝光融合策略。多分辨率图像融合,能有效避免缝隙的产生,并减少视觉失真。本文针对传统的多分辨率图像融合导致细节丢失问题进行深入研究,改进并提出了基于改进的细节增强多分辨率图像融合算法和基于多尺度细节提升的多曝光融合算法,前者以每幅图像的曝光亮度为细节增强因子,增强图像金字塔的高频信息;后者对每幅图像提取多尺度细节图,直接对融合图像的进行细节增强。3.针对动态场景下运动物体导致的多曝光融合结果出现鬼影现象的问题,本文提出了一种基于超像素分割的鬼影消除算法,能有效的检测鬼影区域。首先,根据参考图像将多曝光图像序列调整至同一曝光水平,利用图像差分确定输入图像中的初始运动区域;然后,利用超像素分割方法提取轮廓,并根据每个超像素区域内的运动像素点比例进一步检测出运动物体区域;最后,修正运动物体像素的融合权重,得到不含鬼影的融合图像。(本文来源于《重庆邮电大学》期刊2019-03-10）
冯颖[5]（2018）在《基于多分辨率分析的多传感器图像融合算法研究》一文中研究指出图像融合是通过提取和综合来自不同传感器的互补信息,以获得对目标或场景更为准确、全面和可靠的描述,从而有效降低虚警率,提高在复杂背景和干扰条件下正确识别和跟踪目标的概率,为目标的准确定位和精确打击奠定基础.本文主要研究了基于多分辨率分析的多传感器图像融合技术,该技术获得的融合结果更符合人类视觉的感知特性,更有利于图像的进一步分析.主要研究内容如下:1.针对多分辨率分析技术,系统分析了基于拉普拉斯金字塔分解、小波变换和轮廓波变换等几种常用的多分辨率图像融合算法的性能和特点,为后续的研究工作理顺了研究思路.2.深入研究了非下采样轮廓波变换的原理及实现算法,并针对SAR图像与可见光图像的成像机理,提出一种基于非下采样轮廓波变换的SAR图像与可见光图像融合算法.对于低频子图像,采用以区域熵为测度参数进行邻域融合;对高频子图像采用以邻域相关系数为阈值,基于平均梯度选择的邻域算法进行融合.实验结果表明该算法可显着提高融合图像的视觉效果.3.针对红外与可见光图像融合的特点,提出一种基于非下采样轮廓波变换和混合粒子群算法的红外与可见光图像融合算法.对低频子图像,采用一种基于区域平均值的改进的加权平均法进行邻域融合;对高频子图像采用以混合粒子群优化算法选取阈值,基于平均梯度选择的邻域算法进行融合.实验结果表明该算法可有效改善融合图像的融合效果.4.利用图像的统计特性作为融合性能评价的标准,对实验结果进行定量分析,结果表明融合算法能更有效地捕捉边缘、纹理等细节信息,可获得融合效果更佳的融合图像.(本文来源于《西安工程大学》期刊2018-05-29）
田宇[6]（2018）在《基于多分辨率分析的医学图像融合技术研究》一文中研究指出医学图像融合是对多幅不同模态的医学图像进行信息综合,合成一幅包含所有源图像重要信息的融合图像的过程,能够获得比单一模态医学图像更全面的诊断结论。为了能够对图像中每一不同分辨率上的信息进行细致的分析,多分辨率分析方法已成为图像处理领域中公认的一类性能理想的融合方法。尤其是具有平移不变性的非下采样轮廓波变换(NSCT)和非下采样剪切波变换(NSST)两种理论,具有优良的“细节”捕捉能力。本论文将重点研究基于NSCT和NSST的医学图像融合方法,主要研究内容概括如下:首先研究了几种典型的基于多分辨率分析的图像融合方法,包括金字塔变换、小波变换和轮廓波(Contourlet)变换的方法。基于金字塔变换的方法虽然实现方案简单,但结果易出现方块状的痕迹。小波变换具有良好的时频局部分析能力,但是在处理二维图像信号时会有很大的局限性。Contourlet变换的方法具有较高的方向敏感性和较好的非线性逼近性能,后续的研究正是在Contourlet基础之上展开的。接着提出了一种基于非下采样轮廓波变换(NSCT)与改进的脉冲神经网络(PCNN)的图像融合算法。NSCT不仅继承了小波变换的多尺度和良好的时频特性,还具有平移不变性。由于传统的PCNN模型的待定参数较多,计算复杂度略大,本文利用单位链接PCNN模型对原有模型进行简化,并将动态阈值替换成了随迭代次数单调递减的线性函数,将链接强度参数设置为像素点的区域清晰度,设计出了基于NSCT域与改进型PCNN的图像融合方法,通过仿真实例验证了该方法的有效性。最后针对灰度与彩色医学图像融合的问题,提出了基于NSST与非负矩阵分解(NMF)模型的图像融合方法。NSST工具在分解图像时具有更灵活的结构,尤其对彩色图像有更理想的处理性能。在低频、高频子带融合规则上分别有改进之处:第一,发现奇异值分解(SVD)的数学结构与NMF模型十分相似,因此用SVD的方式去构造非负矩阵,能得到较理想的初始值;第二,将视觉敏感度系数和能量匹配度的优势综合互补,能有效地区分背景信息和目标区域。最后以MRI-SPECT图像和MRI-PET图像作为实验对象,所提出的算法能保留较多的彩色信息分量并符合人眼视觉对图像内容的理解与感知。(本文来源于《哈尔滨工程大学》期刊2018-01-01）
夏文栋,陈德礼,任江涛,刘远峰[7]（2017）在《多分辨率分析耦合近似稀疏表示的图像融合算法》一文中研究指出为了更好地处理图像高维特征奇异性,并兼顾融合图像目标特征与平均强度信息,提出了一种多分辨率分析与近似稀疏表示的图像融合算法。首先,对源图像进行对尺度分析,分别得到图像的高频和低频信息;然后,设计了近似稀疏表示(sparse representation,SR),通过近似SR系数来表示图像高频信息和低频信息;并利用绝对最大选择技术对近似SR稀疏转换,得到低频子带的近似系数和高频子带的细节系数,以达到用最少的系数来逼近奇异曲线。其次,构建了决策映射,对相同子带上的各SR系数的活性度和匹配度进行决策分析,输出决策值,通过决策值对图像进行匹配融合。最后,通过多尺度逆变换得到最终的融合图像。仿真实验表明:与当前图像融合算法相比,获得的融合图像具有更好的视觉效果,能有效图像突出目标信息,得到的图像具有更高的平均梯度和边缘评价因子;既突出了目标特征又保留平均强度信息,同时降低噪声影响。(本文来源于《科学技术与工程》期刊2017年33期）
杨晶,冯玉苹,王向前[8]（2017）在《基于高分辨率图像的大数据量观测系统属性分析技术研究及软件模块研发》一文中研究指出在高精度地震观测系统设计中面临着数据量大幅提升的难题,传统的观测系统设计软件制约着高分辨率变观、大规模观测系统属性分析和显示的工作效率。本文从高分辨图像的导入、大规模观测系统属性计算与图形显示等方面进行了详细的研究,利用第叁方支持库快速高效的文件读取功能,采用数据分块技术实现了大数据量卫片的一次导入,并基于图层的多线程绘制技术和面元属性优化计算技术,解决了大规模观测系统属性计算与显示效率低的技术难题。并开发配套软件模块,在胜利探区2015年和2016年两个施工工区中进行了应用。通过全面的对比与实际工区应用可以得出,该方法和软件为目前大数据量地震采集观测系统设计和现场变观提供了较好的解决方案,大幅提高野外生产效率。(本文来源于《中国石油学会2017年物探技术研讨会论文集》期刊2017-04-25）
何威[9]（2017）在《基于多分辨率分析的SAR图像和多光谱图像融合算法研究》一文中研究指出随着传感器技术的飞速发展,现在人们获取图像信息的方式多种多样,但是仅靠单一类型的图像很难能够对目标有一个全面的呈现,所以图像融合处理技术应运而生。图像融合其主体思路是通过一系列的算法将来自不同成像系统的于同一场景拍摄的多源图像融合成一幅新的图像,从而使得使用者可以通过新的图像对目标或场景有一个更全面的感知,或者为图像的后续处理(如图像分割,提取特征,识别目标)提供帮助。本论文着重研究了基于非下采样轮廓波变换的多源图像融合算法,并通过将模糊聚类分析(FCM)和HIS彩色模型变换与非下采样轮廓波变换相结合来进行合成孔径雷达图像(SAR图像)和多光谱图像(MS图像)的融合处理。在这个框架下,本文提出了两种不同的融合方式:一是基于多窗口的融合方式,该算法在低频系数融合时将根据不同的区域采取不同的窗口融合规则,以保证获得更多的源图像信息,同时在高频系数融合时则采用区域块能量取大的方式来确保图像的细节信息能够最大程度得到保留;二是基于区域的融合方式,该算法将采用基于多种区域特性的新型加权平均方式进行低频子带系数的融合,而在高频子带系数融合方面将根据相应高频子带系数的相关系数的大小而选择不同的融合方式,一面可以减少高频子带系数融合过程中的计算量,同时也能够保留图像的细节信息。(本文来源于《沈阳航空航天大学》期刊2017-01-15）
石晓勃,高树辉[10]（2016）在《基于警用图像处理系统对超分辨率图像重建分析》一文中研究指出目的利用识慧图像影音处理系统与警视通图像处理系统对模糊车牌进行清晰化处理,分析对比处理结果和影响因素,为视频处理提供参考。方法分别对相同一段运动车辆视频图像进行分析,截取有效关键帧对图像进行稳定重建和多帧平均,将8帧合成为一帧,使用维纳滤波对车牌进行清晰化处理及稳定重建。选择高斯模糊和运动模糊作为主要清晰化处理手段,通过函数计算与临近像素平均产生结果。结果车牌区域像素分辨率为220×90,在客观数值评判上,峰值信噪比(PSNR)值越高表示画质越清楚。使用MATLAB软件进行仿真计算得PSNR数值,识慧软件和警视通软件处理后的峰值信噪比分别为:18.891 4和18.814 8。结论大量实验发现,PSNR的数值结果与人类直观感受的视觉品质并不完全一致,肉眼的视觉对于误差的敏感度并不是绝对的,其感知结果会受到许多因素的影响而产生变化,尤其公安领域重要在于能否识别车辆信息并不以数据为唯一指标。想要从图像或者运动视频中提取有效信息有一定的条件,整个画面的分辨率达到352×288以上、被处理画面里物体的像素数量尽可能地保证在150×150个以上。(本文来源于《中国人民公安大学学报(自然科学版)》期刊2016年04期）
多分辨率图像分析论文开题报告
（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：
在遥感图像分类的研究中,传统的分类方法对"同物异谱"、"异物同谱"现象识别能力较差。此外,常用的BP神经网络分类存在时间长、易陷入局部极小等不足。将BP网络中的激励函数添加偏置参数、学习率进行自适应调整,并与最大似然、BP神经网络分类比较,结果表明改进的BP神经网络分类精度为89.69%,比最大似然提高了15.35%,比BP神经网络提高了23.81%。另一方面,基于改进的BP神经网络分类,对分辨率为16 m的高分一号卫星(GF-1)图像和分辨率为5.8 m的资源叁号卫星(ZY-3)图像进行分类比较,并以ZY-3分类图作为检验图像,GF-1图像的分类精度达到了88.02%,各类地物的用户精度和制图精度在70%～99%之间,说明成本较低、宽幅较广的GF-1图像在地物信息获取方面可基本实现ZY-3卫星图像效果,为遥感图像地物信息提取提供了一定的参考。
（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。
多分辨率图像分析论文参考文献
[1].邓景煜,王玉华,易俊兰,李昊.焊缝图像多分辨率Hough变换分析[J].应用激光.2019
[2].戚王月,胡宏祥,夏萍,周婷.基于改进BP神经网络的多分辨率遥感图像分类及对比分析[J].安徽农业大学学报.2019
[3].苏飞,郝芸,卢晋.基于二维DFT域全相位滤波的图像多分辨率分析[J].光电子·激光.2019
[4].黄旭.多分辨率分析的多曝光图像融合算法研究[D].重庆邮电大学.2019
[5].冯颖.基于多分辨率分析的多传感器图像融合算法研究[D].西安工程大学.2018
[6].田宇.基于多分辨率分析的医学图像融合技术研究[D].哈尔滨工程大学.2018
[7].夏文栋,陈德礼,任江涛,刘远峰.多分辨率分析耦合近似稀疏表示的图像融合算法[J].科学技术与工程.2017
[8].杨晶,冯玉苹,王向前.基于高分辨率图像的大数据量观测系统属性分析技术研究及软件模块研发[C].中国石油学会2017年物探技术研讨会论文集.2017
[9].何威.基于多分辨率分析的SAR图像和多光谱图像融合算法研究[D].沈阳航空航天大学.2017
[10].石晓勃,高树辉.基于警用图像处理系统对超分辨率图像重建分析[J].中国人民公安大学学报(自然科学版).2016