导读:本文包含了小波多分辨率分解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,分解,分辨率,函数,纺锤,图像,透明性。
小波多分辨率分解论文文献综述
滕越洋,张馨月,王希希[1]（2019）在《房地产市场与股票市场溢出效应研究——基于多分辨率小波分解》一文中研究指出大数据时代信息趋于透明,资本流动受限减少,各金融市场间的联系增强。金融市场间溢出效应作为金融市场研究中的重要内容一直是研究的焦点。本文将多分辨率小波分解应用于房地产市场与股票市场溢出效应的研究,研究方法上将时域维度与频域维度结合,克服传统研究方法的局限,并进一步实现金融时间序列分解。研究发现,代表短期趋势的高频分解项溢出效应较弱,更多为单向溢出或不存在溢出;代表长期趋势的低频分解项溢出效应呈现出双向溢出,从而不同的周期视角下溢出效应表现不同。(本文来源于《制度经济学研究》期刊2019年01期）
韩永华,汪亚明,康锋,赵匀[2]（2013）在《基于小波多分辨率分解的农田障碍物检测》一文中研究指出针对基于颜色或高度信息的农田障碍物检测方法仅能实现部分障碍物检测的缺点,提出了基于频率信息的检测方法。采用小波多分辨率分解,利用田间作物产生主频信息的总量优势及作物行分布规律确定作物所在频率层。在作物层上利用图像旋转投影法校正图像的同时,获得航位偏差和航向偏差;依据频率分布特性的改变,检测出发生行遮挡的疑似障碍物位置;依据非杂草类障碍物频率变化比较缓慢,在小波多分辨率分解的最高频率层上实现不发生作物行遮挡的疑似障碍物的检测;最后采用立体视觉匹配及频率信息的先验知识判定检测到的是否为障碍物。实验表明算法能检测出包括长满草的土堆、田头等各类障碍物,并能有效去除断垄干扰,单帧图像处理时间平均为79 ms。(本文来源于《农业机械学报》期刊2013年06期）
姚红光[3]（2013）在《中国航空网络的多分辨率小波分解研究》一文中研究指出为解决航空网络中节点与边数量过多导致整体特征分析计算量大的困难,提出了基于多分辨率小波分解理论的复杂网络数据压缩方法,论证了选用Haar小波基进行航空网络小波分解的适用性及分解形式,提出了确定网络分解层数和分解后还原参数的方法.对2011年5月我国163座通航城市和2 198条航线构成的复杂航空网络,选用Haar小波基对该网络的邻接矩阵进行4层小波分解,得到的网络最低频子带10×10阶矩阵,包含了原网络的大部分信息.实证研究结果表明:利用分解后的最低频子带可以还原出原网络节点城市的平均度、平均最短路径长度和聚类系数.(本文来源于《西南交通大学学报》期刊2013年01期）
刘国英,林立宇,王雷光,梅天灿,秦前清[4]（2010）在《基于小波分解的变尺度多分辨率纹理分割》一文中研究指出针对常见的多分辨率分割算法在每一尺度分割过程中信息利用不充分的问题,提出了一种基于小波分解的变尺度多分辨率纹理图像分割新算法。该算法在每一尺度的分割过程中充分利用了各尺度上的有关信息:通过变尺度特征场考虑了更高分辨率尺度上的特征数据;通过变尺度标记场考虑了更低分辨率尺度上的标记数据。从最低分辨率尺度到原始分辨率尺度逐次进行图像分割,低分辨率尺度的分割结果通过直接投影作为相邻的更高分辨率尺度的初始分割,最高分辨率尺度上的分割结果作为本文方法的分割结果。实验表明,该算法具有较好的分类性能。(本文来源于《数据采集与处理》期刊2010年02期）
李春[5]（2009）在《基于小波分解的图像多分辨率非局部去噪方法的研究》一文中研究指出非局部图像去噪算法是一个非线性的,空间平均的去噪算法,它不会引起边界的模糊,因而它是一种行之有效的去噪算法。但是这个去噪算法的实现是非常耗时的,因此现在对于这个算法的讨论主要集中在其加速或者简化改进上。这篇文章的主要工作是对非局部图像去噪算法进行了改进:多分辨率的非局部去噪算法,利用小波分解将图像信号分为高频低频部分,对低频近似信号进行非局部去噪算法,对高频细节信号使用小波过滤的方法进行去噪。实验的数据和结果图像都表明,在效果基本保持一致的情况下,我们的方法比原始的方法更快,并且在某些特定的环境下有更好的表现。(本文来源于《天津大学》期刊2009-08-01）
郑永新[6]（2008）在《基于小波分解的多分辨率腹部CT图像的配准》一文中研究指出由于组织结构复杂变形,腹部医学图像的配准仍然是一个挑战。本文提出了一种基于小波分解的多分辨率腹部CT配准方法,基本思想是从低分辨的图像开始配准率,并将配准空间变换作为高分辨率图像配准的初始值,利用B样条函数的局部控制性、光滑性和计算快速性实现图像变换;为提高图像的配准精确度,文中采用互信息作为配准相似性测度。实验结果表明,这种方法可以加快配准速度和提高配准精确度。(本文来源于《广西轻工业》期刊2008年03期）
陈鹏,郭伟[7]（2005）在《小波多分辨率分解的雷达视频压缩研究》一文中研究指出由于雷达视频信号数据量非常巨大,在对雷达情报的传输和记录时都要求进行相应的数据压缩。依据雷达视频信号的特点和人眼的视觉特性,提出并详细分析了一种基于小波变换域的雷达视频信号压缩算法,并结合某型雷达信号记录仪采集的数据进行测试,验证结果表明,算法取得了较好的压缩效果,完全满足该雷达信号记录仪的需要。(本文来源于《计算机工程与应用》期刊2005年21期）
姜明新,迟学芬[8]（2005）在《基于小波多分辨率分解的数字图像水印算法》一文中研究指出鉴于小波变换的多分辨率分析与人眼的视觉特性 (HVS: HumaVisualSystem) 相一致, 提出了一种基于小波变换多分辨率分解的鲁棒水印算法。为确保数字水印的安全性, 该算法在数字水印嵌入之前对水印进行了预处理。然后根据高、低频分量的特点, 按照人眼视觉系统的要求选择适当的嵌入位置。实验结果表明,该水印算法很好地保证了数字水印的鲁棒性和透明性之间的统一, 对剪切、压缩和锐化等图像处理均具有很强的抵抗力, 与DCT (DiscreteCosineTransform) 算法相比较, 鲁棒性能提高了近 1倍, 这表明该算法是一种行之有效的水印算法。(本文来源于《吉林大学学报(信息科学版)》期刊2005年02期）
吴晓光,谭云兰,柳志新[9]（2004）在《基于小波多分辨率分解的图像压缩技术及分析》一文中研究指出阐述了小波变换理论,分析了小波多分辨率分解的优点以及小波变换用于图像编码压缩的特点和实现方法,并表明小波变换是实现图像压缩的一种十分有效的工具。(本文来源于《计算机与现代化》期刊2004年04期）
封洲燕,郑筱祥[10]（2004）在《多分辨率小波信号分解用于大鼠睡眠纺锤波的分析》一文中研究指出本研究首先设计了慢波睡眠期脑电信号的合成仿真信号 ,对小波基函数进行了选择 ,结果证明Coiflet 5阶小波变换对大鼠慢波睡眠期EEG信号具有较好的分解结果。据此 ,应用多分辨率小波分析法设计了提取睡眠纺锤波的算法 ,并利用该算法对安定用药后和睡眠剥夺后大鼠慢波睡眠期纺锤波的持续时间和能量变化进行了分析 ,结果表明 :安定具有延长慢波睡眠期纺锤波持续时间的作用 ,而睡眠剥夺可以增加慢波睡眠期纺锤波的能量。这些结果说明 ,小波分析算法可以提供功率谱分析无法表现的时频信息。(本文来源于《中国生物医学工程学报》期刊2004年02期）
小波多分辨率分解论文开题报告
（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：
针对基于颜色或高度信息的农田障碍物检测方法仅能实现部分障碍物检测的缺点,提出了基于频率信息的检测方法。采用小波多分辨率分解,利用田间作物产生主频信息的总量优势及作物行分布规律确定作物所在频率层。在作物层上利用图像旋转投影法校正图像的同时,获得航位偏差和航向偏差;依据频率分布特性的改变,检测出发生行遮挡的疑似障碍物位置;依据非杂草类障碍物频率变化比较缓慢,在小波多分辨率分解的最高频率层上实现不发生作物行遮挡的疑似障碍物的检测;最后采用立体视觉匹配及频率信息的先验知识判定检测到的是否为障碍物。实验表明算法能检测出包括长满草的土堆、田头等各类障碍物,并能有效去除断垄干扰,单帧图像处理时间平均为79 ms。
（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。
小波多分辨率分解论文参考文献
[1].滕越洋,张馨月,王希希.房地产市场与股票市场溢出效应研究——基于多分辨率小波分解[J].制度经济学研究.2019
[2].韩永华,汪亚明,康锋,赵匀.基于小波多分辨率分解的农田障碍物检测[J].农业机械学报.2013
[3].姚红光.中国航空网络的多分辨率小波分解研究[J].西南交通大学学报.2013
[4].刘国英,林立宇,王雷光,梅天灿,秦前清.基于小波分解的变尺度多分辨率纹理分割[J].数据采集与处理.2010
[5].李春.基于小波分解的图像多分辨率非局部去噪方法的研究[D].天津大学.2009
[6].郑永新.基于小波分解的多分辨率腹部CT图像的配准[J].广西轻工业.2008
[7].陈鹏,郭伟.小波多分辨率分解的雷达视频压缩研究[J].计算机工程与应用.2005
[8].姜明新,迟学芬.基于小波多分辨率分解的数字图像水印算法[J].吉林大学学报(信息科学版).2005
[9].吴晓光,谭云兰,柳志新.基于小波多分辨率分解的图像压缩技术及分析[J].计算机与现代化.2004
[10].封洲燕,郑筱祥.多分辨率小波信号分解用于大鼠睡眠纺锤波的分析[J].中国生物医学工程学报.2004
论文知识图
