导读:本文包含了形态学滤波器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:形态学,滤波器,算法,粒子,噪声,形态,图像。
形态学滤波器论文文献综述
徐佳德[1]（2018）在《形态学滤波器在桥梁健康监测信号降噪中的应用研究》一文中研究指出桥梁结构通常处于复杂环境中,桥梁健康监测系统所获得传感器采样信号不可避免地会包含一定的噪声分量,正是由于噪声分量的存在导致桥梁结构模态参数识别精度降低从而不能准确评估桥梁结构状态。形态学滤波器作为一种高效的非线性滤波器经多年发展已在振动信号降噪领域崭露头角。桥梁健康监测信号降噪常用方法存在一定的适用条件和不足,将形态学滤波器引入桥梁健康监测信号降噪领域,意为寻求一种更简单高效的桥梁健康监测信号降噪方法,论文主要完成以下几方面工作:1、介绍了桥梁健康监测信号降噪的几种常用方法及其在应用上的不足;阐述了数学形态学的产生及其发展,并详细介绍了一维灰值形态学滤波器在振动信号降噪领域的研究现状,并提出现有研究中存在的不足;2、介绍了二值形态学、灰值形态学和一维灰值形态学基本理论;3、根据桥梁健康监测信号中的噪声种类构建了广义均值滤波器,并通过模拟试验证明其能够有效去除信号中含有的白噪声和脉冲噪声;以信噪比(SNR)和均方误差(MSE)作为评价降噪效果的两个指标,通过模拟试验选取叁角形作为结构元素并提出确定叁角形尺寸的经验公式并依此提出一种自适应的形态学滤波方法;4、应用随机子空间方法使用未经处理的原始采样数据、经广义均值形态学滤波器降噪后的数据、经传统EMD方法降噪后的数据和经AEEMD降噪后的数据分别识别桥梁结构的模态参数并绘制稳定图,其结果证明形态学滤波器的降噪效果优于EMD降噪方法,计算效率高于AEEMD方法,其能够有效减少测试信号中含有的噪声分量,使桥梁结构模态参数识别结果更加稳定。(本文来源于《西南交通大学》期刊2018-05-01）
张艳勤[2]（2017）在《一种基于数理形态学的斑点和矩形形态滤波器》一文中研究指出斑点和矩形是两类常见的形态,在计算机视觉中有着广泛的应用,比如视频监控中的行人检测与追踪、人脸识别中的眼睛精确定位以及医学图像中的病变区域提取等。如何从灰度图像中有效地提取这两种形态,是一个既趣味又实用的课题。本文在系统梳理相关资料的基础上,提出了以下四种数理形态学滤波器,其中叁种用于检测斑点形态,一种用于检测矩形形态。(1)斑点形态序位滤波器(BFF_ord):该滤波器依据序位形态滤波原理,有效地提高了滤波器的抗噪声能力,从而提高了检测的鲁棒性。(2)斑点形态序位均值滤波器(BFF_ave):该滤波器依据平均序位形态滤波原理,对噪声的鲁棒性比BFF__ord更好,但对形态检测的精度比BFF_ord要差。(3)斑点形态序位最大值滤波器(BFF_max):该滤波器是对BFF_ord的一个变异,它在保持与BFF_ord同等鲁棒性的基础上,极大地提高了形态检测的精度。(4)矩形形态序位最大值滤波器(RFF_max):该滤波器同时具有较好的鲁棒性和较高的形态检测精度。作为斑点形态滤波器的一个具体应用,本文提出了一种基于自适应的斑点形态滤波器组的人眼定位算法,并在中科院CAS-PEAL-R1人脸库(8559张),Jaffe日本人脸表情库(213张),Caltech西方彩色人脸库(450张)以及BioID(1521张)西方灰度人脸库上进行了验证实验,得到了较高的人眼定位准确率。(本文来源于《华东师范大学》期刊2017-04-01）
郭海涛,徐雷,赵红叶,焦圣喜,侯一民[3]（2015）在《一种抑制声呐图像散斑噪声的形态学滤波器》一文中研究指出声呐图像散斑噪声抑制是声呐图像处理领域重要的难题。设计一种抑制声呐图像散斑噪声的形态学滤波器。该滤波器中,对于每一个尺度,利用不同方向的2种结构元素分别对声呐图像进行闭开、开闭运算,将运算结果以图像熵比值作为融合准则进行图像融合得到该尺度下的一级滤波图像;利用该尺度下另外2种不同方向的结构元素分别对一级滤波图像进行闭开、开闭运算,将运算结果以图像熵比值作为融合准则进行图像融合得到该尺度下的二级滤波图像。然后,将不同尺度下的二级滤波图像以图像熵比值作为融合准则进行图像融合得到最后的滤波图像。实验结果表明,与中值滤波、Lee滤波、Kuan滤波、Frost滤波等比较,设计的滤波器有更好的抑制声呐图像散斑噪声能力,而且不降低图像边缘保持能力。(本文来源于《仪器仪表学报》期刊2015年03期）
胡振邦,张东升,章云,姜歌东,梅雪松[4]（2014）在《数学形态学滤波器在转子失衡识别中的应用》一文中研究指出针对转子运行过程的动态信号中噪声干扰严重、转子失衡识别精度低的问题,利用数学形态学滤波器能够有效滤除噪声干扰、提高信号信噪比的特点,采用数学形态学滤波器和傅里叶变换相结合的方法对转子振动信号进行降噪处理,并对转子工作状态下的工频幅值、相位进行准确提取,运用加、减质量配重可以改变转子失衡状态的特性,利用影响系数法对转子失衡进行识别计算。实验结果表明,本方法在转子失衡识别中能够有效滤除多种噪声干扰,提高转子失衡识别精度。(本文来源于《振动.测试与诊断》期刊2014年06期）
孙敬敬[5]（2013）在《形态学滤波器对振动信号的滤波特性分析》一文中研究指出数学形态学滤波器是一种非线性的滤波器,区别于传统的数字滤波器,形态学滤波器可直接处理时域信号,而无需将信号从时域变换到频域。分析形态学滤波器对振动信号的滤波特性,利用仿真的含噪信号,分别分析形态学滤波器的滤波效果和传统数字滤波器的滤波效果。形态学运算是基于形状的运算,形态学滤波器的低通特性良好,且具有相位保持和运算速度快的优点。(本文来源于《科协论坛(下半月)》期刊2013年12期）
王玲玲,辛云宏[6]（2013）在《基于形态学与遗传粒子滤波器的红外小目标检测与跟踪算法》一文中研究指出针对复杂背景下红外小目标的检测与跟踪,提出了一种融合了top-hat算法、遗传算法以及粒子滤波器的新方法.该方法首先采用提取副帧的方法去除目标周围部分的背景和噪音,有效地减少了参与运算的像素数目;其次,将具有不同边缘特性的多个结构体应用于top-hat检测算法中,提高了副帧中预目标的有效性;接着,利用目标时空运动的相关性,结合阈值判断来去除虚假目标,增强了目标检测的可靠性;最后,将遗传算法引入粒子滤波算法,较好地改善了粒子的多样性,在保障跟踪实时性的同时,提高了粒子滤波的准确度.实验结果表明,该算法在检测准确度、跟踪准确度和鲁棒性都具有一定的优越性.(本文来源于《光子学报》期刊2013年07期）
高德远,王建刚[7]（2013）在《基于PSO-GA优化的TOP-HAT形态学滤波器及其应用》一文中研究指出针对机载红外图像中运动弱小点目标检测的难题,提出了一种基于PSO-GA训练参数的形态学滤波器。以粒子群优化算法(Particle Swarm Optimization,PSO)为主线,按PSO算法中标准的速度和位置更新,遗传算法(Ge-netic Algorithm,GA)采用新的区间离散化编码和自适应的主次式交叉与变异算子,将遗传算法与粒子群优化算法的自动更新特征结合在一起,通过优化搜索全局空间获得形态学滤波器的最优参数,进而确保优化的形态学滤波器具有良好的滤波性及时效性。通过对低信噪比红外图像(SNR约为2)的测试,检测概率可以达到98%以上,与利用神经网络(Neural Network,NN)训练结构元素后的Top-Hat形态学滤波器相比提高了2%～3%。与GA算法相对,训练算法效能提高20%,提高了搜索最佳值的能力。(本文来源于《航空计算技术》期刊2013年03期）
陈智鹏,娄鹏,贺婷婷[8]（2012）在《应用于热光鬼成像的自适应形态学滤波器》一文中研究指出鬼成像是一种新的成像机制,但研究人员主要注重研究鬼成像的理论价值。传统的鬼成像从工程上讲质量通常较差,为了提高成像质量,提出一种新的自适应形态学滤波算法。该算法自动估计斑点的大小,作为形态学滤波中的结构体的大小。对该算法进行了仿真,实验结果表明,应用于热光鬼成像的形态学滤波器可以很好滤除噪声。并对几种典型的鬼成像处理方法进行对比,对比结果显示了该算法的有效性。(本文来源于《计算机工程与设计》期刊2012年11期）
吴国洋[9]（2012）在《基于粒子群优化的形态学滤波器消噪方法》一文中研究指出为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。(本文来源于《机械传动》期刊2012年08期）
申雪利,张成斌[10]（2012）在《新型形态学滤波器的构造与应用》一文中研究指出数学形态学是一门非线性的图像处理和分析工具。在图像滤波处理过程中,采用形态学开闭算子组成的滤波器,能得到很好的滤波效果。由于图像中几何形状多样性,以及噪声的特性,在形态学滤波器中常需要选择合适的形态学结构元。采用不同方向和不同尺度构成的形态学滤波器进行组合,得到新型的形态学滤波器。通过实验表明,新型滤波器对多方向的噪声特性去除效果较好,并且能很好地保持图像的方向几何特征。(本文来源于《软件导刊》期刊2012年07期）
形态学滤波器论文开题报告
（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：
斑点和矩形是两类常见的形态,在计算机视觉中有着广泛的应用,比如视频监控中的行人检测与追踪、人脸识别中的眼睛精确定位以及医学图像中的病变区域提取等。如何从灰度图像中有效地提取这两种形态,是一个既趣味又实用的课题。本文在系统梳理相关资料的基础上,提出了以下四种数理形态学滤波器,其中叁种用于检测斑点形态,一种用于检测矩形形态。(1)斑点形态序位滤波器(BFF_ord):该滤波器依据序位形态滤波原理,有效地提高了滤波器的抗噪声能力,从而提高了检测的鲁棒性。(2)斑点形态序位均值滤波器(BFF_ave):该滤波器依据平均序位形态滤波原理,对噪声的鲁棒性比BFF__ord更好,但对形态检测的精度比BFF_ord要差。(3)斑点形态序位最大值滤波器(BFF_max):该滤波器是对BFF_ord的一个变异,它在保持与BFF_ord同等鲁棒性的基础上,极大地提高了形态检测的精度。(4)矩形形态序位最大值滤波器(RFF_max):该滤波器同时具有较好的鲁棒性和较高的形态检测精度。作为斑点形态滤波器的一个具体应用,本文提出了一种基于自适应的斑点形态滤波器组的人眼定位算法,并在中科院CAS-PEAL-R1人脸库(8559张),Jaffe日本人脸表情库(213张),Caltech西方彩色人脸库(450张)以及BioID(1521张)西方灰度人脸库上进行了验证实验,得到了较高的人眼定位准确率。
（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。
形态学滤波器论文参考文献
[1].徐佳德.形态学滤波器在桥梁健康监测信号降噪中的应用研究[D].西南交通大学.2018
[2].张艳勤.一种基于数理形态学的斑点和矩形形态滤波器[D].华东师范大学.2017
[3].郭海涛,徐雷,赵红叶,焦圣喜,侯一民.一种抑制声呐图像散斑噪声的形态学滤波器[J].仪器仪表学报.2015
[4].胡振邦,张东升,章云,姜歌东,梅雪松.数学形态学滤波器在转子失衡识别中的应用[J].振动.测试与诊断.2014
[5].孙敬敬.形态学滤波器对振动信号的滤波特性分析[J].科协论坛(下半月).2013
[6].王玲玲,辛云宏.基于形态学与遗传粒子滤波器的红外小目标检测与跟踪算法[J].光子学报.2013
[7].高德远,王建刚.基于PSO-GA优化的TOP-HAT形态学滤波器及其应用[J].航空计算技术.2013
[8].陈智鹏,娄鹏,贺婷婷.应用于热光鬼成像的自适应形态学滤波器[J].计算机工程与设计.2012
[9].吴国洋.基于粒子群优化的形态学滤波器消噪方法[J].机械传动.2012
[10].申雪利,张成斌.新型形态学滤波器的构造与应用[J].软件导刊.2012
论文知识图
