导读:本文包含了多谱融合论文开题报告文献综述及选题提纲参考文献，主要关键词:多谱CT,CT序列融合,约束模型,先验组分
多谱融合论文文献综述
赵丹,陈平,韩焱,李毅红[1]（2018）在《基于先验组分的多谱CT序列DCM融合算法研究》一文中研究指出多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。为了便于在同一视图中显示所有组分的信息,需要研究多谱CT序列的融合方法;但是常用融合方法如加权平均法、小波变换融合法等都是针对图像细节信息的优化,不能表达组分的物理特性,从而导致融合图像的灰度不具有物理表征性,影响CT的定量检测。为此,结合具有物理表征特征的数据约束模型(DCM),开展了基于先验组分的多谱CT序列DCM融合算法研究。首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据,采用TV-OSEM算法重建不同能谱段的CT序列;其次,利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合,传统DCM模型是严格单能的,由于滤波后能谱的非严格单能特性,其融合结果不能表征出对象序列中的全部组分。针对此问题提出了改进DCM模型。改进DCM模型选择了新的体元定义,并且在多谱CT序列融合中引入先验组分作为参照,通过先验物质对融合结果中其他物质进行校准,实现检测对象中各组分位置的准确分布。仿真实验表明,该方法可从物理表征正确性的角度,实现多谱CT序列融合,在满足CT序列中不同组分区分的同时,其融合图像的灰度具有物理可参照性,有利于后续的CT定量检测。(本文来源于《光谱学与光谱分析》期刊2018年03期）
宋超[2]（2016）在《基于多谱融合—稀疏模型在黄芪原产地质量管理评价中的应用》一文中研究指出黄芪作为一种中国传统中药材,对多种疾病具有药理作用。由于不同产地黄芪的价格和品质差异大但从形态上难以区分,因此建立不同产地黄芪的快速有效鉴别方法对完善黄芪药材的质量管理评价体系具有重要的意义。而目前模式识别方法结合仪器分析手段是黄芪等中药材品质鉴定的研究热点。特征提取方法一直是模式识别领域的研究重点,一个有效的、具备鲁棒性的特征提取方法对提高分类器的性能至关重要。本文使用核主成分分析(KPCA)对不同谱图数据进行特征提取,在稀疏表示分类器(SRC)的作用下,实现了不同产地黄芪的良好分类。实验证明,KPCA对于本文的数据提取效果良好,相比较于主成分分析(PCA)结合SRC,在9-交叉验证的基础上,识别率从59.99%提高到94.51%,从而建立了本文的核心模型KPCA+SRC。另外,就单谱数据而言,离子迁移谱数据对于不同产地黄芪的分类效果最好,并且在PCA和KPCA两种特征提取方法下保持了一致性。多谱融合技术是目前仪器分析方向的热门,它是将多个不同特点的仪器采集的数据结合后对样本进行综合分析。本文将拉曼光谱、紫外光谱和离子迁移谱采集的不同产地黄芪数据,从低层级和中层级两个级别的数据融合技术出发,对不同谱图数据进行有效组合,在KPCA+SRC模型下,给出了识别率较高的数据融合方案。实验证明,两谱图数据融合的前提下,紫外光谱和离子迁移谱数据中层级数据融合技术效果最好,识别率最高可以达到99.21%;而叁谱图数据融合的效果并没有超越紫外光谱和离子迁移谱中层级数据融合技术的效果。另外,本文对于低层级和中层级两个级别的数据融合技术进行了分析比较;实验证明,低层级数据融合技术更为简单,识别率稳定性高,而中层级数据融合技术虽然在个别参数点可以达到比低层级数据融合方法更高的识别率,但整体识别率不够稳定,并且需要选择核主成分之间的组合,这也加大了算法复杂度。因此,就本文数据而言,选择低层级数据融合技术更为适宜。本文将KPCA+SRC模型结合多谱融合技术对不同产地黄芪进行鉴别,得到了良好的鉴别效果,为构建黄芪质量管理评价体系提供了一条切实可行的途径。(本文来源于《南京财经大学》期刊2016-10-01）
王盛,项志宇[3]（2015）在《基于多谱融合的植被环境中障碍物检测》一文中研究指出针对植被环境下的障碍物检测,提出联合叁维点云分布特征和多光谱特征的检测方法.构建彩色相机、红外相机和叁维激光雷达构成的多传感器系统.通过相机与叁维激光雷达联合标定的方法,实现叁维点云数据与图像像素信息的融合.基于多光谱数据分析,在归一化植被差分指数(NDVI)的基础上,提出新的红外-彩色通道联合光谱特征,结合混合高斯模型对植被和非植被进行分类.在实验中发现光照条件的变化和地面点的干扰对结果有很大影响.通过加入红外光强归一化和特征信息加权之后检测效果得到了明显改善.在多个典型的场景中进行实验,结果表明,检测效果比基于NDVI的方法好.(本文来源于《浙江大学学报(工学版)》期刊2015年11期）
肖阳[4]（2011）在《多谱图像融合与处理技术研究》一文中研究指出随着多谱成像技术的迅速发展,多谱图像已经被广泛地应用于军事、气象、医学以及对地遥感等多个领域,在国民生产生活中发挥着越来越重要的作用。成像传感器类型的增多会直接导致数据量的急速增长以及随之表现出的图像数据多样性。如何有效地对多谱图像信息进行综合处理,最大限度地利用互补信息,减少冗余是极具研究价值和现实意义的课题。本文以多谱图像中使用较多的中波红外、长波红外和可见光图像为主要研究对象,以对多谱图像信息进行综合处理研究目标,详细研究了目标潜在区域检测、图像分割、像素级与特征级融合等多谱图像融合与处理技术,最终对以上研究内容与其它研究成果进行集成,形成了一套较为完整的多谱图像信息综合处理系统。该系统能够对城区、农田、植被、水域、机场、桥梁、飞机以及舰船等感兴趣目标进行有效地检测与识别。本文主要工作和创新成果如下：在目标检测识别的过程中,通过目标潜在区域检测可以提高检测识别的准确性,降低所需处理的数据量。遥感图像分类技术通过对城区、农田、植被与水域等区域大目标的分类识别,可以达到场景分析的目的,并进一步确定目标潜在区域。本文将改进的行程长度纹理特征与神经网络相结合,应用于高分辨率、大区域的可见光遥感图像分类中。在特征选择阶段采用类内-类间方差标准与Rough集相结合的方法挑选出了有较强分类能力的特征,并有效地去除了冗余特征。实验表明该方法能获得较好的遥感图像分类效果。图像分割技术广泛地应用于目标检测识别与特征提取,其中图像阈值分割是一种简单有效的图像分割方法。为了综合利用图像中像素点的灰度和空间分布信息,本文提出了灰度空间相关直方图(GLSC直方图)的概念,并成功地将人眼视觉非线性特性融入其中。通过结合信息熵与第二类模糊集的概念,提出了两种不同的图像阈值分割方法。与传统算法相比,新算法在分割效果与耗时上能取得较好的平衡。图像中目标与背景间的对比度对目标检测识别有重要的影响。本文研究了一种基于非子采样轮廓波(NSCT)的像素级多谱图像融合方法。该方法可以提高目标与背景间的对比度,并增强图像的清晰度。特征级融合是一种较高层次的图像融合方法,关键是如何确定异谱特征间的冗余性和互补性,通过去除冗余并实现互补,达到特征最优组合的目的。本文提出了一种特征级图像融合方法。通过LLC编码对异谱特征进行特征分解,可以有效地体现特征间的冗余性和互补性,特征融合采用max-pooling准则。在具体的目标检测识别中,提取HOG特征描述目标特性,以模块化SVM作为分类器。为了将上述研究内容与其它研究成果进行集成,本文提出了一个多层次的多谱图像信息综合处理系统结构框架。该系统针对多谱红外与可见光图像,具有图像配准、特征提取、多谱图像融合以及目标检测识别等功能。(本文来源于《华中科技大学》期刊2011-08-01）
徐鑫,田逢春,姬艳丽,宋建文[5]（2011）在《4f相干光图像系统多谱点图像融合降噪》一文中研究指出为处理4f相干光图像处理系统中存在的随机噪声和低频相干噪声,提出一种基于多谱点图像融合的相干光图像处理系统降噪方法。先利用空间光调制器的点阵结构带来的图像复制功能,在同一次试验中获取多个谱点图像,其中各图像包含有相同的图像信息和同分布规律但不同数值形式的噪声信息。再使用图像融合技术将这些图像合并,用类似于时域累积平均的方式淡化随机噪声和相干噪声。理论分析和物理实验表明,该方法既能处理随机噪声,又能有效处理低频段的相干噪声,并且对图像信息几乎没有损失。(本文来源于《光电工程》期刊2011年05期）
王利平,陈钱,顾国华,张保民[6]（2004）在《基于小波变换的多谱图像融合技术研究》一文中研究指出小波变换理论是近年来发展起来的一门新的理论,它的研究已为许多人所密切关注。本文在图像探测统计理论的基础上运用小波变换理论,对微光图像与激光助视图像进行mallat分解与重构分析,在小波系数空间对两类图像进行融合算法研究,以提高对目标的探测和识别能力。给出了图像的假彩色显示。(本文来源于《大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集》期刊2004-06-30）
[7]（2000）在《一种崭新的影像学方法—复合叁维超声成像:基于B型和多谱勒成像发展的融合叁维超声成像》一文中研究指出基于两种成像方法(B型和多谱勒成像)发展的复合成像是一种新的叁维成像方法。它使医生得以观察到病灶与相关血管的叁维关系,我们称此方法为“融合叁维成像”。(本文来源于《当代医学》期刊2000年06期）
多谱融合论文开题报告
（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：
黄芪作为一种中国传统中药材,对多种疾病具有药理作用。由于不同产地黄芪的价格和品质差异大但从形态上难以区分,因此建立不同产地黄芪的快速有效鉴别方法对完善黄芪药材的质量管理评价体系具有重要的意义。而目前模式识别方法结合仪器分析手段是黄芪等中药材品质鉴定的研究热点。特征提取方法一直是模式识别领域的研究重点,一个有效的、具备鲁棒性的特征提取方法对提高分类器的性能至关重要。本文使用核主成分分析(KPCA)对不同谱图数据进行特征提取,在稀疏表示分类器(SRC)的作用下,实现了不同产地黄芪的良好分类。实验证明,KPCA对于本文的数据提取效果良好,相比较于主成分分析(PCA)结合SRC,在9-交叉验证的基础上,识别率从59.99%提高到94.51%,从而建立了本文的核心模型KPCA+SRC。另外,就单谱数据而言,离子迁移谱数据对于不同产地黄芪的分类效果最好,并且在PCA和KPCA两种特征提取方法下保持了一致性。多谱融合技术是目前仪器分析方向的热门,它是将多个不同特点的仪器采集的数据结合后对样本进行综合分析。本文将拉曼光谱、紫外光谱和离子迁移谱采集的不同产地黄芪数据,从低层级和中层级两个级别的数据融合技术出发,对不同谱图数据进行有效组合,在KPCA+SRC模型下,给出了识别率较高的数据融合方案。实验证明,两谱图数据融合的前提下,紫外光谱和离子迁移谱数据中层级数据融合技术效果最好,识别率最高可以达到99.21%;而叁谱图数据融合的效果并没有超越紫外光谱和离子迁移谱中层级数据融合技术的效果。另外,本文对于低层级和中层级两个级别的数据融合技术进行了分析比较;实验证明,低层级数据融合技术更为简单,识别率稳定性高,而中层级数据融合技术虽然在个别参数点可以达到比低层级数据融合方法更高的识别率,但整体识别率不够稳定,并且需要选择核主成分之间的组合,这也加大了算法复杂度。因此,就本文数据而言,选择低层级数据融合技术更为适宜。本文将KPCA+SRC模型结合多谱融合技术对不同产地黄芪进行鉴别,得到了良好的鉴别效果,为构建黄芪质量管理评价体系提供了一条切实可行的途径。
（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。
多谱融合论文参考文献
[1].赵丹,陈平,韩焱,李毅红.基于先验组分的多谱CT序列DCM融合算法研究[J].光谱学与光谱分析.2018
[2].宋超.基于多谱融合—稀疏模型在黄芪原产地质量管理评价中的应用[D].南京财经大学.2016
[3].王盛,项志宇.基于多谱融合的植被环境中障碍物检测[J].浙江大学学报(工学版).2015
[4].肖阳.多谱图像融合与处理技术研究[D].华中科技大学.2011
[5].徐鑫,田逢春,姬艳丽,宋建文.4f相干光图像系统多谱点图像融合降噪[J].光电工程.2011
[6].王利平,陈钱,顾国华,张保民.基于小波变换的多谱图像融合技术研究[C].大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集.2004
[7]..一种崭新的影像学方法—复合叁维超声成像:基于B型和多谱勒成像发展的融合叁维超声成像[J].当代医学.2000