一、多级全方位细节保持层叠滤波器（论文文献综述）
夏欢欢[1]（2013）在《基于形态学滤波的最小噪声分离及其应用》文中研究表明高光谱遥感数据当中含有大量的地物反射光谱信息，由于受到包括大气传感器传输数据等等在内带来的影响，原始数据图像在很大程度上被噪声污染，这严重干扰了反射光谱的吸收，不仅仅使得高光谱遥感图像的精度降低，还使它们随后的处理非常不方便因而，对高光谱遥感图像进行噪声分析消除是其预处理当中必不可少的关键步骤同时，高光谱遥感图像当中包含了丰富的信息，但大量冗余信息对图像的研究并无实际意义，反而占据部分存储空间，影响其处理效率因而，考虑到要降低图像数据的维数或提取其有效波段，并且这些操作对后续处理并不会产生太大影响，且会在很大程度上降低数据的计算量因此，降维也是非常必要的对高光谱遥感图像进行降维处理的手段及其众多，依据其降维的结果大致可以分为两类：特征提取的降维方法及波段选择的降维方法最小噪声分离法就是基于特征提取的降维方法，它能够将高光谱图像的信息快速有效地压缩到较低的维数最小噪声分离法是一种以最大化信噪比为衡量准则的线性变换它在实现降维的过程中也对噪声进行了分离它实质上是进行两次主成分变换第一步是利用高通滤波模板对整幅影像或具有同一性质的影像数据进行滤波处理，得到噪声协方差矩阵第二步是对原始影像的协方差矩阵进行主成分分析最后，结合第一步得到的噪声协方差矩阵，完成整个MNF降维过程本文选取江西德兴铜矿的高光谱遥感数据进行最小噪声分离降维处理，第一步采用数学形态学的方法，构造全方位结构元素加权多级形态学滤波器，利用梯度算子来得到噪声协方差矩阵，在这里对比分析其与理想高通滤波器的滤波效果第二步同样是对原始影像的协方差矩阵进行主成分分析通过以上两个步骤完成最小噪声分离此时以贡献率为准则，对比发现基于全方位结构元素加权多级形态学最小噪声分离的降维效果比原始最小噪声分离的降维效果要好说明将数学形态学滤波应用于最小噪声分离其效果是比较好的，并且结构元的选择影响最终降维效果
赵春晖[2]（2009）在《层叠滤波器的研究进展与分析》文中指出非线性滤波器可有效地处理脉冲噪声、斑点噪声或信号独立噪声,被广泛地应用在信号和图像处理领域中。层叠滤波器是一种逐渐兴起的非线性数字滤波器,它具有阈值分解和层叠性。由于确定层叠滤波器的正布尔函数的长度随变量的增加呈指数变化,层叠滤波器的优化设计成为该研究领域的技术难题,本文对国内外层叠滤波器的基础理论进行分析,从数学优化模型、统计特性、输出分布等几个角度进行了综合归纳和分析,力图为层叠滤波器的优化设计寻找突破点,加强此领域的研究力度。
韩静亮[3]（2009）在《数字图像中人脸美化算法的研究》文中研究表明当今社会中,越来越多的用到多媒体系统,例如数码相机,手机,视频会议等,它们的共同点就是要可以显示人脸。由于人们审美观念的不断提高,对显示图像的质量要求也随之越来越高,虽然Photoshop可以完成这方面的工作,但是它要求使用者对Photoshop有一定的了解,并且该工作复杂而繁琐,所以需要一种可以自动的处理人脸图像的一个系统,近来对该方面的研究越来越受到关注。人们追求的是一种在不失真的前提下尽可能的使人脸变得漂亮,光滑的高质量显示图像的效果。本文针对此课题进行了研究并完成了相关算法的实现,针对较为常见的JPEG格式的人脸图片完成了自动的人脸美化系统设计,首先应用肤色模型算法定位出人脸区域,然后对检测出的人脸区域做人脸美化处理,同时为了避免模糊图像同时保留人脸部分的特征信息,再进一步对该区域图像做二值化处理来粗略的定位出人脸的特征区域,最后对人脸的非特征区域做迭代的非线性多级中值滤波处理,来去除人脸皮肤中的斑点,皱纹等影响皮肤美观的不理想因素。通过以上各个步骤,可以很好的保留图像的细节部分,同时有效的去除不理想信息,同时可以通过调节迭代次数来达到不同的滤波效果,以适应不同的用户人群,具有较好的鲁棒性。同时本文通过同Arakawa提出的非线性滤波器系统的实验结果进行比较,取得了比较不错的结果。本文以含有各种人脸图像为样本,基于VC++平台实现了以上人脸美化算法,广泛的样本处理结果表明:该算法能有效消除图像中的斑点皱纹等不理想因素,并不影响数码相机经典图像成像体系的图像细节质量和复杂度,具有学术创新和实际应用前景。
张祥光[4]（2009）在《图像超分辨率重构算法及其在水下图像中的应用》文中研究指明水下目标探测是发展海洋工程，进行海洋研究与开发的重要手段，一直是海洋探测的重要课题。它不但对国民经济具有很大的推动作用，而且在国家安全上也具有重要的意义。如何解决在水下环境中对目标进行高分辨率成像，一直是海洋领域重要的研究内容。针对这些问题，本文将图像超分辨率重构技术应用于水下图像处理中，以期解决水下图像分辨率较低的问题。图像及视频序列的超分辨率重建，是近年来图像处理领域的一个研究热点，不仅在理论上具有重要意义，在实用中也有迫切需求。本论文的主要工作围绕基于水下降质模型的图像及视频序列的超分辨率重建展开，具体内容包括：（1）水下降质模型的建立。主要讨论了两种水体PSF的建立方法，第一种是理论推导的方法，重点针对非相干光照明方式，通过测得的水体abc参数，建立水体解析式的PSF，其中非相干光照明可建立解析式PSF表达式，而相干光照明目前仍停留在原理分析阶段，无法得到具体的解析式PSF表达式，可作为下一步工作的重点；第二种是实验的方法，由于最终得到的水下数据是PSF和噪声共同作用的结果，所以在构造PSF矩阵前应先进行滤除噪声，然后再利用实验数据获取PSF矩阵，这里针对相干光和非相干光两种不同的照明方式可以获得特定水体的PSF矩阵，用以后续的数据恢复。（2）图像数据预处理。针对水体吸收和前向散射导致图像对比度下降、后向散射导致图像模糊以及光电设备引入的噪声等问题，提出了：（a）在水体PSF指导下的逆滤波消模糊算法；（b）保细节的图像亮度调整算法；（c）基于噪声特征的非线性除噪算法。该预处理部分主要为后续超分辨率重构提供尽可能好的低分辨率图像源；（3）单帧图像的超分辨率重构。主要讨论了三个方面的内容：（a）针对图像中奇异点对重构效果造成巨大影响这一问题，通过引入PCNN的简化模型ICM奇异点快速检测机制对图像中的非高斯奇异点进行检测；（b）针对ICM检测器检测出奇异点的特征，构造了改进的极值中值非线性滤波器，对非高斯奇异点进行处理；（c）在插值重构方面，针对图像中的高频细节和低频平坦区域分别采用不同的插值算法，对传统插值算法进行了改进；（4）多帧图像的超分辨率重构。主要分为两部分：第一部分讨论了频域中的图像配准算法，主要针对频谱部分混叠现象，借助于非混叠低频信息中含高频分量的先验信息进行频域配准；第二部分着重研究了基于改进Keren配准算法的空域重构方法和极大似然估计重构中的改进最速下降法，前者针对Keren算法基于小角度的泰勒级数展开所带来的配准误差，提出了一种基于六参数仿射变换的改进Keren算法，该算法相比原始算法的刚体模型能够在大角度偏移情况下获得更精准的配准效果；后者为超分辨率重构算法实时性的实现提供了一种思路。
赵华[5]（2008）在《镜像层叠滤波器优化理论及算法研究》文中认为为了满足人们对信号处理更高的要求,非线性信号处理逐渐发展起来,作为非线性信号处理主要手段的非线性滤波器得到了广泛研究。层叠滤波器是一种具有层叠性和阈值分解性的非线性滤波器。根据阈值分解方式的不同,层叠滤波器分为传统阈值分解层叠滤波器（简称为传统层叠滤波器）和镜像阈值分解层叠滤波器（简称为镜像层叠滤波器）。与传统层叠滤波器相比,镜像层叠滤波器不仅具有低通特性,而且具有带通和高通特性。本文重点研究了镜像层叠滤波器的优化理论及算法,主要内容包括:首先,对层叠滤波理论进行了研究,包括:正布尔函数的定义、性质及生成算法,镜像层叠滤波器的定义及输出信号的快速重建,镜像层叠滤波器的优化模型,并对现有优化算法进行了简要介绍。其次,为了降低镜像层叠约束的计算量,引入一种二级小窗口级联递归滤波结构。级联窗口的滤波效果相对同样大小的单级窗口的效果得到了扩展:递归结构节省了运算空间,提高了滤波效果。本文通过实验仿真确定了最佳二级级联窗口的形状及尺寸。然后,针对离散粒子群算法寻优能力较差的缺点,提出了一种改进离散粒子群算法。该算法中引入精英集团和粒子自适应变异策略以提高算法的寻优能力,精英集团由适应度较好的若干粒子组成;粒子自适应变异策略根据粒子浓度自适应确定变异概率。仿真实验表明:与简单遗传算法和离散粒子群算法相比,应用改进的离散粒子群算法优化的镜像层叠滤波器较好地保持了原始图像的细节。接着,考虑到初始种群对算法搜索能力的影响,对初始种群要求不高的遗传算法进行了研究,改进了影响算法寻优能力的主要算子-交叉算子:将优秀个体与与其相似性差别较大、适应度较差的若干个体交叉,相似性根据个体间的汉明距离来衡量。仿真实验表明:与改进的离散粒子群算法相比,应用改进的遗传算法优化的镜像层叠滤波器的去除噪声性能有所提高。最后,为增加种群多样性,更有效地提高算法的全局寻优性能,对克隆选择算法进行了研究,并对其进行了如下改进:记忆群体采用多克隆算子,多克隆算子中的重组操作采用了改进遗传算法中交叉算子的思想;保留群体采用单克隆算子,单克隆算子中的变异操作采用改进离散粒子群算法中的自适应变异策略,此外群体间还进行信息交流,避免后期进化停滞。仿真实验表明:与改进粒子群算法和改进的遗传算法相比,应用改进克隆选择算法优化的镜像层叠滤波器的去噪和保持图像细节性能得到了平衡。
徐志平[6]（2007）在《基于交叉视觉皮质模型的图像处理关键技术研究》文中研究表明本文的主题是基于交叉视觉皮质模型的图像处理关键技术研究，交叉视觉皮质模型（Intersecting Cortical Model，ICM）为单层的神经网络，它是基于20世纪70年代Eckhorn对于家猫的视觉皮层的研究成果，在综合几种视觉皮质模型的基础上，利用了生物神经元所具有的延迟特性、非线性耦合调制特性。凶此，ICM具有传统的人工神经网络所不具备的无需学习大量样本即能够进行图像处理任务的特性、并具备生物神经元所特有的延迟特性、非线性耦合调制特性。这些特征在图像噪声抑制、图像形态学处理和图像分割中较之传统的图像处理方法而言具有处理效果更好、处理速度更快的优势。所以，ICM在图像处理研究领域更具有实际的研究价值和应用价值。ICM具备了生物神经系统中具有的信息传递延迟性和非线性耦合调制特性。ICM由于其本身直接来自于对于哺乳动物的视觉神经系统的解剖研究，相对于传统的人工神经网络模型更加接近实际的生物视觉神经网络，也更加适合面向图像处理的工作。同时，ICM还模拟了哺乳动物视神经系统的视野受到适当的刺激的时候，相邻连接神经元会同步激发35～70Hz的振荡脉冲串特性。同时，ICM还具有能够将高维数据压缩为一维时间脉冲序列的能力，这与生物实际的神经网络很相似。但是，ICM本身会产生自动波效应，这种自动波效应表现为图像中的物体的边界会随着ICM运算中的迭代而产生伪边界不断扩散的问题，这种伪边界的不断扩散效应对于后期的目标分割和识别会带来严重的干扰。在本文的研究工作之前，ICM处理的数据领域仅面向二维平面数据，对于高维数据尚无能力处理。本文的第一个研究成果是对于ICM本身会产生自动波效应的问题进行了研究，并提出了相应的解决方法。接着，本文主要针对传统人工神经网络在图像处理中存在的需要预先进行训练才能从事相应的图像处理的问题，基于ICM对于图像处理中的几项关键技术展开探索和研究。针对图像噪声抑制、图像形态学处理和图像分割等内容提出和演进了不同的ICM，并利用这些ICM和当前国际和国内比较优秀方法在图像处理的不同任务进行了相应的实验对比并通过实验数据验证了ICM在图像处理中的高效和准确性。本文的第二个研究成果是提出了基于ICM的图像脉冲噪声抑制机制，并取得的良好的噪声抑制效果和处理效率。本文的第二个研究成果是提出了基于ICM的图像形态学处理机制，该机制对于后续的图像信息度量和模式识别具有特定的应用价值。本文的第四个研究成果是针对含有高背景噪声的X光脊柱图像中的脊柱难以有效分割的问题，以及利用ICM在面向灰度图像分割时ICM的神经元的初始阈值需要手动设定的问题，提出了基于被分割图像的信息熵的最大化原则来确定ICM神经元的初始阈值，并对含有高背景噪声的X光脊柱图像达到有效的分割。本文的第五个研究成果是突破ICM仅能面向2D数据进行处理的束缚，提出了3D-ICM，并将3D-ICM应用于彩色自然图像的自动分割，该自动分割的判定标准亦是基于被分割图像的信息熵最大原则，从而避免了最佳分割的判定需要人为干预的问题。
崔颖[7]（2006）在《层叠滤波器优化设计及算法研究》文中进行了进一步梳理长期以来，信号处理技术被广泛地应用于国民经济、军事国防、科学技术及家庭生活等众多领域。自然现象和社会现象中存在的许多信号处理问题都是非线性的，随着人们对信号处理的精确性、灵活性和实时性要求的迅速提高，线性滤波技术不能满足所有信号处理场合的需要。从70年代开始，非线性数字滤波理论和技术作为一种新型的领域逐渐的发展起来，并且成为各学科共同关注的近代基础研究之一，应用到线性滤波技术无法得到满意结果的场合。 非线性滤波器是非线性信号处理的主要手段，由于它可以有效地处理包含脉冲噪声、斑点噪声或信号独立噪声在内的噪声污染环境，被广泛的应用在信号和图像处理领域中。层叠滤波器是一种逐渐兴起的非线性数字滤波器，已经成为非线性滤波领域中最具代表性和发展前景十分广阔的一类滤波器，它的优点在于：采用了阈值分解结构，有利于并行处理和通过VLSI技术实现；在理论上概括了许多非线性数字滤波器，成为研究非线性数字滤波器的一种重要工具。 本文在回顾层叠滤波器的基本理论、主要特性以及正布尔函数相关理论的基础上，着眼于层叠滤波器统计特性和优化设计方面的研究。分析层叠滤波器和秩排序滤波器之间的关系，在正布尔函数基础上，研究秩排序滤波器和层叠滤波器的输出分布。基于MAE和MSE误差准则建立层叠滤波器数学优化模型，为提高层叠滤波器的性能，在此模型的基础上，将智能优化算法与层叠滤波器设计理念相结合，提供一些层叠滤波器设计的新算法，理论推导和仿真研究并重，验证了不同优化算法的特点。 本文主要研究内容和取得的成果包括以下几个方面： （1） 系统地分析了层叠滤波器的相关理论，对层叠滤波器的两个主要特性：阈值分解和层叠特性的定义进行了介绍，针对层叠滤波器的核心问题——正布尔函数，介绍了两种主要的正布尔函数生成算法。分析了如何应用层叠滤波理论实现秩排序统计滤波器，并探讨了层叠滤波器的降噪性能。
孙莉[8]（2006）在《层叠滤波器的优化理论及其算法的研究》文中进行了进一步梳理层叠滤波器是一种具有层叠性和阈值分解性的滑动窗非线性数字滤波器，利于并行处理和VLSI实现，同时该滤波器在理论上概括了许多非线性滤波器。因此，对其研究具有重要的理论价值和实际意义。 层叠滤波器滤波器设计的核心问题是层叠滤波器的优化，因此本文主要致力于层叠滤波器的优化算法研究，研究内容及成果如下： 提出利用仿生智能算法基于MAE准则进行层叠滤波器的优化设计：（1）采用离散粒子群算法实现最优层叠滤波器，比采用遗传算法优化的层叠滤波器能较快速收敛和得到较好的优化效果；（2）在基本克隆选择算法的基础上，采用一种改进型克隆选择算法进行层叠滤波器的优化，进一步在优化速度和优化效果上改善了层叠滤波器的性能；（3）利用蚁群算法的快速收敛特性，保留其基本机制而对算子进行修改，并将其优化结果作为初值与改进型克隆选择算法相结合，大大提高了层叠滤波器的优化速度。 利用全局优化算法，研究了基于pth-order误差准则的层叠滤波器的优化问题，分别仿真实现了基于3th-order和4th-order误差准则的最优层叠滤波器。仿真结果表明较基于MAE准则优化的层叠滤波器有较好的视觉效果，同时较基于MAE准则和MSE准则优化的层叠滤波器有更强的去除噪声能力。 在NWMAE准则基础上，提出一种权系数自适应NWMAE准则，这种算法的权系数可以根据当前滤波窗信号值自动调整，不用预先设置。基于此种准则得到的最优层叠滤波器在尽可能保持图象的边缘的同时，能较好滤除图象噪声，在图象的边缘保持上和抑制噪声上得到了有效折衷。 在快速自适应算法基础上，提出一种二阶递归快速自适应层叠滤波器的优化算法，该算法不仅能有效滤除图象噪声，同时较基于MSE准则优化的层叠滤波器能快速实现。
崔颖[9]（2005）在《层叠滤波器的优化算法及其实现的研究》文中指出由于自然现象和社会现象中存在的许多信号处理问题都是非线性的,随着对信号处理的精确性、灵活性和实时性要求的迅速提高,线性滤波技术不能满足所有信号处理场合的需要。因此从70年代开始,非线性数字滤波理论和技术逐渐发展起来。 层叠滤波理论是一种逐渐兴起的非线性数字滤波技术。层叠滤波理论优点在于:采用了阈值分解结构,有利于并行处理和通过VLSI技术实现;在理论上概括了许多非线性数字滤波器,成为研究非线性数字滤波器的一种重要工具。因此,层叠滤波器的研究具有重要的理论价值和实际意义。对于层叠滤波理论的研究,主要集中在优化算法和输出特性分析两方面。本文研究了层叠滤波器的基本理论,在基于MAE和MSE的最优层叠滤波器优化模型的基础上,研究了层叠滤波器优化算法及其在图像处理中的应用。本文的主要研究内容和取得的成果包括以下几个方面: 较为系统地介绍了层叠滤波器的基本理论,介绍了层叠滤波器的阈值分解性和层叠特性的定义,了解了正布尔函数的生成方法。 模拟退火算法属于有导向的随机搜索算法,它对于那些多模式的和难以计算梯度的优化问题十分有效,它无需梯度信息就可得到全局最优解,本文中我们应用这种方法优化层叠滤波器,并研究了在不同噪声比例下,最小平均绝对误差（MAE）和最小均方误差（MSE）准则下的优化算法的性能。并在Matlab环境下,对这种方法进行了计算机仿真实验,仿真结果显示优化后的层叠滤波器能得到令人满意的滤波结果。 原有遗传算法优化的层叠滤波器易陷于局部最优化,本文鉴于这一点,将退火因子引入到选择算子中,并根据每代优化个体的不同,自适应的选取交叉概率和变异概率,提出一种自适应整体退火遗传算法（AWAGA）优化层叠滤波器,并研究在MSE准则下优化算法的性能。仿真结果表明用AWAGA优化的层叠滤波器在处理噪声图像时,能有效地去除噪声和保持图像细节。 原有的层叠滤波优化算法大多采用遗传算法或模拟退火算法,但模拟退
谢义方[10]（2004）在《数字图像复原算法研究》文中研究说明在获取图像的过程中有许多因素会导致图像质量的下降即降质，如光学系统的像差、大气扰动、运动、散焦和系统噪音，它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理，使其复原成没有退化前的理想图像。目前图像复原的方法主要是进行图像滤波，对图像滤波的要求是既能去除图像以外的噪声，同时又能保持图像的细节。由于噪声和图像细节在频带上混叠，所以在图像滤波中，为了复原图像的去噪与细节保持往往是一对矛盾。图像复原问题是图像处理中重要而又富有挑战性的课题，至今仍没有完全解决。 本文以传统的数字图像复原算法为基础，探讨了几种图像复原算法，并力求使其图像复原效果较传统算法有所提高。 绪论部分回顾了近年图像复原研究工作的进展，给出了本文的思路和结构。 第2章首先简要介绍了数字图像处理的概念、模拟图像的数字化及其数字图像的表示，然后给出了噪声的数学模型及其复原算法的基础知识，最后引入描述数字图像复原效果的几个客观评价指标。 第3章主要论述基于空间域的数字图像复原算法。开始部分给出了数字图像降质和复原模型。第2节回顾了常见的几种传统的基于空间域的数字图像复原算法。第3节在传统算法基础上提出一种混合噪声的自适应滤除算法，实验表明该算法在有效地去除混合噪声的同时具有较强的细节保持能力。第4节提出一种基于全方位多结构元的加权均值滤波算法，该算法有效地利用多结构元的方向性对传统的加权均值滤波算法进行改进，减小了加权操作的盲目性和主观性，降低了重噪声点的影响。实验表明，该节所提算法图像去噪效果（尤其是对纹理特征明显的图像）较传统的加权算法有明显的优势。第5节阐述了一种新颖的适于图像细节保持的四态均值滤波算法。该算法以均值滤波和加权滤波为蓝本，根据对滤波窗中心像素被噪声污染程度的判断来选不同的滤波输出，力求在图像去噪和细节保持之间取得均衡。实验表明该算法较传统算法在图像复原方面有明显改善。第6节提出并分析了一种基于相关度的层叠滤波算法。根据数字图像的存储特点，把一数字图像分成N幅位平面图像，把对一幅数字图像的复原变为对N幅位平面图像的复原，因每一幅位平面图像都是二值图像，所以复原操作速度快，易于用硬件实现。 第4章主要论述基于变换域的图像复原算法。本章分两大部分，前一部分主要以傅立叶变换为工具，后一部分主要以小波变换为工具。第1节简要介绍二维图像的傅立叶变换及其时域卷积所对应的频域乘积特性。第2节分析一种迭代滤波盲复原算法。先简要回顾维纳滤波和约束去卷积滤波两种常见的基于频域的图像复原方法，抽出这两种滤波器的本质，类推出一种新的迭代盲图像复原算法，该算法可应用于降质函数未知的场合。第3节介绍小波变换及其特点。第4节介绍一种借助于小波变换，通过对小波变换的高频系数进行直方图匹配来达到图像复原目的的新算法。该算法巧妙利用直方图匹配数字图像复原算法研究操作，使降质图像的小波变换的高频系数匹配于对原图像小波变换的高频系数所建的模型。这样，在不改变它们大小次序的前提下使其幅度减小以符合既定的规律，从而达到复原图像的目的。第5节讨论一种基于小波变换的图像融合去噪算法。该算法充分利用小波变换的多分辨率功能和同一图像的不同降质图像的小波分解系数的特点，即:与原图像相对应的系数相同或相近，与噪声相对应的系数有较大差异，这样通过系数的取舍来融合图像以达到复原图像的目的。 以上所述算法较传统算法均有所改进，图像复原效果较为理想。进一步的研究将探索它们的改进算法，使其更加快速、高效和智能化，使复原图像更加逼近原图像。
二、多级全方位细节保持层叠滤波器（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、多级全方位细节保持层叠滤波器（论文提纲范文）
（1）基于形态学滤波的最小噪声分离及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高光谱降维降噪研究现状 |
| 1.2.2 数学形态学滤波研究现状 |
| 1.3 研究内容及路线 |
| 1.3.1 章节安排 |
| 1.3.2 文章的创新点 |
| 第2章 数学形态学的基础理论 |
| 2.1 数学形态学基础思想 |
| 2.2 二值形态学的基本运算 |
| 2.2.1 二值腐蚀、膨胀运算 |
| 2.2.2 二值开、闭运算 |
| 2.3 灰度形态学的基本运算 |
| 2.3.1 灰度腐蚀、膨胀运算 |
| 2.3.2 灰度开、闭运算 |
| 2.4 形态学滤波器 |
| 第3章 高光谱图像降维算法简介 |
| 3.1 高光谱遥感图像降维 |
| 3.2 高光谱遥感图像主成分分析 |
| 3.2.1 主成分分析算法 |
| 3.2.2 主成分的个数与方差贡献的确定 |
| 3.2.3 实验与结果分析 |
| 3.3 高光谱遥感图像最小噪声分离 |
| 3.3.1 最小噪声分离算法 |
| 3.3.2 实验与结果分析 |
| 3.4 本章小结 |
| 第4章 基于数学形态学滤波的最小噪声分离 |
| 4.1 基本形态学梯度 |
| 4.2 全方位结构元素加权多级形态学梯度 |
| 4.2.1 设计全方位结构元素 |
| 4.2.2 全方位结构元素加权多级组合形态学梯度算法 |
| 4.2.3 实验与结果分析 |
| 4.3 基于数学形态学滤波的最小噪声分离 |
| 4.4 本章小结 |
| 第5章 高光谱遥感实例研究 |
| 5.1 高光谱遥感资料降维 |
| 5.1.1 原始最小噪声分离算法 |
| 5.1.2 基于数学形态学的最小噪声分离实验与分析 |
| 5.2 实验结果分析 |
| 5.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（3）数字图像中人脸美化算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 相关算法概述 |
| 1.3 本文完成的主要工作 |
| 第二章ε-非线性滤波器人脸美化系统 |
| 2.1 非线性ε-filter 滤波器原理 |
| 2.2 独立成分 CS(component-separating) ε-filter 滤波器原理 |
| 2.3 ε-filter bank 滤波器组原理 |
| 2.4 基于以上三个滤波器算法的试验结果 |
| 2.5 本章小结 |
| 第三章 基于肤色模型的人脸检测 |
| 3.1 人脸检测的关键方法 |
| 3.2 肤色模型 |
| 3.3 颜色空间模型 |
| 3.3.1 RGB 色彩空间模型 |
| 3.3.2 HSV 色彩空间模型 |
| 3.3.3 YCbCr 色彩空间模型 |
| 3.3.4 归一化的rgb 色彩空间模型 |
| 3.4 人脸肤色空间选取与建模 |
| 3.5 基于肤色模型的人脸区域检测 |
| 3.5.1 光线补偿 |
| 3.5.2 相似度计算 |
| 3.5.3 图像的阈值分割 |
| 3.5.4 确定人脸边界位置 |
| 3.6 本章小结 |
| 第四章 迭代多级非线性中值滤波算法 |
| 4.1 图像噪声分析 |
| 4.2 非线性滤波器介绍 |
| 4.3 中值滤波器相关理论介绍 |
| 4.3.1 中值滤波技术 |
| 4.3.2 一维中值滤波原理 |
| 4.3.3 二维中值滤波原理 |
| 4.3.4 中值滤波的主要特性 |
| 4.3.5 简单中值滤波的局限性 |
| 4.4 NIBLACK 二值化方法 |
| 4.5 多级中值滤波器 |
| 4.5.1 传统的多级中值滤波器原理介绍 |
| 4.5.2 改进的多级中值滤波器 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文的主要研究工作及成果 |
| 5.2 未来的工作方向 |
| 参考文献 |
| 致谢 |
| 硕士攻读学位期间发表的学术论文 |
（4）图像超分辨率重构算法及其在水下图像中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 绪论 |
| 1.2 退化模型 |
| 1.3 图像空间分辨率的概念 |
| 1.4 图像及视频序列超分辨率重建的分类 |
| 1.4.1 从研究对象的角度 |
| 1.4.2 从研究方法的角度 |
| 1.5 国内外研究现状及研究方法综述 |
| 1.5.1 国内外研究现状 |
| 1.5.2 研究方法综述 |
| 1.6 本文研究的主要内容、创新点及实验安排 |
| 1.6.1 本文主要内容 |
| 1.6.2 本文创新点 |
| 1.6.3 本文实验安排 |
| 2 水下降质模型 |
| 2.1 引言 |
| 2.2 海水的光学性质 |
| 2.2.1 海水成分与光学特性 |
| 2.2.1.1 海水的成分 |
| 2.2.1.2 海水光学参数的基本定义 |
| 2.2.1.3 海水光信道降质的物理机制 |
| 2.2.2 PSF在水下降质模型建立中的作用和意义 |
| 2.2.3 相干和非相干光源对水下成像影响的机理分析 |
| 2.2.3.1 非相干光源水下成像影响的机理的理论分析 |
| 2.2.3.2 相干光源水下成像影响的机理分析 |
| 3 水下图像预处理 |
| 3.1 基于全方位多结构元广义形态滤波算法 |
| 3.1.1 引言 |
| 3.1.2 非线性滤波方法概述 |
| 3.1.2.1 传统非线性滤波方法 |
| 3.1.2.2 研究中的非线性滤波新算法 |
| 3.1.3 全方位多结构元自适应广义形态滤波 |
| 3.1.3.1 问题描述 |
| 3.1.3.2 解决方法 |
| 3.1.3.3 实验结果及算法分析 |
| 3.2 基于直方图统计的对比度增强 |
| 3.2.1 引言 |
| 3.2.1.1 直方图处理 |
| 3.2.1.2 直方图均衡化 |
| 3.2.1.3 直方图规定化 |
| 3.2.2 基于细节保持的灰度均衡化算法 |
| 3.2.2.1 问题描述 |
| 3.2.2.2 解决方法 |
| 3.2.2.3 实验结果及算法分析 |
| 3.3 基于水体PSF的图像模糊消除 |
| 3.3.1 基本知识 |
| 3.3.2 基于实验测量PSF指导下的Wiener逆滤波法 |
| 3.3.2.1 Wiener滤波原理 |
| 3.3.2.2 图像噪声模型 |
| 3.3.2.3 实验结果及算法分析 |
| 3.4 实时性方面的考虑 |
| 4 基于ICM和改进极值中值奇异点检测消除的图像混合插值重构算法研究 |
| 4.1 前言 |
| 4.2 基于ICM的奇异点检测算法 |
| 4.2.1 脉冲耦合神经网络原理及其应用 |
| 4.2.1.1 Eckhorn神经元简介 |
| 4.2.1.2 脉冲耦合神经网络及其应用 |
| 4.2.2 简化PCNN模型ICM的检测机制 |
| 4.2.2.1 引言 |
| 4.2.2.2 ICM |
| 4.3 基于改进的极值中值的奇异点消除算法 |
| 4.3.1 引言 |
| 4.3.2 新算法的具体描述 |
| 4.3.3 ICM奇异点检测并消除实验结果及算法分析 |
| 4.4 图像的插值重构 |
| 4.4.1 传统的插值方法 |
| 4.4.2 快速自适应插值方法 |
| 4.4.2.1 线性空不变图像插值 |
| 4.4.2.2 离加偏差图像插值 |
| 4.4.2.3 自适应图像插值 |
| 4.4.3 本文混合插值重构方法 |
| 4.4.3.1 常用单帧插值算法优缺点比较 |
| 4.4.3.2 本文算法基本原理 |
| 4.4.3.3 平坦区域插值算法 |
| 4.4.3.4 基于最佳相关的边缘插值算法 |
| 4.4.4 实验结果和算法分析 |
| 4.5 实时性方面的考虑 |
| 5 频域法超分辨率图像重构 |
| 5.1 算法原理 |
| 5.1.1 降质模型 |
| 5.1.2 图像配准 |
| 5.1.3 平面运动估计 |
| 5.1.4 平移估计 |
| 5.1.5 部分混淆现象 |
| 5.1.6 算法流程 |
| 5.2 实验结果及算法分析 |
| 6 视频图像序列超分辨率空域重建算法研究 |
| 6.1 前言 |
| 6.2 基于六参数仿射模型的改进Keren算法图像配准技术研究 |
| 6.2.1 图像配准 |
| 6.2.2 仿射变换 |
| 6.2.3 Keren亚像素图像配准算法原理 |
| 6.2.4 基于六参数仿射变换的改进Keren算法 |
| 6.2.5 实验结果与算法分析 |
| 6.3 基于改进最速下降法的空域重构算法 |
| 6.3.1 极大似然估计原理 |
| 6.3.2 改进最速下降法原理 |
| 6.3.2.1 经典最陡下降法模型 |
| 6.3.2.2 经典最陡下降法的初次优化 |
| 6.3.2.3 经典最陡下降法的再次优化 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 发表的学术论文 |
（5）镜像层叠滤波器优化理论及算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 镜像层叠滤波器的研究目的和意义 |
| 1.2 镜像层叠滤波器的国内外发展现状 |
| 1.3 课题主要内容 |
| 第2章 镜像层叠滤波器理论 |
| 2.1 引言 |
| 2.2 镜像层叠滤波器的基本理论 |
| 2.2.1 阈值分解性和层叠性 |
| 2.2.2 镜像阈值分解的输出信号 |
| 2.2.3 正布尔函数及镜像层叠滤波器的定义 |
| 2.3 镜像层叠滤波器输出信号的快速重建 |
| 2.4 正布尔函数的随机生成算法 |
| 2.5 镜像层叠滤波器的优化模型 |
| 2.6 相关优化算法简介 |
| 2.7 本章小结 |
| 第3章 优化镜像层叠滤波器的粒子群算法 |
| 3.1 引言 |
| 3.2 粒子群算法 |
| 3.2.1 粒子群算法原理 |
| 3.2.2 粒子群算法的步骤 |
| 3.2.3 粒子群算法的改进分析 |
| 3.2.4 改进的粒子群算法 |
| 3.2.5 IDPSA在镜像层叠滤波器优化中的应用 |
| 3.3 镜像层叠滤波器的二级递归滤波结构 |
| 3.4 仿真实验及性能分析 |
| 3.4.1 IDPSA参数的实验及分析 |
| 3.4.2 IDPSA优化镜像层叠滤波器的实验及分析 |
| 3.5 本章小结 |
| 第4章 优化镜像层叠滤波器的遗传算法 |
| 4.1 引言 |
| 4.2 遗传算法的实现 |
| 4.3 算法早熟现象的成因及克服措施 |
| 4.3.1 算法早熟现象的成因分析 |
| 4.3.2 克服早熟的常用措施 |
| 4.4 改进的遗传算法及其应用 |
| 4.4.1 遗传算法的改进 |
| 4.4.2 IGA在镜像层叠滤波器优化中的应用 |
| 4.5 仿真实验及性能分析 |
| 4.5.1 种群规模的选取 |
| 4.5.2 交叉配对集的大小及变异概率 |
| 4.5.3 改进算法与其它算法的比较 |
| 4.6 本章小结 |
| 第5章 优化镜像层叠滤波器的克隆选择算法 |
| 5.1 引言 |
| 5.2 人工免疫系统及其机理简介 |
| 5.3 克隆选择算法 |
| 5.4 改进的克隆选择算法 |
| 5.5 仿真实验及性能分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的文章和取得的科研成果 |
| 致谢 |
（6）基于交叉视觉皮质模型的图像处理关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1.前言 |
| 1.1 本文研究题目的由来 |
| 1.2 本文的研究工作 |
| 1.2.1 本文的研究内容 |
| 1.2.2 本文的结构 |
| 本章参考文献 |
| 2.人工神经网络图像处理技术概述 |
| 2.1 生物神经元 |
| 2.2 人工神经网络的发展历史 |
| 2.3 基于人工神经网络技术的图像处理的研究概况与进展 |
| 2.3.1 图象处理链 |
| 2.3.2 神经网络在图像处理链中的应用 |
| 2.3.3 神经网络在图像处理中优势和弱势 |
| 2.4 小结 |
| 本章参考文献 |
| 3.交叉视觉皮质模型(ICM) |
| 3.1 哺乳动物视觉神经网络系统 |
| 3.2 视觉皮质理论 |
| 3.2.1 Hodgkin-Huxley模型 |
| 3.2.2 Fitzhugh-Nagumo模型 |
| 3.2.3 Eckhorn模型 |
| 3.2.4 Rybak模型 |
| 3.3 ICM |
| 3.3.1 ICM的生物脉冲连接同步特性 |
| 3.3.2 ICM的生物脉冲时空同步特性 |
| 3.3.3 ICM的依赖于状态的调制机构 |
| 3.3.4 Eckhorn模型对于ICM的价值 |
| 3.3.5 ICM中神经元的架构 |
| 3.4 ICM的自动波效应及本文对应的解决方案 |
| 3.5 小结 |
| 本章参考文献 |
| 4.基于ICM图像噪声抑制的研究 |
| 4.1 其他研究者对于噪声干扰的处理的研究概况 |
| 4.1.1 改进中心加权中值滤波 |
| 4.1.2 最优全方位结构元层叠滤波器 |
| 4.1.3 最优全方位结构元层叠滤波改进方案 |
| 4.1.4 结合形态滤波和层叠滤波的混合滤渡器 |
| 4.1.5 改进的结合层叠滤波、形态滤波的混合滤波 |
| 4.2 本文所提出的基于ICM的非线性脉冲噪声滤波方案 |
| 4.2.1 基于ICM的脉冲滤波 |
| 4.2.2 仿真实验与分析 |
| 4.2.3 结论 |
| 4.3 小结 |
| 本章参考文献 |
| 5.基于ICM图像分割的研究 |
| 5.1 其他研究者对于图像分割的研究概况 |
| 5.1.1 直方图阈值化分割技术 |
| 5.1.2 特征空间聚类分割技术 |
| 5.1.3 基于区域生长的图像分割技术 |
| 5.1.4 基于分水岭的图像分割技术 |
| 5.1.5 基于马尔科夫随机场的图像分割技术 |
| 5.1.6 基于神经网络的图像分割技术 |
| 5.2 本文基于ICM对于图像分割的研究 |
| 5.2.1 基于ICM的灰度X光脊柱图像的分割 |
| 5.2.2 基于3D-ICM的彩色自然影像分割 |
| 5.3 小结 |
| 本章参考文献 |
| 6.基于ICM图像形态学的研究 |
| 6.1 图像形态学的相关操作 |
| 6.1.1 腐蚀和膨胀操作 |
| 6.1.2 开运算和闭运算 |
| 6.1.3 收缩 |
| 6.1.4 细化 |
| 6.1.5 骨架化 |
| 6.2 其他研究者对于图像形态学的研究概况 |
| 6.3 本文基于ICM的图像形态学处理的研究 |
| 6.3.1 基于ICM二值图像腐蚀 |
| 6.3.2 基于ICM二值图像膨胀 |
| 6.3.3 基于ICM的二值图像骨架化 |
| 6.3.4 仿真实验与分析 |
| 6.4 小结 |
| 本章参考文献 |
| 7.结论与展望 |
| 7.1 本文的研究总结 |
| 7.2 进一步工作 |
| 参考文献 |
| 攻读博士学位期间参加科研活动情况 |
| 攻读博士学位期间发表(录用)学术论文情况 |
| 攻读博士学位期间获奖情况 |
| 致谢 |
（7）层叠滤波器优化设计及算法研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 非线性滤波器概述 |
| 1.3 秩排序统计滤波器 |
| 1.4 层叠滤波技术国内外发展现状 |
| 1.5 主要研究内容 |
| 第2章 层叠滤波理论 |
| 2.1 引言 |
| 2.2 数字空间、离散点集和数字图像的简单描述 |
| 2.2.1 数字空间 |
| 2.2.2 离散点集 |
| 2.2.3 数字图像 |
| 2.3 数字层叠滤波器的一般描述 |
| 2.3.1 传统阈值分解和层叠特性 |
| 2.3.2 正布尔函数及层叠滤波器定义 |
| 2.4 正布尔函数生成算法 |
| 2.4.1 基于Hasse图生成算法 |
| 2.4.2 正布尔函数随机生成算法 |
| 2.5 层叠秩排序滤波器的实现 |
| 2.6 层叠滤波器的降噪性能 |
| 2.7 本章小结 |
| 第3章 层叠滤波器的输出统计特性 |
| 3.1 层叠滤波器秩选择概率及输出分布 |
| 3.1.1 层叠滤波器的输出分布 |
| 3.1.2 秩选择概率和输出分布 |
| 3.1.3 系数r_i，c_i，a_i之间的关系 |
| 3.2 秩排序层叠滤波器 |
| 3.2.1 标准中值层叠滤波器 |
| 3.2.2 加权中值层叠滤波器 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第4章 镜像阈值层叠滤波器的设计 |
| 4.1 镜像阈值分解和镜像阈值层叠滤波器 |
| 4.1.1 镜像阈值分解 |
| 4.1.2 镜像阈值信号 |
| 4.1.3 镜像阈值层叠滤波器 |
| 4.1.4 镜像阈值层叠滤波器输出特性 |
| 4.2 MAE准则的数学优化模型 |
| 4.3 基于镜像遗传算法的层叠滤波器设计 |
| 4.3.1 简单遗传算法的参数选择 |
| 4.3.2 自适应遗传算法的参数选择 |
| 4.3.3 镜像阈值层叠滤波器的设计 |
| 4.4 仿真实验 |
| 4.5 镜像快速自适应算法及参量的确定 |
| 4.5.1 镜像快速自适应算法 |
| 4.5.2 判决向量 |
| 4.5.3 判决向量的层叠性约束算法 |
| 4.6 算法仿真 |
| 4.7 本章小结 |
| 第5章 模糊逻辑控制的层叠滤波器 |
| 5.1 模糊中值滤波器 |
| 5.2 误差函数的确定 |
| 5.3 模糊集合和模糊聚类 |
| 5.3.1 模糊性和模糊子集 |
| 5.3.2 模糊关系 |
| 5.4 模糊遗传算法 |
| 5.4.1 交叉概率的模糊控制 |
| 5.4.2 变异概率的模糊控制 |
| 5.4.3 反模糊化方法 |
| 5.4.4 选择算子的模糊控制 |
| 5.5 算法仿真 |
| 5.6 整体退火模糊遗传算法 |
| 5.6.1 选择算子的改进 |
| 5.6.2 退火因子的选择 |
| 5.7 算法仿真 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 个人简历 |
（8）层叠滤波器的优化理论及其算法的研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 层叠滤波器的研究目的与意义 |
| 1.3 层叠滤波器国内外发展现状 |
| 1.4 本文的主要研究工作及内容安排 |
| 第2章 层叠滤波器基本理论 |
| 2.1 引言 |
| 2.2 层叠滤波器的基本理论 |
| 2.2.1 阈值分解性与层叠性 |
| 2.2.2 正布尔函数及层叠滤波器定义 |
| 2.3 正布尔函数随机生成算法 |
| 2.3.1 正布尔函数表示方法 |
| 2.3.2 算法介绍 |
| 2.4 层叠滤波器输出信号重建算法 |
| 2.5 计算机仿真结果 |
| 2.5.1 随机生成正布尔函数 |
| 2.5.2 层叠滤波器输出信号快速重建 |
| 2.6 本章小结 |
| 第3章 基于MAE准则的层叠滤波器优化算法 |
| 3.1 引言 |
| 3.2 MAE准则及层叠滤波器优化模型 |
| 3.3 用离散粒子群算法优化层叠滤波器 |
| 3.3.1 离散粒子群算法简介 |
| 3.3.2 离散粒子群算法在层叠滤波器优化中的应用 |
| 3.3.3 离散粒子群算法仿真实验 |
| 3.4 用改进型克隆选择算法优化层叠滤波器 |
| 3.4.1 改进型克隆选择算法在层叠滤波器优化中的应用 |
| 3.4.2 改进型克隆选择算法仿真实验 |
| 3.5 用蚁群—克隆选择算法优化层叠滤波器 |
| 3.5.1 蚁群—克隆选择算法在层叠滤波器优化中的应用 |
| 3.5.2 蚁群—克隆选择算法仿真实验 |
| 3.6 本章小结 |
| 第4章 基于其他准则的层叠滤波器的优化算法 |
| 4.1 引言 |
| 4.2 pth-order准则及层叠滤波器优化模型 |
| 4.3 pth-order准则仿真实验 |
| 4.4 一种基于ANWMAE准则的层叠滤波器优化模型 |
| 4.4.1 ANWMAE准则 |
| 4.4.2 ANWMAE准则下最优层叠滤波器优化模型 |
| 4.5 基于ANWMAE准则的最优层叠滤波器仿真实验 |
| 4.6 本章小结 |
| 第5章 一种二级递归快速自适应最优层叠滤波算法 |
| 5.1 引言 |
| 5.2 递归快速自适应算法 |
| 5.2.1 算法介绍 |
| 5.2.2 仿真实验 |
| 5.3 一种二级递归快速自适应算法 |
| 5.3.1 算法介绍 |
| 5.3.2 仿真实验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）层叠滤波器的优化算法及其实现的研究（论文提纲范文）
| 第1章 绪论 |
| 1.1 课题的目的和意义 |
| 1.2 层叠滤波器国内外发展现状 |
| 1.3 本文的主要研究内容 |
| 第2章 层叠滤波器基本理论 |
| 2.1 引言 |
| 2.2 数字图像 |
| 2.3 层叠滤波器基本理论 |
| 2.3.1 一些符号与说明 |
| 2.3.2 阈值分解和层叠性 |
| 2.3.3 正布尔函数及层叠滤波器定义 |
| 2.4 正布尔函数的生成算法 |
| 2.4.1 基于Hasse图的生成算法 |
| 2.4.2 正布尔函数的随机生成算法 |
| 2.5 优化算法及其分类 |
| 2.6 本章小结 |
| 第3章 基于模拟退火算法的层叠滤波优化设计 |
| 3.1 引言 |
| 3.2 基于MAE和MSE准则的最优模型 |
| 3.2.1 平均绝对值误差(MAE)准则 |
| 3.2.2 均方误差(MSE)准则 |
| 3.3 用模拟退火算法优化层叠滤波器 |
| 3.3.1 模拟退火算法简介 |
| 3.3.2 模拟退火算法在层叠滤波器优化问题中的应用 |
| 3.4 模拟退火算法仿真实验 |
| 3.4.1 状态产生函数 |
| 3.4.2 状态接受函数 |
| 3.4.3 温度更新函数 |
| 3.4.4 内循环和外循环终止准则 |
| 3.5 设计举例 |
| 3.6 本章小结 |
| 第4章 基于自适应整体退火遗传算法的最优层叠滤波器 |
| 4.1 引言 |
| 4.2 适应度函数的确定 |
| 4.3 自适应整体退火遗传算法优化层叠滤波器 |
| 4.3.1 遗传算法简介 |
| 4.3.2 自适应遗传算法 |
| 4.4 自适应整体退火遗传算法仿真 |
| 4.4.1 选择算子的选择 |
| 4.4.2 退火因子的选择 |
| 4.4.3 交叉概率和变异概率选择 |
| 4.4.4 自适应整体退火遗传算法的步骤 |
| 4.5 设计举例 |
| 4.6 本章小结 |
| 第5章 基于禁忌搜索的最优层叠滤波器 |
| 5.1 引言 |
| 5.2 禁忌搜索算法介绍 |
| 5.2.1 禁忌对象 |
| 5.2.2 禁忌长度和候选解 |
| 5.2.3 藐视准则 |
| 5.2.4 终止准则 |
| 5.3 禁忌搜索算法的优化设计 |
| 5.3.1 适配值函数的定义 |
| 5.3.2 禁忌对象的设计 |
| 5.3.3 邻域结构的设计 |
| 5.3.4 禁忌表及禁忌长度 |
| 5.3.5 候选解集大小的选择 |
| 5.3.6 藐视准则的确定 |
| 5.4 设计举例 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文及取得的成果 |
| 致谢 |
（10）数字图像复原算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 图像复原方法发展概况 |
| 1.2 选题依据及构想 |
| 1.3 论文结构 |
| 第2章 数字图像复原算法基础 |
| 2.1 数字图像处理概述 |
| 2.2 图像的采样和量化 |
| 2.3 数字图像的表示 |
| 2.4 图像的灰度级直方图 |
| 2.5 图像的噪声 |
| 2.5.1 噪声的特征 |
| 2.5.2 噪声的分类 |
| 2.5.3 降质图像中的噪声模型 |
| 2.6 衡量图像复原效果的几个参数 |
| 第3章 基于空间域的图像复原算法 |
| 3.1 数字图像降质和复原过程模型 |
| 3.2 传统的基于空间域的图像滤波算法 |
| 3.2.1 均值滤波 |
| 3.2.2 基于排序统计的滤波 |
| 3.2.3 自适应滤波器 |
| 3.3 混合噪声的自适应滤除算法 |
| 3.3.1 混合噪声的自适应滤除算法 |
| 3.3.2 实验结果 |
| 3.4 基于全方位多结构元的加权均值滤波算法 |
| 3.4.1 全方位多结构元 |
| 3.4.2 基于全方位多结构元的加权均值滤波算法 |
| 3.4.3 实验结果与分析 |
| 3.5 一种适于图像细节保持的四态均值滤波算法 |
| 3.5.1 算法描述 |
| 3.5.2 实验结果与分析 |
| 3.5.3 结论 |
| 3.6 基于相关度的层叠滤波算法 |
| 3.6.1 层叠滤波理论 |
| 3.6.2 基于相关度的滤波理论 |
| 3.6.3 基于相关度的层叠滤波算法 |
| 3.6.4 实验结果 |
| 3.6.5 讨论 |
| 第4章 基于变换域的图像复原算法 |
| 4.1 傅立叶变换及其性质 |
| 4.2 迭代滤波盲复原算法 |
| 4.2.1 维纳滤波、约束去卷积滤波 |
| 4.2.2 迭代滤波盲复原算法 |
| 4.2.3 实验及结果及分析 |
| 4.2.4 结论 |
| 4.3 小波变换的基本概念 |
| 4.3.1 小波变换基本概念 |
| 4.3.2 实验结果 |
| 4.4 一种基于高频系数直方图匹配的图像去噪算法 |
| 4.4.1 数字图像直方图匹配 |
| 4.4.2 基于高频系数直方图匹配的图像去噪算法 |
| 4.4.3 实验结果 |
| 4.4.4 结论 |
| 4.5 基于波变换的图像融合去噪 |
| 4.5.1 基于小波分解的图像融合 |
| 4.5.2 图像融合去噪 |
| 4.5.3 实验结果 |
| 4.5.4 结论 |
| 结论 |
| 致谢 |
| 附录A(攻读学位期间所发表的学术论文目录) |
| 附录B(混合噪声的自适应滤除算法程序) |
| 附录C(基于高频系数直方图匹配的图像去噪算法程序) |
四、多级全方位细节保持层叠滤波器（论文参考文献）
- [1]基于形态学滤波的最小噪声分离及其应用[D]. 夏欢欢. 成都理工大学, 2013(12)
- [2]层叠滤波器的研究进展与分析[J]. 赵春晖. 电子测量与仪器学报, 2009(05)
- [3]数字图像中人脸美化算法的研究[D]. 韩静亮. 上海交通大学, 2009(04)
- [4]图像超分辨率重构算法及其在水下图像中的应用[D]. 张祥光. 中国海洋大学, 2009(11)
- [5]镜像层叠滤波器优化理论及算法研究[D]. 赵华. 哈尔滨工程大学, 2008(06)
- [6]基于交叉视觉皮质模型的图像处理关键技术研究[D]. 徐志平. 复旦大学, 2007(06)
- [7]层叠滤波器优化设计及算法研究[D]. 崔颖. 哈尔滨工程大学, 2006(12)
- [8]层叠滤波器的优化理论及其算法的研究[D]. 孙莉. 哈尔滨工程大学, 2006(12)
- [9]层叠滤波器的优化算法及其实现的研究[D]. 崔颖. 哈尔滨工程大学, 2005(08)
- [10]数字图像复原算法研究[D]. 谢义方. 湖南大学, 2004(04)
标签：粒子群算法论文; 数字滤波论文; 图像融合论文; 阈值分割论文; 中值滤波matlab论文;