导读:本文包含了增强算子论文开题报告文献综述及选题提纲参考文献，主要关键词:图像增强,分数阶微分,Tiansi算子,自适应分数阶
增强算子论文文献综述
李帅,王伟明,刘先红,闫德立[1]（2019）在《自适应分数阶算子的图像增强》一文中研究指出为了突出图像纹理细节的同时保留平滑区域,节省确定分数阶微分阶次的时间,提出了一种改进的自适应分数阶微分算子。首先将经典Tiansi模板分解为四个不同方向,分别与待处理像素点进行卷积,达到增强图像纹理细节的效果;其次针对Tiansi算子需通过多次实验确定最佳微分阶次的现状,结合图像的局部特征信息,构建了具有自适应能力的分数阶阶次模型,能够获得比原图像更丰富的细节信息。对多组不同场景图像的实验结果表明:构建的自适应分数阶微分算子有效地增强了图像的纹理细节,自适应分数阶微分算子的主观视觉效果和客观评价指标均优于原图像,其客观评价指标中的平均梯度、信息熵、对比度相比原图像平均提高190.3%、8.1%、18.3%;平均梯度、对比度相比Tiansi算子处理后的图像平均提高45.0%、9.6%。(本文来源于《光电工程》期刊2019年09期）
罗萍,胡光宝,吕霞付,康健[2]（2019）在《基于改进LOG算子的图像增强算法》一文中研究指出针对传统的高斯-拉普拉斯(LOG)算子处理图像边缘存在各向同性特点的问题,提出了一种各向异性的LOG算法,使之在图像增强中能自适应地处理各个角度的边缘.首先在LOG函数的不同方向上取不同方差将尺度参数引入函数中,然后结合几何学,将角度参数引入带有尺度参数的算子中,最后根据每个像素点的梯度值来确定尺度参数和角度参数的值,得到各向异性的LOG算子.仿真结果表明,各向异性的LOG算子,在峰值信噪比、结构相似性和均方误差方面均优于各向同性的LOG算子,各向异性的LOG算子对噪声的抑制效果更好,图像边缘细节保留的更多.(本文来源于《微电子学与计算机》期刊2019年09期）
陈韵竹,郭剑辉[3]（2019）在《基于Canny算子加权引导滤波的Retinex医学图像增强算法》一文中研究指出医学图像处理和分析在对疾病的成像诊断中起到辅助医生确定病变局域的重要作用。但是由于人体的组织密度极其复杂,由于各种不良因素的影响,从而导致医学图像(尤其是X射线医学影像等)普遍存在对比度低、动态范围窄、强度分布不对称、边缘不清晰等问题。针对上述问题,结合医学图像特点和光照估计模型提出一种基于Canny算子加权引导滤波的Retinex(CWGFR)医学图像增强算法。首先,利用Canny边缘检测算子准确估计加权引导滤波器的边缘权重并通过加权引导滤波器对光照进行估计,从而得到入射光分量;然后根据Retinex算法原理计算出反射光分量,即log域上的增强图像;最后对图像进行量化处理,增强其图像对比度从而得到输出图像。对比实验结果表明,论文算法在提高图像对比度的同时,具有更高的边缘保持特性,能够凸显图像细节信息,有效消除"光晕"伪影。(本文来源于《计算机与数字工程》期刊2019年02期）
高强,向家伟,汤何胜[4]（2018）在《基于增强聚类分割与L-峭度的Teager能量算子解调诊断轴向柱塞泵故障》一文中研究指出振动信号中的周期性脉冲对于轴向柱塞泵故障诊断具有重要意义,但在工作状态下,轴向柱塞泵的振动信号经常会受到背景噪声和柱塞往复运动引起的自然周期性脉冲的污染,故障特征提取是轴向柱塞泵故障诊断的一个难点。为解决这个问题,提出基于增强聚类分割与L-峭度的Teager能量算子解调方法。与传统的聚类分割方法不同,增强后的算法是一种两周期的方法,能够有效从背景噪声和自然周期性脉冲中提取故障特征。L-峭度在识别周期性脉冲方面与峭度类似,但不像峭度对离群值那么敏感。Teager能量算子解调计算简便,比传统的希尔伯特解调更适合用来进行故障特征提取。为说明该方法的可行性,进行仿真模拟和试验数据研究,并将结果与传统的聚类分割方法进行了比较。结果表明,该方法能够有效地检测轴向柱塞泵的缸体和轴承故障。(本文来源于《机械工程学报》期刊2018年18期）
周利发[5]（2018）在《高维优化问题进化求解中增强收敛性的进化算子研究》一文中研究指出在实际的生产与生活过程中常遇到需进行优化的问题,且优化的目标往往不止一个,目标间又互相冲突,这类问题称为多目标优化问题(Multi-objective Optimization Problems,MOPs),当优化目标超过3个时,则称为高维目标优化问题。由于现实生活遇到的问题往往不仅是高维目标,同时也可能是高维决策,因此开展对高维特性下的MOPs研究具重要的意义。进化算法(Evolutionary Algorithms,EA)是处理MOPs的主要算法之一,拥有较强全局搜索能力,但当求解问题扩展至高维时,由于优化难度上升、支配关系丧失等,大部分进化算法已无法确保求解高维优化问题时的收敛性。而进化算子是进化算法的动力来源,以不同程度和速度引导种群进化,影响着种群的收敛性能。针对高维优化问题中进化算子的收敛性能,提出了两个新型进化算子,分别用于增强高维决策空间与高维目标空间下MOPs的收敛性能。两个新型进化算子的具体工作如下:1.针对高维决策空间下的MOPs,提出了一种基于高维决策空间的收敛增强型进化算子。在新型进化算子中,设计两种策略分别针对高维决策空间中收敛速度较慢与精度不足的问题;在基于可控支配域(Controlling Dominance Area of Solutions,CDAS)排序的收敛速度增强策略中,通过基于CDAS的非支配排序,对种群或邻域进行排序,根据排序结果生成与不同进化时期相匹配的向量差;而在基于高维决策信息挖掘的动态缩放因子策略中,借助主成分分析对高维决策空间进行分析,动态调整差分进化(Differential Evolution,DE)缩放因子,最后将策略生成的向量差与缩放因子结合生成变异个体。实验证明提出的收敛增强型进化算子在具有高维决策空间的MOPs中可以有效地增强算法的收敛性能。2.针对高维目标空间下的MOPs,提出了一种基于高维目标空间收敛性策略的进化算子。在新型进化算子中,综合局部线性嵌入(Locally Linear Embedding,LLE)与差分进化对高维目标空间的收敛性进行提高。借助LLE算法在降维时仍保持局部特征的特性,对高维目标空间进行降维处理以增强选择压力,再利用快速非支配排序进行分层,根据分层信息进行差分进化操作,进而提高种群收敛速度。实验结果表明新型进化算子在保证多样性的同时具有更好的进化选择压力与收敛速度。3.为检验两种新型进化算子在同时具有高维决策与高维目标下MOPs的求解性能以及实际应用问题中的有效性,设计了在高维情况下多目标0-1背包问题的仿真实验,进一步验证新型进化算子在高维条件下实际应用问题中的求解性能。(本文来源于《南京信息工程大学》期刊2018-06-01）
刘建春,胡俊锋,熊国良,唐晓红,张龙[6]（2018）在《基于谱峭度和Teager能量算子的轴承故障特征增强》一文中研究指出共振解调法的难点在于带通滤波器的确定,谱峭度可根据信号特征寻找最优滤波器参数,很好地解决以上问题。然而谱峭度在对低信噪比数据进行处理时,滤波后的信号往往残留较大带内噪声,极大地影响了后续故障诊断的准确性。针对该问题,提出利用Teager能量算子追踪SK滤波信号的系统总能量,从信号能量的角度消除带内噪声,二次增强隐藏于噪声中的故障冲击特征,最后通过包络谱分析获得诊断结果。应用轴承故障仿真数据、实验室内圈和外圈故障数据验证了本方法的有效性。(本文来源于《噪声与振动控制》期刊2018年01期）
张东,冯志鹏[7]（2016）在《基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断》一文中研究指出针对滚动轴承故障振动信号的特点,考虑变分模式分解在复杂信号分解及微积分增强能量算子在瞬态成分检测方面的优势,提出基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断方法.首先利用变分模式分解将复杂信号分解为多个本质模式函数,以削弱背景噪声的影响和满足能量算子对信号单分量的要求;然后根据提出的敏感分量选取原则,从本质模式函数中选出包含主要故障信息的本质模式函数为敏感分量;最后利用微积分增强能量算子强化敏感分量中的瞬态冲击,并根据敏感分量瞬时能量的时域波形及Fourier频谱诊断滚动轴承故障.分析结果表明该方法能够有效诊断滚动轴承故障.(本文来源于《工程科学学报》期刊2016年09期）
张格,陈昊升,叶阳东[8]（2016）在《一种基于LoG算子的无标识增强现实算法:LoG-PTAMM》一文中研究指出针对现有无标识增强现实算法容易受到光照条件以及环境纹理的影响,出现虚拟信息叁维注册跟踪失败或者精度误差较大现象,致使鲁棒性无法得到保证的问题,提出一种基于LoG算子的无标识增强现实算法——LoG-PTAMM.首先使用LoG算子将输入视频帧所生成的图像金字塔滤波,突出场景中的边缘和细节;然后利用最终得分均值和平均搜索长度值确定重投影算法的ZMSSD阈值,以适应LoG变化后视频帧强烈的对比度变化,并使用双向光流法提升匹配精度;最后在跟踪丢失时采用以lsI变量为核心的重定位算法查找经过高斯滤波处理的已有视频帧序列并恢复相机姿态.采用文中根据命中率与贡献度定义的鲁棒性指数均值度量的实验结果表明,LoG-PTAMM算法在室外多种无标识增强现实场景中具有光照一致性且易于提取大量鲁棒的环境特征点,可以在多种环境纹理或光照条件下进行长时间、大范围的建图和跟踪活动,鲁棒性较PTAMM算法有较大程度地提升.(本文来源于《计算机辅助设计与图形学学报》期刊2016年09期）
葛朋,李龙,潘治云,史衍丽[9]（2016）在《基于改进型LOG算子的图像增强方法在InGaAs宽光谱红外器件中的应用》一文中研究指出传统的LOG(高斯-拉普拉斯)算子,由于高斯函数关于中心对称,故它具有各向同性的特点,不能对不同方向的边缘进行有效地检测。基于此,建立并推导了一种改进型的LOG算子,引入了尺度参量和角度参量,改进后的LOG算子是各向异性的,能对不同方向的边缘更有效地检测,从而能更好地增强图像中目标细节。将这种改进后的LOG算子用在InGaAs宽光谱红外器件上,对其所成图像进行图像增强,经过在MATLAB里对于同一幅图像进行比较试验,结果表明相比于传统的高斯-拉普拉斯算子,改进型LOG算子检测到的图像边缘更多,同时对噪声的抑制效果更好,图像细节增强效果更好。(本文来源于《红外技术》期刊2016年08期）
张国英,康凯阁,刘广银,陈淑兰,钱晓晔[10]（2016）在《形态学边界增强算子及多界面检测中的应用》一文中研究指出试管稠油油水界面准确检测对稠油破乳过程决策及操作优化具有重要作用。利用图像分析方法能够实时提取界面信息。由于稠油易附着玻璃试管,噪声严重,且不同界面明暗差异大,常规的图像界面提取方法难以同时提取不同界面。提出一种自适应边界检测算子,分别增强暗区域与亮区域。灰度形态学开运算,其运算结果分别膨胀和腐蚀处理,二者结果相减,增强暗区域。亮区域边界增强与暗区域边界增强是对偶运算。与传统的边界检测算子比较,该方法具有更好的抗噪性和定位能力。(本文来源于《科学技术与工程》期刊2016年14期）
增强算子论文开题报告
（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：
针对传统的高斯-拉普拉斯(LOG)算子处理图像边缘存在各向同性特点的问题,提出了一种各向异性的LOG算法,使之在图像增强中能自适应地处理各个角度的边缘.首先在LOG函数的不同方向上取不同方差将尺度参数引入函数中,然后结合几何学,将角度参数引入带有尺度参数的算子中,最后根据每个像素点的梯度值来确定尺度参数和角度参数的值,得到各向异性的LOG算子.仿真结果表明,各向异性的LOG算子,在峰值信噪比、结构相似性和均方误差方面均优于各向同性的LOG算子,各向异性的LOG算子对噪声的抑制效果更好,图像边缘细节保留的更多.
（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。
增强算子论文参考文献
[1].李帅,王伟明,刘先红,闫德立.自适应分数阶算子的图像增强[J].光电工程.2019
[2].罗萍,胡光宝,吕霞付,康健.基于改进LOG算子的图像增强算法[J].微电子学与计算机.2019
[3].陈韵竹,郭剑辉.基于Canny算子加权引导滤波的Retinex医学图像增强算法[J].计算机与数字工程.2019
[4].高强,向家伟,汤何胜.基于增强聚类分割与L-峭度的Teager能量算子解调诊断轴向柱塞泵故障[J].机械工程学报.2018
[5].周利发.高维优化问题进化求解中增强收敛性的进化算子研究[D].南京信息工程大学.2018
[6].刘建春,胡俊锋,熊国良,唐晓红,张龙.基于谱峭度和Teager能量算子的轴承故障特征增强[J].噪声与振动控制.2018
[7].张东,冯志鹏.基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断[J].工程科学学报.2016
[8].张格,陈昊升,叶阳东.一种基于LoG算子的无标识增强现实算法:LoG-PTAMM[J].计算机辅助设计与图形学学报.2016
[9].葛朋,李龙,潘治云,史衍丽.基于改进型LOG算子的图像增强方法在InGaAs宽光谱红外器件中的应用[J].红外技术.2016
[10].张国英,康凯阁,刘广银,陈淑兰,钱晓晔.形态学边界增强算子及多界面检测中的应用[J].科学技术与工程.2016