导读:本文包含了形态小波变换论文开题报告文献综述及选题提纲参考文献，主要关键词:小波变换,数学形态学,多尺度,形态小波
形态小波变换论文文献综述
冯小二,王新赛,李明明[1]（2019）在《基于多尺度形态小波变换的红外图像边缘增强算法》一文中研究指出由于红外图像表征景物的红外辐射分布,主要取决于景物发射率和温度分布,因此红外图像具有高背景,低反差的特点。本文针对红外图像对比度低的问题,将小波理论和数学形态学理论应用到红外图像边缘增强处理中,提出了一种新的基于多尺度形态小波变换的红外图像边缘增强算法,实现了红外图像边缘增强和噪声抑制。该算法利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,再利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。利用真实红外图像进行了算法的仿真实验,实验结果验证了该算法能有效地保持和增强目标边缘信息,提升目标观察的效果和清晰度。(本文来源于《电子测试》期刊2019年19期）
石岩[2]（2018）在《基于二维不可分形态小波变换的多光谱图像全色锐化方法》一文中研究指出针对全色锐化中如何有效提取高分辨率细节这一关键问题,提出了一种新的基于二维不可分形态小波变换的全色锐化方法.结合了线性小波与形态小波的各自优势,在保持小波消失矩的同时能够有效保留图像的边缘细节.实验部分采用SPOT 6与Pléiades两组遥感卫星图像数据.实验结果证实本文所提方法能够降低光谱误差,并有效提升了多光谱图像的空间分辨率,在ERGAS、Q4等评价指标方面优于当前主流全色锐化算法,同时取得了良好的视觉增强效果.(本文来源于《北京交通大学学报》期刊2018年05期）
杜锴,方向,张胜,王怀玺,黄俊逸[3]（2018）在《基于更新提升形态小波变换的车辆目标震动信号特征提取》一文中研究指出针对传统线性小波变换在处理地面目标震动信号上的局限性,提出了一种更新提升形态小波来提取车辆目标震动信号的特征信息。利用仿真信号和实测的两类车辆目标震动信号进行对比分析,分析结果表明与传统线性小波和极大形态提升小波相比,更新提升形态小波不仅能在强噪声环境下有效提取目标信号的特征信息,同时不受低频信号干扰,为基于震动信号的地面目标精确识别提供了一条新的途径。(本文来源于《振动与冲击》期刊2018年16期）
胡建忠,黄梦,尹晓利,刘振兴,范成洲[4]（2014）在《基于形态小波变换与EMD的齿轮多重故障特征提取方法》一文中研究指出针对齿轮多重故障特征提取困难的问题,提出了利用形态小波变换与经验模态分解(Empirical Mode Decomposition,EMD)相结合的齿轮故障特征提取方法。在利用形态小波变换对非平稳信号进行降噪的基础上,运用EMD方法对降噪后信号进行分解,得到贡献率大的固有模态分量。工程试验结果表明:该方法能准确地提取齿轮多重故障特征,在不同工况下均有较好的效果。该方法解决了噪声干扰对早期故障信号引入导致诊断效果不明显的问题,提高了EMD诊断的识别率和效率。(本文来源于《装甲兵工程学院学报》期刊2014年02期）
陈增兵,张基宏[5]（2012）在《基于IHS变换和形态小波变换的遥感图像融合》一文中研究指出针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S叁个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。(本文来源于《深圳信息职业技术学院学报》期刊2012年01期）
李勋,龚庆武,贾晶晶[6]（2011）在《采用形态小波变换原理的超高速故障选相算法研究》一文中研究指出提出一种形态滤波与小波变换相结合的超高速故障选相方法。该方法首先将故障相量通过凯伦贝尔变换转换成模故障分量,然后用形态滤波器滤除大部分噪声干扰,再采用小波变换求取各模量的模极大值,最后根据各模量模极大值特征构造一种新型的故障选相元件。用该方法实现的选相元件能够克服传统选相元件的不足,具有超高速特点,且不受过渡电阻及系统运行方式的影响,选相结果准确、可靠。通过大量仿真结果证明了该选相元件的有效性与正确性。(本文来源于《电力系统保护与控制》期刊2011年15期）
张培林,李兵,张英堂,米双山,刘东升[7]（2010）在《基于最大提升格形态小波变换的齿轮故障特征提取》一文中研究指出针对齿轮故障特征提取问题,提出了一种基于最大提升格形态小波变换的信号分解方法。最大提升格形态小波是在数学形态学和提升方案的基础上提出的一种非线性小波变换方法,具有信号局部极值保持和计算快速的优点。提出将最大提升格形态小波用于齿轮发生故障时所产生的非平稳、非线性振动加速度信号的分析,提取故障的特征信息。通过对仿真信号和实际的齿轮断齿故障信号的分析结果,证明了所采用方法的有效性。同时,与采用传统的线性小波分解分析结果相比,最大提升格形态小波变换能够在较高分解层次下十分有效地保留信号的冲击特征,能够利用较少的系数实现对故障信号的特征提取,而且最大提升格形态小波变换算法只涉及加减和取极大、极小运算,运算简单,执行高效,非常适于齿轮故障的在线监测和诊断。(本文来源于《仪器仪表学报》期刊2010年12期）
杨先勇,周晓军,张文斌,杨富春,林勇[8]（2010）在《基于形态小波和S变换的滚动轴承故障特征提取》一文中研究指出针对传统小波在强背景噪声中提取冲击故障特征的不足,提出基于极大提升形态小波(MLMW)分析和S变换的滚动轴承故障特征提取方法.先利用MLMW变换将信号分解到不同形态尺度上,各尺度信号上保留着信号局部极值形态特征,对细节信号进行软阈值降噪处理,再从重构信号的具有良好时频聚焦性的S变换谱上提取故障特征.试验结果表明,MLMW既抑制了噪声和谐波分量,又显着强化了故障特征;相比传统小波和包络分析,能清晰地提取非平稳非线性故障特征.由于MLMW采用简单的形态算子和高效的提升方法,计算简单高效,适于故障特征的在线分析.(本文来源于《浙江大学学报(工学版)》期刊2010年11期）
景小平,邓方源,易世君,成和平,刘乃琦[9]（2009）在《基于形态小波变换的指纹图像识别预处理的应用研究》一文中研究指出提出了形态小波变换在指纹图像预处理中图像滤波增强的应用算法,该算法利用低频系数构造了一个扁平结构元素,并通过结构元素作用于高频系数,在保持指纹全局特征的情况下,实现图像的滤波增强效果.实验结果表明该算法在指纹图像预处理中的图像滤波增强效果良好、算法有效.(本文来源于《四川师范大学学报(自然科学版)》期刊2009年05期）
简耀波,阮双琛,秦翰林,周慧鑫[10]（2008）在《基于多尺度形态小波变换的红图增强算法》一文中研究指出针对红外图像对比度差、信噪比低的特点,本文将小波分析与数学形态学相结合,提出了一种基于多尺度形态小波变换的红外图像边缘增强算法。该算法首先利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,最后利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制。实验结果表明,该算法有效地保持和增强了边缘信息,得到较好的增强效果。(本文来源于《微计算机信息》期刊2008年21期）
形态小波变换论文开题报告
（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：
针对全色锐化中如何有效提取高分辨率细节这一关键问题,提出了一种新的基于二维不可分形态小波变换的全色锐化方法.结合了线性小波与形态小波的各自优势,在保持小波消失矩的同时能够有效保留图像的边缘细节.实验部分采用SPOT 6与Pléiades两组遥感卫星图像数据.实验结果证实本文所提方法能够降低光谱误差,并有效提升了多光谱图像的空间分辨率,在ERGAS、Q4等评价指标方面优于当前主流全色锐化算法,同时取得了良好的视觉增强效果.
（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。
形态小波变换论文参考文献
[1].冯小二,王新赛,李明明.基于多尺度形态小波变换的红外图像边缘增强算法[J].电子测试.2019
[2].石岩.基于二维不可分形态小波变换的多光谱图像全色锐化方法[J].北京交通大学学报.2018
[3].杜锴,方向,张胜,王怀玺,黄俊逸.基于更新提升形态小波变换的车辆目标震动信号特征提取[J].振动与冲击.2018
[4].胡建忠,黄梦,尹晓利,刘振兴,范成洲.基于形态小波变换与EMD的齿轮多重故障特征提取方法[J].装甲兵工程学院学报.2014
[5].陈增兵,张基宏.基于IHS变换和形态小波变换的遥感图像融合[J].深圳信息职业技术学院学报.2012
[6].李勋,龚庆武,贾晶晶.采用形态小波变换原理的超高速故障选相算法研究[J].电力系统保护与控制.2011
[7].张培林,李兵,张英堂,米双山,刘东升.基于最大提升格形态小波变换的齿轮故障特征提取[J].仪器仪表学报.2010
[8].杨先勇,周晓军,张文斌,杨富春,林勇.基于形态小波和S变换的滚动轴承故障特征提取[J].浙江大学学报(工学版).2010
[9].景小平,邓方源,易世君,成和平,刘乃琦.基于形态小波变换的指纹图像识别预处理的应用研究[J].四川师范大学学报(自然科学版).2009
[10].简耀波,阮双琛,秦翰林,周慧鑫.基于多尺度形态小波变换的红图增强算法[J].微计算机信息.2008