一、基于小波变换的快速二维门限化方法复杂度研究（论文文献综述）
李珊珊[1]（2020）在《正交频分复用无源光网络物理层安全防护技术研究》文中认为当今世界,信息已成为至关重要的战略资源。日益增长的带宽需求对现有的光网络带来挑战,保障网络安全成为保障国家安全的重要任务。正交频分复用无源光网络（OFDM-PON）因其频谱利用率高、抗色散能力强、资源分配灵活和实现成本低等优势,成为下一代光接入网的优势候选之一。然而,无源光网络的点对多点拓扑结构和下行信号的广播通信方式,使得接入网物理层面临被入侵、窃听和冒充等多种安全威胁。在物理层实施高灵活性、低代价的安全防护措施能够实现对网络信息的全方位保障。研究OFDM-PON物理层安全防护技术,对于推动网络跨层安全机制的协同,实现大容量的安全光接入网系统具有重要意义。论文主要研究成果如下:（1）针对算法安全性与计算复杂度相互制约的问题,提出了基于上下行明文互扰机制的定点数字混沌加密算法。在低精度定点算法约束下,有效改善了数字混沌系统的动力学特性退化效应。设计了对混沌序列进行动态非线性变换的魔方算法,扩大了密钥空间。在计算精度为14比特的定点算法下实现了密钥空间为256×（256!）256≈～10129791的OFDM-PON物理层数据防护机制。（2）针对密钥分发的安全性和信道资源开销问题,提出了基于OFDM混沌导频信号冗余的密钥隐匿分发技术。在不增加额外开销、不影响传输性能的前提下,利用所构造的混沌导频信息的冗余性实现了密钥的安全隐匿传输。实验验证了速率为28.4Mb/s的密钥分发与速率为7.64 Gb/s的16-QAM OFDM数据安全传输协同防护机制。（3）针对传统身份认证协议复杂的问题,提出了基于小波变换和卷积神经网络的硬件指纹识别身份认证技术。将ONU设备容差对传输信号的影响作为硬件指纹,将OFDM导频信号作为指纹载体,在OLT端实现对ONU硬件身份认证;实验验证合法ONU的身份识别准确率可达97.41%,非法ONU的识别准确率可达100%,能够抵御物理层非授权接入、身份欺骗攻击等安全威胁。
骆乐[2]（2019）在《基于扩展小波树的自适应压缩采样及图像重构方法研究》文中提出受限于Nyquist-Shannon采样定理先采样后压缩的采样架构,传统数字成像技术不可避免地采样了大量冗余信息,造成采样资源的浪费。压缩感知（Compressed Sensing,CS）利用自然图像的稀疏性,将采样和压缩过程合二为一,提高了采样样本的利用率,降低了对采样系统的硬件要求。然而,压缩感知存在成像质量低、重建算法计算复杂度高等问题,随着人们对成像分辨率要求的不断提高,这些问题更加突出。对此,本文基于压缩感知和扩展小波树结构研究自适应压缩成像方法,以降低重建算法复杂度,缩短重建时间。同时,本文分别针对高分辨率压缩成像中的噪声影响、块状效应和彩色失真等问题开展研究,提高成像质量。本文主要内容包括:对于压缩感知光学成像技术存在算法复杂度高、成像时间长的问题,提出了基于数字微镜阵列（Digital Micromirror Device,DMD）分区控制与扩展小波树的自适应压缩成像方法。该方法将DMD分区控制应用于基于扩展小波树理论的采样之中,有效减少测量矩阵所需存储空间,提高采样效率。仿真和实验表明,该方法在低采样率下仍然能够获得较高的成像质量。针对存在测量噪声污染场景下的压缩采样问题,提出了基于哈达玛编码测量的自适应压缩成像方法。以扩展小波树理论为框架,利用哈达玛矩阵编码构造DMD采样模式,对相应的空间区域进行分块测量。仿真和实验表明,该方法能够在减少采样数据量的同时,有效减少噪声干扰,获得较高的成像峰值信噪比,适用于在微弱光信号条件下的高灵敏成像领域。由于基于小波树结构的自适应压缩采样方法只对重要小波系数进行采样,其重构图像存在块状效应,对此提出了结合小波域插值计算的自适应压缩成像方法。该方法在对每层小波树重要系数进行自适应采样的同时,通过小波域的插值计算估计未采样的非重要小波系数,从而减少块状效应,改善成像质量。仿真和实验表明,在无噪和有噪两种环境下,该方法获得的图像都更加平滑,成像质量较好。针对彩色图像采样过程中出现的时效性低,重构图像存在色彩失真等问题,提出了基于多任务贝叶斯模型的彩色自适应压缩成像方法。根据红绿蓝三个通道间的相关性,利用基于压缩感知的多任务贝叶斯模型进行处理,将处理后的小波系数分别通过小波逆变换重构得到红绿蓝灰度分量图像,并融合得到最终图像。仿真和实验表明,多任务贝叶斯模型能够减少颜色失真,较好保证重构彩色图像的色调一致性,成像效果较好。
戴慧东[3]（2019）在《基于小波稀疏测量的自适应压缩成像关键技术研究》文中研究表明压缩成像是利用自然图像的稀疏性同时进行采样和压缩,为解决庞大的数据采样需求和有限的探测器资源之间矛盾提供了新的思路。然而,现有基于压缩感知的压缩成像方法存在成像质量不可控、重建算法计算复杂度过高的问题,限制了系统的成像速度和应用范围。为此,本文以构建快速高分辨率多维压缩成像系统为目的,围绕目标场景反射率信息、时间信息以及深度信息的快速获取,开展基于小波稀疏测量的自适应压缩成像方法在图像、视频和三维成像领域的关键技术研究,以实现自适应的成像质量控制、高效率的测量以及低计算复杂度的图像重建。本文的主要内容包括:针对目标场景反射率信息的快速获取,提出了基于Haar小波稀疏测量的自适应压缩成像方法。首先,通过研究Haar小波兄弟系数间的相关性,提出扩展小波树模型,以描述代表目标场景稀疏信息的显着小波系数的分布规律;然后,根据扩展小波树按照分辨率由低到高的顺序预测显着小波系数位置,并使用DMD加载相应小波基测量模式直接进行测量;最后,通过低计算复杂度的小波逆变换重构目标场景,从而克服基于CS的压缩成像方法的缺点,实现质量可控、高分辨率图像实时重构。与现有基于小波树的自适应压缩成像方法相比,该方法根据扩展小波树进行预测,具有更好的预测准确性;并且,通过剔除基于小波基测量模式的显着系数测量过程中的冗余信息,减少了重构所需测量次数。仿真和实验结果表明,该方法仅用现有基于小波树的自适应压缩成像方法60%-70%的测量次数,即可获得相同峰值信噪比的成像结果。此外,针对彩色成像应用,提出了基于YUV彩色空间小波稀疏测量的自适应彩色压缩成像方法。该方法利用YUV彩色空间中亮度分量与色度分量的依存关系,以及人眼视觉特性,减少了重建所需的测量次数,提高了成像清晰度和色彩准确度。针对目标场景时间信息的快速获取,提出了基于小波稀疏测量的自适应视频压缩成像方法。该方法通过建立多分辨率的视频压缩成像框架,交替进行小波稀疏测量和运动估计,同时去除目标场景的空域冗余与时域冗余,从而实现快速高分辨率视频压缩成像。仿真和实验结果表明,相比传统数字视频成像方法,该方法能够减少85%-95%的采样数据;相比基于2DDWT、3DDWT和2DTV的三种视频压缩感知成像方法,在相同采样率下,该方法的峰值信噪比提高了约20%。针对目标场景深度信息的快速获取,将单光子探测与三维压缩成像相结合,在扩展压缩成像系统维度的同时,提高了其探测灵敏度。首先,构建单光子三维压缩成像系统,建立单光子压缩测量模型,为单光子三维压缩成像提供实验平台和理论基础。然后,通过比较三维场景深度信息与反射信息的稀疏性,得出深度信息比反射率信息在小波域更加稀疏的结论,并据此提出了基于深度小波树的自适应单光子三维压缩成像方法,以实现快速高分辨率单光子三维压缩成像。最后,提出基于深度压缩和自适应哈达玛基扫描的单光子三维压缩成像方法,通过建立深度压缩模型,将三维信息压缩到二维图像中,进一步降低了重建过程的计算复杂度,减少了成像时间;使用自适应哈达玛基扫描进行测量,提高了光子收集效率,进而提高了低照度条件下的系统成像质量。
石可玉[4]（2011）在《基于相邻像素灰度差的边缘检测及与其相结合的小波图像去噪》文中指出随着计算机软件、硬件和网络技术的日新月异的发展,越来越多的人应用计算机获得信息,人类已经进入一个高速发展的信息化时代,人们通过计算机获得的信息量非常巨大。这些信息中,计算机图像携带的信息占了很大的部分。因此,数字图像的处理吸引了很多研究者的注意,得到了非常广泛的研究。下面对本文各部分的内容进行介绍：本文第一章介绍了数字图像处理的分支和背景；第二章详细地介绍了小波基本理论以及小波变换的发展和应用；第三章介绍了传统的图像的边缘检测方法与基于小波变换的图像边缘检测方法；第四章介绍了传统的图像的去噪方法与基于小波变换的图像去噪方法；第五章介绍了本文提出的边缘检测和图像去噪方法；最后对相关领域的研究进行了总结与展望。通过对图像边缘检测与小波图像去噪方法的了解和研究,本文提出了一种简单的基于灰度图像相邻像素灰度差的图像边缘检测方法,与传统的边缘检测方法相比,明显地具有简单易行,复杂度低的优势。鉴于图像边缘在图像噪声去除中的特殊地位,在这种情况下,提出了与基于灰度图像相邻像素灰度差的图像边缘检测方法相结合的小波阂值图像去噪方法,得到了不错的图像去噪效果。实验结果表明,本文提出的边缘检测和图像去噪方法能够得到不错的结果。
王秋让,赵荣椿,郑南宁[5]（2000）在《基于小波变换的快速二维门限化方法复杂度研究》文中进行了进一步梳理将小波分析这一新兴的数学工具与传统的基于灰度直方图的门限选择方法结合起来，提出了一种快速的二维门限化方法，并对其复杂度进行了深入地研究．该方法首先对二维直方图进行小波分解，得其低频分量，然后在此低频分量上确定出门限矢量的范围，最后在此范围内确定出精确的门限矢量．理论分析及实验结果均表明，该方法可以极大地降低二维门限化的时间复杂度．
蔡超[6]（2005）在《基于小波和偏微分方程的图像处理方法与应用》文中研究指明图像科学是一门集多学科于一体的交叉学科,与相关学科（特别是数学学科）的基础理论在该学科的成功应用密不可分。在图像处理中,无论是图像模型的建立,图像特征的描述,图像处理算子的设计,还是图像优化处理中的泛函极小化,最终都可归结为一个数学理论问题。特别是近年来,以小波分析（Wavelet analysis）和偏微分方程（Partial derivative equation, PDE）为代表的数学工具活跃在图像处理的各个研究领域,“图像科学”正在形成,并逐步为人们所接受。该文旨在以小波分析和偏微分方程为主要工具,对底层图像处理中图像恢复、图像分割、边缘提取等问题展开研究,并探讨它们在图像处理中的联合应用问题。小波分析,作为一种新的数学分析工具,是泛函分析、傅立叶分析、样条分析、调和分析以及数值分析理论的完美结合,已被广泛地应用于计算机视觉、图像处理以及目标检测等领域,并在理论和方法上取得了重大进展。特别是在图像压缩方面,以Shaprio 为代表提出的嵌入式零树小波编码方法（Embedded zerotree wavelet,EZW）获得了巨大成功。以小波变换（Wavelet transforms）为理论基础的图像（视频）压缩算法已经在多个国际图像压缩标准中采用。在图像恢复、特征提取、目标识别等领域,小波分析同样发挥了巨大作用。如何更好地利用小波的特长,发展更有效的图像处理新方法仍然是图像处理领域的一个研究热点。作为论文的一部分,该文重点探讨了小波分析在数字图像处理中的应用问题,包括基于小波分析的磁共振图像恢复; 小波域图像平滑; 多小波理论及图像特征提取。在磁共振图像恢复方面,利用小波分析了磁共振图像直流伪影的产生机理,提出了一种基于小波分析的伪影消除办法; 在分析了小波域图像平滑现有方法基础上,提出了小波变换域双边滤波和基于相位一致性约束的多小波图像去噪新方法; 针对图像复合边缘特征提取问题,该论文进一步研究了基于图像复合边缘模型的多小波构造方法。提出了基于零系统定位误差约束的多小波图像边缘特征提取方法。从理论上这种新的边缘检测算子提取复合边缘可以达到任意高的定位精度。实验表明这种新方法对于复合边缘的检测无论从定位精度还是从检测能力上来看都优于Canny 算子、Prewitt 算子以及Mallat-Zhong 提出的单小波边缘检测算子。人们对偏微分方程的研究已经有近300 年的历史。早期的偏微分方程问题产生于力学、几何、物理等理论学科和实际工程中。近年来,在生命科学、经济学中也
二、基于小波变换的快速二维门限化方法复杂度研究（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、基于小波变换的快速二维门限化方法复杂度研究（论文提纲范文）
（1）正交频分复用无源光网络物理层安全防护技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 光接入网面临的安全威胁 |
| 1.3 光接入网安全性增强技术 |
| 1.4 正交频分复用无源光网络系统 |
| 1.5 正交频分复用无源光网络物理层安全 |
| 1.6 主要内容及工作安排 |
| 2 安全防护技术中的相关理论与安全性评价方法 |
| 2.1 混沌理论与密码学 |
| 2.2 基于数字混沌安全防护技术的安全性评价方法 |
| 2.3 小波变换和卷积神经网络理论基础 |
| 2.4 基于小波变换和神经网络的身份认证技术安全性评价方法 |
| 2.5 本章小结 |
| 3 基于上下行明文互扰机制的定点数字混沌加密 |
| 3.1 总体方案和基本原理 |
| 3.2 定点数字混沌系统动力学特性改善 |
| 3.3 结果分析 |
| 3.4 基于动态魔方变换的星座图置换安全性增强 |
| 3.5 结果分析 |
| 3.6 方案对比与讨论 |
| 3.7 本章小结 |
| 4 基于OFDM混沌导频信号的密钥隐匿分发 |
| 4.1 总体方案和基本原理 |
| 4.2 基于OFDM导频冗余的密钥隐匿分发 |
| 4.3 结果分析 |
| 4.4 方案对比与讨论 |
| 4.5 本章小结 |
| 5 基于小波变换和卷积神经网络的硬件指纹识别身份认证 |
| 5.1 总体方案和基本原理 |
| 5.2 基于ONU硬件指纹的物理层身份认证 |
| 5.3 结果分析 |
| 5.4 方案对比与讨论 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的论文目录 |
| 附录2 论文中英文缩写简表 |
（2）基于扩展小波树的自适应压缩采样及图像重构方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像采样方法研究现状 |
| 1.2.2 图像重构技术研究现状 |
| 1.3 论文主要研究内容和结构安排 |
| 2 压缩感知与自适应压缩采样 |
| 2.1 引言 |
| 2.2 压缩感知理论 |
| 2.2.1 图像的稀疏表示 |
| 2.2.2 测量矩阵的构造 |
| 2.2.3 重构算法 |
| 2.3 自适应压缩采样 |
| 2.3.1 小波树结构 |
| 2.3.2 基于小波树结构的压缩采样原理 |
| 2.3.3 利用DMD采样小波系数 |
| 2.4 本章小结 |
| 3 基于压缩感知与扩展小波树的自适应压缩成像 |
| 3.1 引言 |
| 3.2 数字微镜阵列分区控制与扩展小波树结构 |
| 3.2.1 基于单像素相机的DMD分区控制采样 |
| 3.2.2 扩展小波树理论 |
| 3.3 基于DMD分区控制与扩展小波树的自适应压缩成像方法 |
| 3.3.1 成像方法与流程 |
| 3.3.2 仿真测试与分析 |
| 3.3.3 实验测试与分析 |
| 3.4 本章小结 |
| 4 基于哈达玛编码与小波域插值的自适应压缩成像 |
| 4.1 引言 |
| 4.2 基于哈达玛矩阵编码测量的自适应压缩成像方法 |
| 4.2.1 哈达玛矩阵 |
| 4.2.2 基于哈达玛矩阵编码的成像模型 |
| 4.2.3 成像方法与流程 |
| 4.2.4 仿真测试与分析 |
| 4.2.5 实验测试与分析 |
| 4.3 基于小波域插值的自适应压缩成像方法 |
| 4.3.1 基于小波树结构的压缩采样存在的不足 |
| 4.3.2 图像超分辨重建插值算法 |
| 4.3.3 成像方法与流程 |
| 4.3.4 仿真测试与分析 |
| 4.3.5 实验测试与分析 |
| 4.4 本章小结 |
| 5 基于多任务贝叶斯模型的彩色自适应压缩成像 |
| 5.1 引言 |
| 5.2 基于RGB融合的彩色图像压缩采样方法 |
| 5.2.1 彩色图像的特征与描述 |
| 5.2.2 彩色图像压缩成像方法研究现状 |
| 5.2.3 相关性分析 |
| 5.3 多任务贝叶斯模型 |
| 5.3.1 贝叶斯方法与相关理论 |
| 5.3.2 分层贝叶斯模型 |
| 5.3.3 彩色图像的多任务贝叶斯模型 |
| 5.4 基于多任务贝叶斯模型的彩色自适应压缩成像方法 |
| 5.4.1 成像方法与流程 |
| 5.4.2 仿真测试与分析 |
| 5.4.3 实验测试与分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文主要研究成果和创新点 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文情况 |
| 攻读博士学位期间参加的科学研究情况 |
（3）基于小波稀疏测量的自适应压缩成像关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 压缩成像理论研究现状 |
| 1.2.2 图像压缩成像研究现状 |
| 1.2.3 视频压缩成像研究现状 |
| 1.2.4 三维压缩成像研究现状 |
| 1.3 论文的主要研究内容与结构安排 |
| 2 小波稀疏测量理论 |
| 2.1 小波基础理论 |
| 2.1.1 小波与小波变换 |
| 2.1.2 多分辨率分析 |
| 2.1.3 二维离散小波变换 |
| 2.2 图像的稀疏表示和图像压缩 |
| 2.2.1 图像的稀疏表示 |
| 2.2.2 图像压缩 |
| 2.2.3 小波变换用于图像压缩的优势 |
| 2.3 小波稀疏测量 |
| 2.3.1 基于小波树模型的显着系数位置预测 |
| 2.3.2 基于小波基测量模式的显着系数测量 |
| 2.3.3 小波域自适应测量与重构 |
| 2.4 压缩感知 |
| 2.4.1 非自适应压缩测量 |
| 2.4.2 稀疏约束下的重构 |
| 2.5 本章小结 |
| 3 基于小波稀疏测量的自适应压缩成像 |
| 3.1 单像素成像系统 |
| 3.1.1 系统组成 |
| 3.1.2 测量模型 |
| 3.2 基于Haar小波稀疏测量的自适应压缩成像 |
| 3.2.1 扩展小波树模型 |
| 3.2.2 基于Haar小波基测量模式的显着系数测量 |
| 3.2.3 基于扩展小波树的显着系数位置预测 |
| 3.2.4 算法流程 |
| 3.2.5 仿真结果与分析 |
| 3.2.6 实验结果与分析 |
| 3.3 基于YUV彩色空间小波稀疏测量的自适应彩色压缩成像 |
| 3.3.1 彩色压缩成像技术研究现状 |
| 3.3.2 彩色图像的稀疏表示 |
| 3.3.3 彩色图像显着系数位置预测及测量 |
| 3.3.4 算法流程 |
| 3.3.5 仿真结果与分析 |
| 3.3.6 实验结果与分析 |
| 3.4 本章小结 |
| 4 基于小波稀疏测量的自适应视频压缩成像 |
| 4.1 多分辨率视频压缩成像架构 |
| 4.2 基于小波域帧差的运动估计 |
| 4.3 多分辨率自适应视频压缩成像算法流程 |
| 4.4 仿真结果与分析 |
| 4.4.1 不同运动区域的对比仿真 |
| 4.4.2 无噪条件下的对比仿真 |
| 4.4.3 噪声条件下的对比仿真 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 5 基于小波稀疏测量的自适应单光子三维压缩成像 |
| 5.1 单光子三维压缩成像系统 |
| 5.1.1 系统搭建 |
| 5.1.2 噪声分析 |
| 5.1.3 单光子压缩测量模型 |
| 5.2 基于深度小波树的自适应单光子三维压缩成像 |
| 5.2.1 深度小波树模型 |
| 5.2.2 算法流程 |
| 5.2.3 实验结果与分析 |
| 5.3 基于深度压缩和哈达玛基扫描的自适应单光子三维压缩成像 |
| 5.3.1 深度压缩模型 |
| 5.3.2 自适应哈达玛基扫描 |
| 5.3.3 算法流程 |
| 5.3.4 实验结果与分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 研究成果与创新点 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于相邻像素灰度差的边缘检测及与其相结合的小波图像去噪（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 数字图像处理总述 |
| 1.2 数字图像处理分支简介 |
| 1.2.1 图像去噪 |
| 1.2.2 图像边缘检测 |
| 1.2.3 图像增强 |
| 1.2.4 图像分割 |
| 1.2.5 模式识别 |
| 1.2.6 图像融合 |
| 1.2.7 图像压缩 |
| 1.3 本文的内容和所做的主要工作 |
| 第二章 小波变换基本理论 |
| 2.1 小波理论的发展历史 |
| 2.2 小波变换理论 |
| 2.2.1 小波变换定义 |
| 2.2.2 连续小波变换 |
| 2.2.3 离散小波变换 |
| 2.2.4 二维离散小波变换 |
| 2.2.5 二进小波变换 |
| 2.3 多分辨率分析(Multi-resolution Analysis,MRA) |
| 2.3.1 多分辨分析定义 |
| 2.3.2 L~2(R)的正交分解 |
| 2.3.3 多分辨小波函数的构造 |
| 2.3.4 Mallat算法 |
| 2.4 小结 |
| 第三章 传统的边缘检测方法及基于小波的边缘检测方法 |
| 3.1 引言 |
| 3.2 传统边缘检测算子 |
| 3.2.1 基于微分的边缘检测算法 |
| 3.2.2 其他传统的边缘检测方法简介 |
| 3.3 基于小波变换的边缘检测方法 |
| 3.3.1 多尺度的小波变换图像边缘检测 |
| 3.4 本章小结 |
| 第四章 传统的图像去噪方法及基于小波变换的图像去噪方法 |
| 4.1 引言 |
| 4.2 传统的图像去噪方法 |
| 4.2.1 逆滤波去噪 |
| 4.2.2 约束性图像去噪算法 |
| 4.2.3 贝叶斯方法 |
| 4.2.4 最大熵法 |
| 4.3 基于小波变换的图像去噪 |
| 4.3.1 小波图像去噪综述 |
| 4.3.2 小波图像去噪方法分类与比较 |
| 4.4 本章小结 |
| 第五章 基于相邻像素灰度差的边缘检测及与其相结合的小波图像去噪 |
| 5.1 简述 |
| 5.2 基于相邻像素灰度差的图像边缘检测 |
| 5.2.1 基于相邻像素灰度差的图像边缘检测步骤 |
| 5.2.2 基于相邻像素灰度差的图像边缘检测结果 |
| 5.2.3 基于相邻像素灰度差的图像边缘检测方法分析 |
| 5.3 与本文边缘检测方法相结合的小波阈值图像去噪方法 |
| 5.3.1 总述 |
| 5.3.2 本文去噪方法描述 |
| 5.3.3 图像去噪方法结果比较 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（6）基于小波和偏微分方程的图像处理方法与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 小波理论及其在图像处理中的应用 |
| 1.3 偏微分方程理论及其在图像处理中的应用 |
| 1.4 偏微分方程与小波分析在图像处理中的关系概论 |
| 1.5 本论文的课题来源及内容安排 |
| 2 基于小波分析的数字图像处理方法 |
| 2.1 小波和多小波理论简介 |
| 2.2 小波分析在磁共振图像直流伪影分析和消除中的应用 |
| 2.3 小波变换在图像噪声滤除中的方法研究 |
| 2.4 多小波变换在图像噪声滤除和边缘特征提取中的应用 |
| 2.5 基于零系统定位误差约束的多小波边缘提取方法 |
| 2.6 本章小结 |
| 3 基于偏微分方程模型的数字图像处理方法 |
| 3.1 偏微分方程在图像处理中的应用概况 |
| 3.2 基于异质扩散的图像噪声抑制和边缘特征提取新方法 |
| 3.3 基于偏微分方程的图像分割方法 |
| 3.4 本章小结 |
| 4 小波和偏微分方程在图像处理应用中的联系 |
| 4.1 小波变换域中基于偏微分方程的图像处理 |
| 4.2 基于小波的数值均质化技术 |
| 4.3 小波和热子 |
| 4.4 本章小结 |
| 5 全文总结 |
| 5.1 本文的主要研究工作及创新点 |
| 5.2 未来主要发展方向 |
| 致谢 |
| 参考文献 |
| 附录1(作者攻读博士期间发表论文目录) |
| 附录2(论文中定理的证明) |
四、基于小波变换的快速二维门限化方法复杂度研究（论文参考文献）
- [1]正交频分复用无源光网络物理层安全防护技术研究[D]. 李珊珊. 华中科技大学, 2020(01)
- [2]基于扩展小波树的自适应压缩采样及图像重构方法研究[D]. 骆乐. 南京理工大学, 2019(01)
- [3]基于小波稀疏测量的自适应压缩成像关键技术研究[D]. 戴慧东. 南京理工大学, 2019(06)
- [4]基于相邻像素灰度差的边缘检测及与其相结合的小波图像去噪[D]. 石可玉. 青岛大学, 2011(06)
- [5]基于小波变换的快速二维门限化方法复杂度研究[J]. 王秋让,赵荣椿,郑南宁. 西安交通大学学报, 2000(01)
- [6]基于小波和偏微分方程的图像处理方法与应用[D]. 蔡超. 华中科技大学, 2005(05)