一、一种基于分形和小波变换的图像放大算法（论文文献综述）
景晨蕾[1]（2021）在《掺杂ZnO薄膜的应力特性及表面小波分形研究》文中进行了进一步梳理透明导电薄膜材料同时拥有良好的导电性和优越的可见光透过性,是一种重要的光电功能薄膜材料。其应用范围广泛,如电子、光电和机械等领域。作为与薄膜生长过程紧密相关的两个因素,薄膜表面形貌以及薄膜残余应力影响着薄膜的光电性能,并且对器件中薄膜的表现产生一定的影响。本文以掺杂ZnO基薄膜为研究对象,分别应用小波分析和分形分析的方法,对不同制备条件下单层ZnO基薄膜的表面形貌与残余应力之间的联系进行了研究,主要研究内容和成果如下:1.采用小波变换对不同溅射时间下制备的Ga掺杂ZnO（GZO）薄膜的表面形貌进行研究。应用多分辨率分析实现离散小波变换,分别应用Daubechie’s 10（db10）母小波对薄膜表面剖面轮廓以及二维表面形貌进行6层分解。结果表明,随着沉积时间的增加GZO薄膜（002）面衍射峰强度增大,表面颗粒的大小和高度同样与溅射时间线性相关。6层多分辨率分析的结果显示低频分量和一部分高频分量都显示出形貌的周期性结构,即无论溅射时间如何变化,构成薄膜表面的基本结构仍然一致,多分辨率分析后得到的局部形貌是薄膜粗糙形貌的主要构成部分。2.基于小波变换后薄膜表面相同的周期性结构,薄膜表面存在的自仿射特性,应用分形理论对不同沉积时间制备的GZO薄膜表面形貌进行分析。为弥补传统统计方法（root-mean-square,RMS粗糙度）在评价曲线起伏时的不足之处,应用分形维数来评价表面形貌的不规则特性。基于小波分析后表面轮廓的周期性结构特征,引入了一个简化了的表面模型来研究影响分形维数的各个因素。结果表明,分形维数受到薄膜表面颗粒直径以及相邻颗粒之间距离的影响。另外对全局和局部形貌的分形分析表明构成薄膜基本结构的全局形貌分形维数较小,起伏平缓;而局部形貌因受到各种粗糙机制的影响起伏剧烈,不规则程度大对应较大的分形维数。3.分别通过RMS粗糙度以及分形维数数值研究表面形貌和薄膜应力之间的相关性。结果显示RMS粗糙度和应力之间不存在明显的相关性,而分形分析表明随着薄膜应力的减小,对应的分形维数增大。进一步对不同退火温度下的GZO薄膜进行研究,为全面分析薄膜表面颗粒的密度以及尺寸变化,提出了一种灰度分形分析的方法,分析结果表现为灰度级数分形谱。结果显示较高的退火温度会导致原子较大的迁移率,此时会形成尺寸较大且高度较低的颗粒,但会造成薄膜内缺陷数量的增加,导致更大的压应力;在退火温度适宜的情况下,薄膜的压应力会减小,表面颗粒尺寸以及密度都较为适宜从而形成的薄膜会更加致密。4.对不同溅射气压下制备的GZO薄膜的结构、残余应力、表面形貌和光电特性之间的联系进行研究。应力最小的薄膜（1.0 Pa溅射气压）的表面颗粒尺寸以及高度分布相较其余薄膜较为均匀。薄膜的电阻率与表面分形维数呈现相同的变化趋势。进一步研究发现电阻率依赖表面颗粒高度、直径和相邻颗粒距离。颗粒高度对电阻率的影响占主导地位,在颗粒高度接近的情况下,电阻率随形貌的变化可通过灰度分形谱表征。通过光谱椭圆偏振法确定了各个薄膜样品的有效质量并研究了微观层面薄膜的传输特性,结果表明在研究电子输运相关性质时有必要精确计算有效质量。然而精确的有效质量加之莫斯-布尔斯效应（Burstein-Moss effect,BM效应）和能带窄化效应（band gap renormalization effect,BGR效应）不能完全解释光学带隙出现的异常变化。第一性原理计算模拟了ZnO体系在不同应变状态下禁带宽度的变化,结果表明在应变作用下Zn-3d和O-2p电子轨道的交互作用会发生变化从而使得材料的禁带宽度增大或减小。
张奇臣[2]（2020）在《基于Directionlet变换的图像超分辨率重建算法研究》文中进行了进一步梳理在图像图像处理领域,超分辨率重构一直都是难度很大且极富挑战性的研究课题。随着互联网的高速发展,手机、Pad和电脑等显示设备的屏幕不断增大,人们对图像的分辨率要求越来越高。以增加拍摄设备感光器件面积来获得更高分辨率的图像的解决方案因成本过高,且受制于器件工艺的发展,而不可能被广泛采用。因此大量的科研人员从事于从低分辨率图像重构高分辨率图像的算法研究,试图在图像显示端用软件实现图像尺寸的放大,从而规避拍摄设备发展的制约因素。图像的超分辨率重构算法依据参考图像的数量可分为基于多幅低分辨率参考图像的重构与基于单幅低分辨率参考图像的重构两种,其中基于单幅低分辨率参考图像的超分辨率重构算法的难度更大,应用范围更广。本课题从小波域入手提出了一种基于单幅低分辨率参考图像的超分辨率重构算法,获得了较理想的重构质量。本文首先分析对比了常见的超分辨率图像重建技术的基本理论与各种算法的优缺点。接着,根据小波变换在图像的稀疏性表示的优势,详细分析了在小波域进行的超分辨率图像重建原理,对比了两种小波域重建超分辨图像的算法框架:边缘指导型和边缘修正型,并在边缘修正型重构框架下提出了一种融合了稀疏插值和小波变换的基于稀疏插值的小波域边缘修正型超分辨率图像重建算法。实验仿真结果证明该算法计算复杂度低,图像重构质量较原始算法框架好。最后,针对小波变换在图像处理技术领域的不足,即小波分析变换会在图像轮廓的表示上产生大量幅值较大的系数,本文深入地研究了Directionlet理论,用实验对比了Directionlet变换相对小波变换的优势。最后将Directionlet系数与隐马尔科夫树（HMT）模型结合,提出了一种基于Directionlet域HMT模型的超分辨率图像重建算法。该方法在性能上和计算复杂度上达到了预期效果,重构图像质量较基于稀疏插值的小波域边缘修正型超分辨图像重构算法和原始边缘修正型超分辨重构算法有较大提高。
赵敏[3]（2019）在《基于新特征和小波变换的图像压缩编码算法》文中研究指明图像是对客观世界的一种相似和生动的描述,包含了有关被描述对象的信息。包含的数据量非常庞大,给存储和传输带来了难题。许多专家学者从图像的采集、增强、复原、变换、分割、编码、重建、配准、嵌拼、特征提取和模式识别等方面进行图像处理工作。其中分形图像压缩编码算法突破了传统方法的理论体系,得到了大家的广泛关注。但是由于它的计算复杂度较高、编码时间长等问题,限制了它的广泛应用。针对这些劣势,本文做了如下工作:（1）提出基于仿半叉迹特征的快速分形编码算法。首先定义子块仿半叉迹特征,其次证明了最小均方误差与子块仿半叉迹特征的关系,验证了采用该特征进行搜索的合理性。实验结果表明,提出的算法能有效降低数据的复杂度,在保证重构图像和原图像相似度很大的情况下,加快了编码速度。（2）提出八点和特征快速编码算法。首先给出八点和特征的定义,然后证明了它与最小均方误差的关系,进而验证了它的合理性。仿真结果表明,提出的算法在保证结构相似度很大的前提下,不仅加快了编码速度,而且峰值信噪比也有所提升。（3）提出小波变换与仿半叉迹特征相结合的分形图像编码算法。首先给出了小波变换的相关概念,其次,对原始图像进行二维小波变换,再通过特征编解码,最后通过二维逆小波变换就可以得到重构图像。根据实验结果,可知该混合编码算法的效率较高。
刘娟花[4]（2019）在《多尺度数据融合算法及其应用研究》文中指出分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测（Forward Linear Prediction,FLP）融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。
王昭[5]（2019）在《主信号抑制下的辐射源个体识别技术研究》文中研究表明辐射源个体识别作为战场电子支援系统的关键组成部分,为战场威胁分类、态势感知、指挥决策制定等环节提供情报支持,是夺取制信息权的重要手段之一。然而辐射源个体识别技术也面临一些局限,由于主信号能量高而对个体特征造成影响,使得个体特征稳定性降低,从而影响最终的个体识别效果,如何进一步从辐射源信号中凸显个体特征、提高个体识别率成为辐射源个体识别领域亟待解决的问题。在此背景下,本文对主信号抑制下的辐射源个体识别技术进行了研究。首先,对辐射源无意调制的来源进行了分析,研究显示辐射源硬件产生的无意调制使理想信号频谱展宽,产生边带分量。结合相位噪声加入方法,并采用高斯白噪声信道,完成了对线性调频、正弦调频加性相位噪声信号源的建模过程。其次,对基于同步压缩变换的主信号抑制过程进行了研究,对静态小波变换去噪预处理、同步压缩小波变换时频分布以及主信号抑制的整体流程进行了详细分析,通过仿真实验根据直观的时域波形对比,以及利用均方根误差和皮尔逊相关系数作为数值指标,论证了课题所采用的基于同步压缩主信号抑制算法的有效性,且较低信噪比条件下,仍能保持一定的抑制效果。然后,在主信号抑制的基础上依次对动态小波指纹、双谱围线积分以及分形盒维数进行了研究,并对主信号抑制前后的信号均进行了特征提取的联合仿真,利用单核支持向量机进行了个体识别率评价。仿真结果显示,在与保留主信号相比,主信号抑制过程对三种特征的识别率提升都在10%以上,验证了主信号抑制过程对辐射源个体识别技术的积极作用。最后,针对多域特征可能存在的异构问题,对多核学习支持向量机进行了研究,分别构建了简单多核学习和广义多核学习支持向量机,并利用联合多域特征进行分类效果对比。实验显示与传统单核支持向量机相比,简单多核学习算法对个体识别率的提升在3%至6%之间,二分类下的广义多核学习支持向量机也达到了与简单多核学习近似的效果。
伍子锴[6]（2019）在《基于小波及分形码去噪算法的研究》文中研究表明图像在存储和传输过程中,通常会受到不同的噪声干扰,从而导致图像的失真模糊现象。为了从受噪声污染的图像中获得有价值的信息并且改善图像的质量,就必须对含噪图像进行去噪处理,而含噪图像的去噪效果将会直接影响到图像后续处理的结果。本文主要是对小波包、偏微分方程及分形码图像去噪入手进行深入研究,对多种方法进行改进和相互结合,提出了新的去噪方法。结果表明,新方法很好的保留完整细节和边缘信息,有效的去除噪声。主要工作内容包括以下几方面:1.详细分析图像去噪的国内外研究现状、研究背景和意义,对基于小波、偏微分方程和分形图像编码的图像去噪算法进行了分析和研究。2.深入研究小波包以及偏微分方程的原理,针对大部分偏微分方程去噪算法去噪后边缘纹理信息容易被磨光,尤其是图像的灰度渐变区和图像淡边缘,不能有效地鉴别而被破坏的问题,利用小波包更加精细的信号分解能力和偏微分方程控制梯度变化的优异性能,提出一种新的小波包与偏微分方程相结合的图像去噪算法,用以保护边缘纹理等细节信息,同时兼顾去噪性能。3.深入研究基于分形码的图像去噪,并提出了一种有效的基于分形的图像去噪方法,分层分类用于提高编码速度,并避免大量无效的均方误差（Mean Square Error,MSE）计算。使用动态定义域块和值域块大小的基于四叉树的图像分区用于增加噪声消除的程度。使用非任意种子图像和附加的后处理来实现进一步的去噪。
莫程威[7]（2019）在《跨尺度测量数据拼接技术》文中研究指明跨尺度三维测量是一种解决目标零件多尺度三维形貌表征的重要方法,尤其是在机械加工、航空航天、刀具制备等领域中有着急切的需求,跨尺度测量数据的拼接是其中最为关键的技术之一。不同于单一尺度下三维测量数据,跨尺度数据在信息量、分辨率、细节丰富程度等方面均有差异,由此造成了跨尺度数据拼接的困难。本文从三维测量数据的多尺度处理、尺度参数的度量表征以及拼接方法等方面出发,对跨尺度测量数据的拼接技术进行深入的研究。本文的主要研究内容如下:（1）为解决测量尺度造成的跨尺度数据之间的差异,将小波多尺度方法应用于三维形貌数据,实现原始小尺度数据的多尺度分解,减小跨尺度数据之间的尺度差异。（2）针对跨尺度数据的尺度大小及差异难以表征的问题,提出利用分形维数以及局部信息熵表征尺度参数,为跨尺度数据之间的尺度差异提供度量依据,同时为小波多尺度近似的级数选择提供参考。（3）提出了一种尺度分解的跨尺度数据拼接方法,利用离散小波变换对原始数据进行多尺度分解,通过尺度表征技术度量尺度大小,选择合适的小波变换级数,最终将跨尺度数据统一至近似尺度,将跨尺度数据的拼接问题转换为近似尺度的拼接问题。（4）搭建软硬件平台,利用跨尺度的测量方法对刀具进行跨尺度测量,对采集到的数据进行拼接实验,验证本文提出的跨尺度拼接方法的可行性。
宋纾崎[8]（2018）在《基于车辆响应的轨道病害辨识研究》文中指出高速铁路是国家经济和社会发展的大动脉,同时也是国家强盛崛起一张靓丽的名片。随着“八纵八横”高速铁路网的规划实施,越来越多的高速列车和线路将投入运营,列车和线路的安全性愈发受到关注。由于高速列车的运营速度较高,列车与轨道相互作用更加剧烈,轨道状态的变化无时不刻在影响着列车的动力学性能,尤其是当轨道线路存在损伤或失效时,更可能会对列车行车安全造成重大影响。因此,对于轨道状态的检测和评估其对车辆性能的影响至关重要。受限于动力学分析技术和车辆的实际运营状况,针对车辆响应辨识并评估轨道状态的研究并不多见,基于此,本文在深入研究车辆-轨道耦合动力学的基础上,开展了关于轨道状态与车辆性能响应之间对应关系的研究,主要包含以下研究内容:首先,在建立车辆轨道耦合动力学常规模型的基础上,增加轴箱系统的动力学子模型,扩充了基于车辆部件振动响应辨识轨道状态的可行性。同时对比分析了拓展后的车辆轨道耦合动力学模型计算结果与实际测试数据,验证了本文所提出仿真计算模型的准确性和可用性。其次,针对焊缝不平顺、钢轨擦伤和钢轨剥离建立了完整的钢轨型面,建立了全新的钢轨伤损精确表征模型。解决了传统轨道缺陷表征在仿真模型中区分度低的问题。同时对不同波长的轨道不平顺采取了相应的物理模型和针对性算法,从而使仿真计算模型有效和真实地反映出伤损后轨面线型变化的实际状态。考虑到传统车辆轨道耦合动力学仿真模型在长大线路仿真计算时的效率问题和方法局限性,对车辆轨道耦合仿真模型的计算模式进行了解析,分析了轨道长度对计算效果的影响。针对计算量随轨道长度增加显着提升的关键问题,提出了一种适用于长大线路的车辆轨道耦合计算方法——滑移窗口计算方法。并以移动载荷作用下简支梁的振动模型为参考,分别与简支梁振动响应的解析解和有限元计算结果比较,验证了滑移窗口方法的准确性。同时与传统车辆轨道耦合仿真模型中的直接计算方法相比较,证明了滑移窗口方法可以在考虑完整轨道结构和轨下结构变化的前提下依然有很高的计算效率,实现了车辆移动在可考虑轨下结构时变的任意长度轨道线路的仿真计算。最后,基于前述仿真模型及算法,系统研究和分析了常见的轨道伤损与车辆响应间的对应关系。通过时域特征参数对不同波长轨道病害引起的车辆响应进行了统计分析,得到了能够有效区分不同波长轨道病害的特征统计量,并进一步辨识了相同波长轨道病害引起的车辆响应的对应关系。通过计算相同短波轨道病害引起的车辆响应的归一化小波能谱,揭示了不同伤损但同属短波轨道病害激励下车辆响应变化的规律。频域方面,研究了不同波长引起的车辆响应主频特征,从而可直接通过车辆响应辨识对应的轨道伤损形式,同时对随机不平顺造成的车辆响应在频域的干扰进行了探讨。针对沉降等特殊工况,由于长波轨道病害引起的车辆响应无法通过小波变换进行直接识别,分析长波不平顺造成的车辆响应的特点,利用多重分形谱方法对长波轨道病害引起的车辆响应进行了描述,从而有利于计算机快速数值识别,实现对轨道特定状态的量化评估。
张亚南[9]（2014）在《DEM分辨率确定与尺度转换方法研究》文中研究说明作为国家地理信息的基础数据,数字高程模型（Digital Elevation Model, DEM）是国家空间数据基础设施（NSDI）的框架数据,在国民经济和国防建设中具有重要的应用。在当今不同比例尺、不同分辨率、不同精度的DEM共存局面下,DEM尺度问题是急需解决的热点问题,这不仅是DEM和地学模型在集成上的根本保证,也是DEM数据推广和应用的关键所在。因此,DEM分辨率计算与转换成为DEM生产者与应用部门的重要研究命题之一。本文从原始散点数据入手,探索满足DEM地形表达要求的分辨率计算方法,当计算所得的分辨率不能与实际应用相匹配时,经常需要尺度转换。针对这一问题,本文基于分形、小波等数学理论,结合DEM的地形表达、地形分析,对DEM的分辨率计算和尺度转换进行了系统的研究,主要研究成果如下：（1）提出了基于分形理论的DEM分辨率确定方法。DEM是对地表形态的表达,应最大限度的反应地形信息量。这就需要从原始数据入手,探索DEM分辨率的确定方法。运用分形定量表达地形自相似性及复杂性的特性,建立了DEM分辨率与分形信息维数的关系,通过直线斜率差值寻求能够最大限度描述地形信息的拐点,从而确定DEM水平分辨率。（2）研究了基于多进制小波分解的DEM尺度上推算法。从DEM的实际应用需求出发,建立了DEM尺度上推的基本原则。顾及DEM尺度上推精度因素,构建了一种基于随机数的DEM尺度上推算法。利用多进制小波的多分辨率分析、多尺度分析特性,提出了一种基于多进制小波分解的DEM尺度上推方法,通过DEM的多进制小波分解,得到的低频部分即作为中低分辨率的DEM,并对该方法及常用的重采样方法进行对比分析。（3）提出了一种基于多进制小波与插值结合的DEM尺度下推算法。首先利用多进制小波分解,将得到的高频部分进行双线性插值并与原始DEM数据做为低频的部分,通过多进制小波逆变换得到尺度下推后的DEM数据,并对实验结果进行了主客观评价。（4）提出了一种多进制小波与滤波的DEM尺度下推算法。顾及多进制小波的方向性,将方向滤波作用于DEM数据上,构建DEM高频部分,并与原始DEM数据通过多进制小波重构得到尺度下推的DEM数据,并与上一算法进行比较分析。（5）在对基于学习的图像超分辨率重建算法分析的基础上,提出了一种基于DEM非局部相似性约束的邻域重构DEM尺度下推算法。通过获取部分高分辨的DEM数据,基于子区域的相似性和领域相容性,在低分辨率DEM数据中,寻找待尺度下推数据的非局部相似子区域,根据相似程度,将高分辨率数据映射到对应的区域,从而完成DEM的尺度下推,并与插值算法及多进制小波重构的DEM尺度下推算法进行对比分析。
杨海涛[10]（2012）在《基于分形和小波的数字水印及其在图档安全传输中的研究》文中研究表明在全球一体化的网络环境下，信息交换的便利产生了信息安全的诸多隐患，其重要性也与日俱增，传统密码学已经满足不了当前信息安全越来越多样化和复杂化的要求。信息隐藏可以利用载体信号中存在的冗余来隐藏秘密信号，并且不影响载体信号的正常使用，因而可以有效提高传输系统的安全性和可靠性。本文在研究信息隐藏和数字水印的基础上，结合现有的秘密信息传输系统，提出了基于分形和小波的图档安全传输系统。该系统主要包括秘密图像预处理模块、隐藏模块和提取模块等，能够保证秘密图像传输的安全性。首先，在研究小波域数字水印的基础上，提出了一种使用JND和零树编码的小波域彩色图像水印算法，对置乱后的水印和载体图像进行小波变换，按照频带重要性从低频到高频子带嵌入，并在子带内部根据零树编码方法选择重要的小波系数嵌入，嵌入强度因子为临界可见误差门限。实验证明，本文算法对常见的图像处理具有很好的隐蔽性和鲁棒性。其次，研究了信息隐藏算法，以及小波域分形图像编码在信息隐藏中的应用，在前面设计的彩色图像水印基础上，提出了一种基于分形和小波的信息隐藏算法，首先对秘密图像进行混沌置乱，然后用零树编码方法筛选小波零树，在三个子带方向的非零树区域根据图像树的分形匹配距离和JND门限选择最优的图像树嵌入，剩余的嵌入到小波零树区域。实验证明，本文算法有较好的透明性，对常见的图像攻击有较好的鲁棒性。最后，设计实现了系统，并在某单位外协生产系统的安全传输上进行了初步应用，实践证明，能够在正常情况、第三方拦截和干扰攻击下完成安全传输任务。
二、一种基于分形和小波变换的图像放大算法（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、一种基于分形和小波变换的图像放大算法（论文提纲范文）
（1）掺杂ZnO薄膜的应力特性及表面小波分形研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 薄膜的表面形貌 |
| 1.2.1 薄膜材料表面形貌的形成 |
| 1.2.2 薄膜材料表面形貌的测试表征 |
| 1.2.3 薄膜表面形貌的研究现状 |
| 1.3 薄膜应力 |
| 1.3.1 薄膜应力的产生 |
| 1.3.2 薄膜应力的测量 |
| 1.3.3 薄膜应力的研究现状 |
| 1.4 本论文的结构安排 |
| 第二章 小波变换原理和分形理论简介 |
| 2.1 前言 |
| 2.2 小波变换 |
| 2.2.1 傅里叶变换的局限性 |
| 2.2.2 小波变换 |
| 2.3 分形理论 |
| 2.3.1 分形理论概述 |
| 2.3.2 分形理论描述粗糙表面 |
| 2.4 本章小结 |
| 第三章 实验技术与测量方法 |
| 3.1 前言 |
| 3.2 射频磁控溅射法 |
| 3.2.1 溅射原理 |
| 3.2.2 溅射镀膜方式 |
| 3.3 薄膜样品表征 |
| 3.3.1 X射线衍射分析 |
| 3.3.2 原子力显微镜 |
| 3.3.3 扫描电子显微镜 |
| 3.3.4 霍尔效应测试 |
| 3.3.5 紫外—可见分光光度计 |
| 3.3.6 椭圆偏振测量技术 |
| 3.4 本章小结 |
| 第四章 Ga-ZnO薄膜表面形貌的小波分析 |
| 4.1 前言 |
| 4.2 样品制备和表征 |
| 4.3 结果和讨论 |
| 4.3.1 GZO薄膜的结构 |
| 4.3.2 GZO薄膜的表面形貌 |
| 4.3.3 GZO薄膜表面形貌的小波分析 |
| 4.4 本章小结 |
| 第五章 Ga-ZnO薄膜表面形貌的分形分析 |
| 5.1 前言 |
| 5.2 分形分析方法 |
| 5.2.1 传统分析方法 |
| 5.2.2 分形分析方法 |
| 5.3 GZO薄膜表面形貌的分形分析 |
| 5.3.1 GZO薄膜表面形貌的分形分析 |
| 5.3.2 GZO薄膜表面形貌的小波分形分析 |
| 5.4 本章小结 |
| 第六章 Ga-ZnO薄膜表面形貌及应力特性研究 |
| 6.1 前言 |
| 6.2 样品制备和表征 |
| 6.3 沉积时间对GZO薄膜表面形貌以及应力的影响 |
| 6.3.1 GZO薄膜的结构和应力 |
| 6.3.2 GZO薄膜表面形貌和应力的关系 |
| 6.4 退火温度对GZO薄膜表面形貌以及应力的影响 |
| 6.4.1 退火温度对GZO薄膜的结构和应力的影响 |
| 6.4.2 退火后GZO薄膜的表面形貌和应力的关系 |
| 6.5 本章小结 |
| 第七章 Ga-ZnO薄膜表面形貌及应力对光电特性调控研究 |
| 7.1 前言 |
| 7.2 实验和计算方法 |
| 7.2.1 样品制备和表征 |
| 7.2.2 计算方法和模型 |
| 7.3 结果和讨论 |
| 7.3.1 GZO薄膜的结构和应力 |
| 7.3.2 GZO薄膜表面形貌和电学性能的关系 |
| 7.3.3 GZO薄膜有效质量和光电性能的关系 |
| 7.3.4 应变对禁带宽度的影响 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 全文总结 |
| 8.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（2）基于Directionlet变换的图像超分辨率重建算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 超分辨率重建的研究目的和意义 |
| 1.2 超分辨率图像重建的定义、研究内容、现状和不足 |
| 1.3 论文的主要工作与创新点 |
| 1.4 研究内容和章节安排 |
| 第二章 常用超分辨率图像重建技术介绍 |
| 2.1 引言 |
| 2.2 像素域基于插值滤波器的超分辨率图像重建技术 |
| 2.2.1 理论基础 |
| 2.2.2 邻近插值算法 |
| 2.2.3 双线性插值算法 |
| 2.2.4 双三次插值算法 |
| 2.2.5 兰索斯插值算法 |
| 2.2.6 优点与不足 |
| 2.3 像素域基于纹理特征的超分辨率图像重建技术 |
| 2.3.1 理论基础 |
| 2.3.2 分形插值算法 |
| 2.3.3 数学形态学插值算法 |
| 2.3.4 小波分析插值算法 |
| 2.4 衡量超分辨率图像重建算法的评价方法 |
| 2.4.1 主观评价 |
| 2.4.2 客观评价 |
| 2.5 本章小结 |
| 第三章 小波域的超分辨率图像重建算法 |
| 3.1 引言 |
| 3.2 小波变换基本理论 |
| 3.2.1 一维小波变换 |
| 3.2.2 二维小波变换 |
| 3.3 基于小波变换的超分辨率图像重建算法 |
| 3.3.1 小波域的超分辨率图像重建的原理 |
| 3.3.2 小波域的超分辨率图像重建方案 |
| 3.4 小波域的边缘修正型超分辨率图像重建改进 |
| 3.4.1 稀疏插值 |
| 3.4.2 边缘修正型超分辨率图像重建算法测试方案 |
| 3.4.3 系数修正因子与小波种类、插值算法关系的实验测试 |
| 3.4.4 小波域超分辨率图像重建算法的实验验证 |
| 3.5 小波变换在超分辨率图像重建方面的优势与亟待解决的问题 |
| 3.5.1 小波变换超分辨率重建的优势 |
| 3.5.2 可分离的标准二维小波变换的缺点 |
| 3.6 本章小结 |
| 第四章 基于Directionlet域的HMT模型 |
| 4.1 标准二维小波变换在图像领域的局限 |
| 4.1.1 空间方向性固定 |
| 4.1.2 空间各向同性 |
| 4.2 多尺度几何分析研究 |
| 4.3 Directionlet变换理论及其实现 |
| 4.3.1 整数栅格多方向框架 |
| 4.3.2 二维各向异性小波变换 |
| 4.3.3 Directionlet变换 |
| 4.4 Directionlet域 HMT模型的构造 |
| 4.5 Directionlet域 HMT模型的超分辨率图像重建 |
| 4.5.1 边缘修正函数的构造 |
| 4.5.2 重建算法实现步骤 |
| 4.6 实验评价及结果分析 |
| 4.6.1 超分辨率图像重建的评价 |
| 4.6.2 实验结果及分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 硕士期间成果 |
（3）基于新特征和小波变换的图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 图像压缩的背景 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 常用编码算法 |
| 1.2.3 图像压缩编码的性能评价 |
| 1.3 分形图像压缩编码 |
| 1.3.1 分形理论创立与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形图像压缩编码原理 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 分形图像压缩编码算法实现 |
| 2.2.1 编码算法 |
| 2.2.2 解码算法 |
| 2.3 本章小结 |
| 第三章 仿半叉迹特征的快速分形图像编码 |
| 3.1 算法理论依据 |
| 3.2 算法分析与实现 |
| 3.3 实验仿真结果 |
| 3.4 本章小节 |
| 第四章 八点和特征快速编码算法 |
| 4.1 算法理论依据 |
| 4.2 算法分析与实现 |
| 4.3 实验仿真结果 |
| 4.4 本章小节 |
| 第五章 小波变换与仿半叉迹特征相结合的分形图像编码 |
| 5.1 算法理论依据 |
| 5.2 算法分析与实现 |
| 5.3 仿真实验结果 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（4）多尺度数据融合算法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 多传感器信息融合概述 |
| 1.2.1 信息融合的概念和优点 |
| 1.2.2 信息融合的模型 |
| 1.2.3 信息融合的方法 |
| 1.2.4 信息融合技术的研究现状 |
| 1.3 多尺度数据融合有关技术及进展 |
| 1.3.1 多尺度系统估计理论研究概况 |
| 1.3.2 多尺度数据融合的应用及研究现状 |
| 1.3.3 多尺度数据融合概念的演变 |
| 1.4 MEMS陀螺仪中漂移信号处理方法研究现状 |
| 1.5 陀螺仪中的多尺度数据融合及需要解决的问题 |
| 1.6 本文的主要研究内容及结构安排 |
| 2 多尺度数据融合算法及其有效性的证明 |
| 2.1 引言 |
| 2.2 小波分解原子时算法 |
| 2.2.1 常见时间尺度 |
| 2.2.2 原子时算法 |
| 2.2.3 小波分解原子时算法的提出 |
| 2.2.4 小波分解原子时算法有待解决的问题 |
| 2.2.5 小波分解原子时算法的基本原理 |
| 2.3 预备知识 |
| 2.3.1 原子钟的噪声特性 |
| 2.3.2 相关说明 |
| 2.4 随机信号数据融合的理论体系 |
| 2.4.1 平稳单尺度数据融合 |
| 2.4.2 平稳多尺度数据融合 |
| 2.4.3 非平稳单尺度数据融合 |
| 2.4.4 非平稳多尺度数据融合 |
| 2.5 非平稳多尺度数据融合定理的证明 |
| 2.6 分析与讨论 |
| 2.7 本章小结 |
| 3 多尺度数据融合算法的小波包实现 |
| 3.1 引言 |
| 3.2 小波变换和小波包变换 |
| 3.3 小波包的基本理论 |
| 3.3.1 正交小波包的定义与性质 |
| 3.3.2 小波包的子空间分解 |
| 3.3.3 小波库及小波包基的定义 |
| 3.3.4 小波包的分解与重构算法 |
| 3.3.5 最优小波包基的概念 |
| 3.3.6 最优基的快速搜索 |
| 3.4 基于小波包的多尺度数据融合方案 |
| 3.4.1 基于小波变换的多尺度数据融合算法 |
| 3.4.2 基于小波包的多尺度数据融合方案 |
| 3.5 基于小波包的多尺度陀螺融合实验研究 |
| 3.5.1 MEMS陀螺概述 |
| 3.5.2 MEMS陀螺随机误差分析 |
| 3.5.3 MEMS陀螺随机误差的Allan方差分析 |
| 3.5.4 MEMS陀螺漂移的数学模型 |
| 3.5.5 MEMS陀螺信号实时小波处理方法 |
| 3.5.6 基于小波包的多尺度陀螺融合算法仿真实验 |
| 3.6 本章小结 |
| 4 小波多尺度数据融合中关键技术 |
| 4.1 MEMS陀螺噪声特性与小波熵 |
| 4.1.1 MEMS陀螺误差及噪声特性 |
| 4.1.2 小波熵 |
| 4.2 常见的小波簇 |
| 4.2.1 小波基的性质 |
| 4.2.2 常用小波基 |
| 4.3 基于小波变换的数据融合中小波基的选取 |
| 4.3.1 小波基选取原则 |
| 4.3.2 小波基的比较 |
| 4.3.3 小波簇的选取 |
| 4.3.4 陀螺数据融合效果评价 |
| 4.3.5 最佳小波基选取实验 |
| 4.4 小波分解层数的设定 |
| 4.5 数据融合加权因子的选择 |
| 4.6 本章小结 |
| 5 多尺度融合与其它MEMS陀螺信号处理方法的比较 |
| 5.1 MEMS陀螺仪噪声抑制方法研究概述 |
| 5.1.1 MEMS陀螺仪噪声抑制方法研究现状 |
| 5.1.2 卡尔曼滤波和小波阈值去噪法的缺点 |
| 5.1.3 多尺度数据融合算法的优点 |
| 5.2 MEMS陀螺数据处理中的多传感器数据融合 |
| 5.2.1 多尺度融合 |
| 5.2.2 卡尔曼滤波融合 |
| 5.2.3 小波阈值融合 |
| 5.3 基于仿真信号对三种融合方法的比较 |
| 5.3.1 仿真信号的产生 |
| 5.3.2 第一组仿真实验(Chirp信号+高斯白噪声) |
| 5.3.3 第二组仿真实验(Chirp信号+有色噪声) |
| 5.4 基于实测信号对三种融合方法的比较 |
| 5.5 三种融合方法比较的结论 |
| 5.6 多尺度数据融合与FLP(前向线性预测)方法的比较 |
| 5.6.1 FLP算法 |
| 5.6.2 基于FLP滤波的多传感器融合方法 |
| 5.6.3 FLP滤波融合结果和分析 |
| 5.7 本章小结 |
| 6 多尺度数据融合系统设计与验证 |
| 6.1 系统的总体设计方案 |
| 6.1.1 系统需求分析 |
| 6.1.2 系统整体框图 |
| 6.1.3 系统中的主要器件选型 |
| 6.2 硬件电路设计 |
| 6.2.1 陀螺仪模块 |
| 6.2.2 协处理器模块 |
| 6.2.3 主处理器模块 |
| 6.2.4 系统实物图 |
| 6.3 系统软件设计 |
| 6.3.1 接口部分 |
| 6.3.2 融合处理部分 |
| 6.4 实验研究 |
| 6.5 本章小结 |
| 7 结论 |
| 7.1 本文的主要研究成果 |
| 7.2 创新研究 |
| 7.3 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表和收录的论文 |
| 攻读博士学位期间获奖 |
| 攻读博士学位期间参加的科研项目 |
（5）主信号抑制下的辐射源个体识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源及研究的背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 辐射源识别研究现状 |
| 1.2.2 辐射源个体识别研究现状 |
| 1.2.3 分类器设计研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 无意调制信号源分析与建模 |
| 2.1 引言 |
| 2.2 无意调制的来源 |
| 2.2.1 振荡器相位噪声的研究 |
| 2.2.2 功率放大器非线性失真的研究 |
| 2.3 信号源建模与分析 |
| 2.3.1 线性调频加性相位噪声信号源 |
| 2.3.2 正弦调频加性相位噪声信号源 |
| 2.4 本章小结 |
| 第3章 基于同步压缩小波变换的主信号抑制 |
| 3.1 引言 |
| 3.2 主信号抑制预处理 |
| 3.2.1 静态小波变换原理 |
| 3.2.2 静态小波变换去噪性能仿真 |
| 3.3 同步压缩小波变换 |
| 3.3.1 同步压缩小波变换原理 |
| 3.3.2 同步压缩小波变换时频分布仿真 |
| 3.4 主信号抑制算法研究 |
| 3.4.1 基于同步小波变换的主信号抑制框架 |
| 3.4.2 时频分布脊提取算法 |
| 3.4.3 主信号抑制仿真实验 |
| 3.5 本章小结 |
| 第4章 加性相位噪声多域特征提取 |
| 4.1 引言 |
| 4.2 基于动态小波指纹的特征提取 |
| 4.2.1 动态小波指纹基本原理 |
| 4.2.2 基于动态小波指纹的特征提取仿真及分析 |
| 4.3 基于围线积分双谱的特征提取 |
| 4.3.1 围线积分双谱理论基础 |
| 4.3.2 基于围线积分双谱的特征提取仿真及分析 |
| 4.4 基于分形盒维数的特征提取 |
| 4.4.1 分形维数理论基础 |
| 4.4.2 基于盒维数的特征提取仿真及分析 |
| 4.5 本章小结 |
| 第5章 基于多核学习支持向量机的辐射源个体识别 |
| 5.1 引言 |
| 5.2 支持向量机基础 |
| 5.3 多核学习支持向量机原理 |
| 5.3.1 简单多核学习(SimpleMKL)算法 |
| 5.3.2 广义多核学习(GMKL)算法 |
| 5.4 基于多核学习支持向量机的个体识别仿真 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（6）基于小波及分形码去噪算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 图像去噪技术的研究现状 |
| 1.3 本文的主要安排 |
| 第二章 图像去噪技术的相关理论 |
| 2.1 小波变换 |
| 2.1.1 理论概述 |
| 2.1.2 阈值去噪 |
| 2.2 偏微分方程 |
| 2.2.1 基于PM模型的图像去噪 |
| 2.2.2 基于MCD模型的图像去噪 |
| 2.3 分形码理论 |
| 2.3.1 分形编码 |
| 2.3.2 分形解码 |
| 2.4 本章小结 |
| 第三章 小波包与偏微分方程相结合的图像去噪算法 |
| 3.1 PM模型与MCD模型相结合的去噪模型 |
| 3.2 新去噪模型的提出 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于分形码的图像去噪算法 |
| 4.1 算法实现 |
| 4.1.1 层次化分类 |
| 4.1.2 四叉树分块 |
| 4.2 合理性分析 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 研究总结 |
| 5.2 工作展望 |
| 参考文献 |
| 硕士学位期间发表论文 |
（7）跨尺度测量数据拼接技术（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 背景 |
| 1.2.1 研究目标 |
| 1.2.2 研究现状 |
| 1.3 论文选题意义 |
| 1.4 本文研究内容及工作安排 |
| 第二章 面向三维测量数据的多尺度分解方法 |
| 2.1 引言 |
| 2.2 多尺度分析理论 |
| 2.2.1 图像金字塔 |
| 2.2.2 高斯尺度空间 |
| 2.3 基于小波的多尺度分析方法 |
| 2.3.1 小波变换 |
| 2.3.2 离散小波变换 |
| 2.3.3 二维离散小波变换 |
| 2.4 基于离散小波的三维数据多尺度分解 |
| 2.4.1 数据类型分析 |
| 2.4.2 小波变换基函数的选择 |
| 2.4.3 小波多尺度结果分析 |
| 2.5 本章小结 |
| 第三章 面向三维测量数据的尺度参数表征技术 |
| 3.1 引言 |
| 3.2 基于分形维数的三维数据尺度表征 |
| 3.3 基于信息熵的三维数据尺度表征方法 |
| 3.3.1 基于信息熵的三维数据信息表征 |
| 3.3.2 基于主成分分析的三维数据倾斜矫正 |
| 3.3.3 三维数据局部熵值分析 |
| 3.3.4 三维数据分辨率对局部熵值的影响 |
| 3.4 尺度表征验证与分析 |
| 3.5 本章小结 |
| 第四章 面向近似尺度三维测量数据的拼接方法 |
| 4.1 引言 |
| 4.2 基于特征点的三维点云粗配准方法 |
| 4.2.1 特征点检测与描述 |
| 4.2.2 采样一致性初始配准方法 |
| 4.3 基于ICP的精确配准方法 |
| 4.4 方法验证与分析 |
| 4.4.1 ISS特征点提取验证与分析 |
| 4.4.2 SAC-IA粗配准结果 |
| 4.4.3 ICP精配准结果 |
| 4.4.4 转换矩阵应用于原始数据的可行性分析 |
| 4.5 本章小结 |
| 第五章 跨尺度测量数据拼接验证与分析 |
| 5.1 引言 |
| 5.2 实验平台搭建与测量数据获取 |
| 5.2.1 对焦显微测量方法 |
| 5.2.2 投影结构光测量方法 |
| 5.2.3 两种测量方法对比分析 |
| 5.3 软件系统 |
| 5.4 跨尺度数据拼接实验 |
| 5.4.1 实验流程 |
| 5.4.2 不同放大倍率跨尺度数据拼接实验 |
| 5.4.3 不同测量方法跨尺度数据拼接实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的论文 |
（8）基于车辆响应的轨道病害辨识研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 轨道检测技术 |
| 1.2.1 几何不平顺检测技术 |
| 1.2.2 机器视觉技术 |
| 1.2.3 激光扫描技术 |
| 1.3 轨道状态的估计与辨识技术 |
| 1.3.1 轨道状态估计与辨识技术的发展 |
| 1.3.2 轨道状态估计与辨识的模型与方法 |
| 1.4 本文的主要研究内容 |
| 第2章 车辆轨道耦合模型及其验证 |
| 2.1 车辆-轨道耦合动力学模型及方程 |
| 2.1.1 车辆动力学模型 |
| 2.1.2 轨道动力学模型 |
| 2.1.3 轮轨空间动态相互作用模型 |
| 2.1.4 加载轨道激扰 |
| 2.1.5 动力学方程求解方法 |
| 2.2 仿真程序验证 |
| 2.2.1 轮轨接触几何关系 |
| 2.2.2 谐波不平顺车辆-轨道耦合动力学计算 |
| 2.3 本章小结 |
| 第3章 病害轨道仿真模型 |
| 3.1 轨道随机不平顺模型 |
| 3.2 轨道病害仿真模型 |
| 3.2.1 短波轨道病害 |
| 3.2.2 中波轨道病害 |
| 3.2.3 长波轨道病害 |
| 3.3 本章小结 |
| 第4章 滑移窗口方法 |
| 4.1 车辆轨道耦合模型的计算模式 |
| 4.1.1 车辆轨道耦合模型的数值方法 |
| 4.1.2 车辆轨道耦合模型的计算量 |
| 4.2 滑移窗口方法 |
| 4.2.1 滑移窗口的概念与思想 |
| 4.2.2 滑移窗口的实现过程 |
| 4.3 滑移窗口方法关键参数设置 |
| 4.3.1 窗口长度 |
| 4.3.2 窗口移动比率 |
| 4.4 滑移窗口方法的验证 |
| 4.4.1 解析方法验证 |
| 4.4.2 有限元方法验证 |
| 4.4.3 与耦合模型直接计算方法的比较 |
| 4.5 滑移窗口方法计算效率评估 |
| 4.6 本章小结 |
| 第5章 车辆响应与轨道缺陷的关系 |
| 5.1 车辆在轨道病害激扰下的响应 |
| 5.1.1 短波轨道病害的车辆响应 |
| 5.1.2 中波轨道病害的车辆响应 |
| 5.1.3 长波轨道病害的车辆响应 |
| 5.1.4 不同波长轨道病害的影响主体 |
| 5.2 基于时域特征参数的轨道确定性不平顺辨识算法与结果分析 |
| 5.2.1 时域特征参数 |
| 5.2.2 基于时域特征参数的轨道确定性不平顺辨识算法及结果 |
| 5.3 基于傅里叶分析的轨道病害辨识算法与结果分析 |
| 5.3.1 傅里叶分析[148] |
| 5.3.2 车辆响应的频率特征 |
| 5.4 基于小波变换的轨道病害辨识算法与结果分析 |
| 5.4.1 小波变换简要理论[149,150] |
| 5.4.2 小波基函数的选择 |
| 5.4.3 定性辨识的方法 |
| 5.4.4 基于小波理论的车辆响应与轨道状态识别结果分析 |
| 5.5 通过车辆响应识别轨道病害的方法 |
| 5.6 本章小结 |
| 结论与展望 |
| 1 主要结论 |
| 2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间发表论文及参加科研项目情况 |
（9）DEM分辨率确定与尺度转换方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 图目录 |
| 表目录 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 数字高程模型与数字地形表达 |
| 1.1.2 DEM尺度问题 |
| 1.2 国内外研究现状 |
| 1.2.1 DEM分辨率确定方法研究现状 |
| 1.2.2 DEM尺度变换研究现状 |
| 1.2.3 存在的问题 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 论文组织 |
| 第2章 理论基础 |
| 2.1 数字高程模型概述 |
| 2.1.1 DEM获取 |
| 2.1.2 DEM内插方式 |
| 2.1.3 DEM分辨率选择 |
| 2.2 分形理论 |
| 2.2.1 分形 |
| 2.2.2 自相似性与标度不变性 |
| 2.2.3 分维 |
| 2.2.4 分维值测定方法 |
| 2.3 多进制小波理论 |
| 2.3.1 多进制小波及其特性 |
| 2.3.2 多进制小波的分解与重构 |
| 2.4 本章小结 |
| 第3章 基于分形理论的DEM分辨率确定方法 |
| 3.1 分辨率确定影响因素 |
| 3.1.1 DEM获取方式 |
| 3.1.2 地形表达 |
| 3.1.3 应用目的 |
| 3.1.4 计算机处理能力 |
| 3.2 基于信息维数的DEM分辨率计算原理与方法 |
| 3.2.1 基于信息维数的DEM分辨率计算原理 |
| 3.2.2 DEM信息维数计算方法 |
| 3.2.3 DEM信息维数计算过程 |
| 3.3 实验与分析 |
| 3.3.1 信息维数与分辨率关系 |
| 3.3.2 拐点的定量确定 |
| 3.4 本章小结 |
| 第4章 基于多进制小波分解的DEM尺度上推算法 |
| 4.1 DEM尺度上推特性分析 |
| 4.1.1 DEM尺度上推 |
| 4.1.2 DEM尺度上推基本原则 |
| 4.2 DEM尺度转换评价指标 |
| 4.2.1 DEM的精度评价 |
| 4.2.2 DEM的相关性评价 |
| 4.3 基于重采样的DEM尺度上推算法 |
| 4.3.1 DEM重采样方法 |
| 4.3.2 实验与分析 |
| 4.4 基于随机数的DEM尺度上推算法 |
| 4.4.1 基于随机数的DEM尺度上推 |
| 4.4.2 实验与分析 |
| 4.5 基于多进制小波分解DEM尺度上推算法 |
| 4.5.1 基于多进制小波的DEM尺度上推原理 |
| 4.5.2 基于多进制小波的DEM尺度上推方法 |
| 4.5.3 实验与分析 |
| 4.6 本章小结 |
| 第5章 基于多进制小波重构的DEM尺度下推算法 |
| 5.1 DEM尺度下推概述 |
| 5.1.1 超分辨率方法 |
| 5.1.2 DEM尺度下推方法分析 |
| 5.2 基于多进制小波与插值的DEM尺度下推算法 |
| 5.2.1 算法思想和步骤 |
| 5.2.2 基于三进制小波与插值的DEM尺度下推 |
| 5.2.3 实验与分析 |
| 5.3 基于多进制小波与滤波的DEM尺度下推算法 |
| 5.3.1 基于二进制小波与滤波的DEM尺度下推 |
| 5.3.2 基于三进制小波与滤波的DEM尺度下推 |
| 5.3.3 实验与分析 |
| 5.4 本章小结 |
| 第6章 基于非局部相似性约束的邻域重构DEM尺度下推算法 |
| 6.1 DEM的非局部相似性估计 |
| 6.1.1 非局部相似性 |
| 6.1.2 基于SIFT特征的DEM相似性度量 |
| 6.2 DEM邻域重构关系建立 |
| 6.2.1 LLE算法 |
| 6.2.2 LLE算法与DEM尺度下推关系 |
| 6.2.3 邻域重构关系建立 |
| 6.3 基于非局部相似性约束的邻域重构的DEM尺度下推 |
| 6.3.1 算法描述 |
| 6.3.2 特征提取 |
| 6.3.3 DEM尺度下推算法实现 |
| 6.3.4 实验与分析 |
| 6.4 尺度下推方法对比分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 论文完成的主要工作 |
| 7.2 论文创新点 |
| 7.3 展望 |
| 参考文献 |
| 在读期间发表的学术论文及研究成果 |
| 致谢 |
（10）基于分形和小波的数字水印及其在图档安全传输中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 信息隐藏技术简介 |
| 1.3 数字水印技术简介 |
| 1.4 信息隐藏及数字水印的研究现状 |
| 1.5 本文的主要工作与内容安排 |
| 第二章 关键技术研究 |
| 2.1 分形图像压缩编码 |
| 2.1.1 分形概述 |
| 2.1.2 分形理论的数学基础 |
| 2.1.2.1 分形空间 |
| 2.1.2.2 压缩映射 |
| 2.1.2.3 迭代函数系统 IFS |
| 2.1.3 分形图像压缩编码基本方法 |
| 2.1.3.1 编码方法 |
| 2.1.3.2 解码方法 |
| 2.2 离散小波变换 |
| 2.2.1 离散小波变换的数学基础 |
| 2.2.2 图像的小波变换 |
| 2.3 数字水印技术 |
| 2.3.1 数字水印的基本模型 |
| 2.3.2 图像数字水印的性能评估 |
| 2.3.3 图像的小波域数字水印算法 |
| 2.4 信息隐藏技术 |
| 2.4.1 信息隐藏的基本模型 |
| 2.4.2 小波域分形图像编码在信息隐藏中的应用 |
| 2.5 本章小结 |
| 第三章 基于分形和小波的图档安全传输系统框架设计 |
| 3.1 需求分析 |
| 3.2 系统结构设计 |
| 3.2.1 框架设计 |
| 3.2.2 秘密信息隐藏子系统设计 |
| 3.2.3 秘密信息提取子系统设计 |
| 3.3 系统关键技术 |
| 3.3.1 使用 JND 和零树编码的小波域彩色图像水印算法 |
| 3.3.2 基于分形和小波的信息隐藏算法 |
| 3.4 本章小结 |
| 第四章 使用 JND 和零树编码的小波域彩色图像水印算法设计 |
| 4.1 小波域的 JND 模型 |
| 4.2 嵌入式零树小波编码 |
| 4.2.1 小波系数的零树结构 |
| 4.2.2 编码方法 |
| 4.3 彩色数字水印嵌入与提取算法 |
| 4.3.1 彩色水印嵌入方法 |
| 4.3.2 彩色水印提取方法 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于分形和小波的信息隐藏算法设计 |
| 5.1 小波树与方向性小波树 |
| 5.1.1 小波树 |
| 5.1.2 方向性小波树 |
| 5.2 小波域分形编码的仿射变换 |
| 5.3 基于分形和小波的信息隐藏算法 |
| 5.3.1 秘密信息的预处理 |
| 5.3.2 秘密信息嵌入方法 |
| 5.3.3 秘密信息提取方法 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 系统实现及应用 |
| 6.1 系统的开发环境 |
| 6.2 系统实现 |
| 6.2.1 类图 |
| 6.2.2 秘密信息隐藏模块实现 |
| 6.2.3 秘密信息提取模块实现 |
| 6.3 系统应用 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
四、一种基于分形和小波变换的图像放大算法（论文参考文献）
- [1]掺杂ZnO薄膜的应力特性及表面小波分形研究[D]. 景晨蕾. 电子科技大学, 2021(01)
- [2]基于Directionlet变换的图像超分辨率重建算法研究[D]. 张奇臣. 电子科技大学, 2020(07)
- [3]基于新特征和小波变换的图像压缩编码算法[D]. 赵敏. 南京邮电大学, 2019(02)
- [4]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019
- [5]主信号抑制下的辐射源个体识别技术研究[D]. 王昭. 哈尔滨工业大学, 2019(02)
- [6]基于小波及分形码去噪算法的研究[D]. 伍子锴. 南京信息工程大学, 2019(04)
- [7]跨尺度测量数据拼接技术[D]. 莫程威. 南京航空航天大学, 2019
- [8]基于车辆响应的轨道病害辨识研究[D]. 宋纾崎. 西南交通大学, 2018(03)
- [9]DEM分辨率确定与尺度转换方法研究[D]. 张亚南. 南京师范大学, 2014(02)
- [10]基于分形和小波的数字水印及其在图档安全传输中的研究[D]. 杨海涛. 南京航空航天大学, 2012(04)