一、基于Haar小波的DEM多尺度表达的研究（论文文献综述）
王魁良[1]（2021）在《Haar小波数值方法及其在力学问题中的应用》文中研究说明小波分析是近几十年快速发展起来的一种数学工具,已经被运用于微分方程的数值求解。结构分析和工程力学中的问题多是以微分方程的形式来表征的,这类方程往往有高维、高阶和非线性等难点,所以需要有效的数值方法来求解。本研究小组之前提出的一种基于Coiflet小波的积分配点方法,具有非常高的精度。但由于支撑集为[0,17]的Coiflet小波不具有解析表达式,其函数值和积分只能通过一系列相对复杂的计算在二分点处求取,增加了复杂度和计算量,这在一定程度上限制了该方法的使用。而Haar小波形式简单,相关的计算容易,作为一种具有显式表达式的小波,同时还具有规范正交性、紧支撑等性质。本文针对求解精度上要求不是特别高的问题,基于Haar小波构造了积分配点方法。首先通过Haar小波的函数展开定理,分析了用小波积分的方法求解微分方程的原理和可行性。然后给出了方程中各项用函数的最高阶偏导数通过Haar小波及其积分表示的表达式以及边界条件的处理方法。最后给出了使用配点法离散方程和求解离散后得到的代数方程的方法,以及待求函数的重构。为了检验该方法的性能,对于静力学的边值问题,我们选取一维Bratu方程和方板弯曲方程作为算例。其中Bratu方程采用了不同的表示非线性强弱的参数,方板弯曲问题包括小挠度和大挠度两种情形分别对应的线性和非线性方程,以及不同类型的载荷。通过对这些具有不同参数和特点的方程进行求解并进行误差分析,我们发现所构造的Haar小波积分配点法具不受方程阶数和非线性强弱影响的稳定的二阶收敛精度,误差也在可观的范围内。对于动力学的初边值问题,我们选取流体力学中经典的槽道流和方腔流作为算例,用Haar小波积分配点法结合人工压缩算法求解了二维原始变量粘性不可压缩流动的N-S方程。其中将时间作为与空间坐标等价的变量处理,也给出了将边界条件纳入初始条件的处理方法。计算表明,使用较少的节点即可模拟出较好的流场结果,证明了该方法在求解动力学问题中复杂非线性方程的可行性。
林昌[2]（2021）在《大雾下海上图像的目标分离与智能辨识研究》文中研究说明大雾天气会对船舶航行安全造成明显影响,通过在船舶上加装视觉传感器有助于提前获知和判断海上情况,提升智能船舶自主航行的安全性。然而,在大雾环境下,通过传感器获取的海上图像往往存在对比度低、颜色失真和细节丢失等问题,并且受海面浪花和反光等干扰,会导致海上图像纹理和形状等特征信息干扰性强,从而使得目标检测与识别难度加大。因此,为了提高大雾环境下船舶智能航行系统的自动检测与辨识能力,降低漏检和虚警率,本文围绕大雾下海上图像的目标分离和智能辨识问题展开深入的研究。通过图像增强、海天线分割、显着区域检测分离和目标智能辨识,系统地建立利用视觉传感器对大雾环境下海上图像进行目标分离和辨识的科学有效的方法。首先,根据大雾下图像的成像特点,对基于Retinex模型的图像增强去雾算法进行改进。通过分析传统Retinex模型的图像去雾算法,针对单尺度的Retinex模型在图像增强后存在局部细节不易突出、图像对比度差等问题,提出了基于改进双边滤波的高斯金字塔变换的Retinex图像增强算法,解决图像细节模糊和提高图像对比度。对于带色彩恢复的多尺度Retinex（MSRCR）模型在图像增强后图像整体色彩失真和图像的视觉效果差等问题,提出了基于全局亮度自适应均衡化的MSRCR图像增强算法,为后续的图像处理提供更加丰富的色彩、纹理和边缘等图像特征。其次,提出了基于梯度积分和多项式迭代的海天线快速检测算法,实现海面和天空区域的快速分割。采用高斯低通滤波器来增强图像的梯度边缘特征,对给定区域内的梯度积分值进行滑动统计,确定海面图像中海天线的潜在区域。通过逐列寻找潜在区域内梯度最大值点作为海天线的候选点,并对所有候选点进行多项式迭代拟合,剔除误检测点后,拟合确定最终的海天线,从而获得含有天空背景的图像和含有目标物的海面图像。再次,提出了融合图像多视觉特征的视觉注意机制目标分离算法,获得图像综合显着图,分割出海上图像的显着目标区域。选取海面图像中的频率特征、改进Gabor算子的方向特征、梯度纹理特征、颜色空间变换所提取亮度特征和颜色拮抗特征等八个视觉特征子图,运用谱残差算法得到不同视觉特征的显着子图。利用显着性密度函数计算得到各显着子图的权重系数,构建多视觉特征的综合显着图。在对综合显着图进行自适应阈值分割后,采用显着区域自生长策略分离并获得综合显着图中的显着区域。最后,研究基于卷积神经网络框架下的海上图像目标智能辨识分类算法,完成海上目标的分类智能辨识。结合VGG网络和Res Net网络优点,构建新型卷积神经网络框架,对含有9个类别共96980张图片的训练数据集进行训练学习,并随机选取训练数据集中每一类别各50张图像进行数据增强后作为辨识实验的测试数据集,对测试数据集进行目标智能辨识实验;实验结果表明该算法具有较高训练速度和较低的训练误差,单次训练迭代平均时间0.9s,测试数据集的辨识准确率为95.14%,有效地完成目标智能辨识分类。另外,完成对基于视觉注意机制下的大雾海上图像目标分离的显着区域图像集的智能辨识对比实验,实验结果表明该算法在识别速度上具有优势,单张图像辨识时间较VGG-16算法平均快86.6%,较Res Net50算法平均快24.35%;同时,图像最大辨识准确率优于Res Net50算法25%,略低于VGG-16算法2.78%。
牛晓东[3]（2021）在《基于积分均值模式分解的心电信号重建和心率变异性分析研究》文中研究指明心血管疾病（cardiovascular disease,CVD）是一种严重威胁人类健康生命的常见病,心电图（electrocardiogram,ECG）是检查诊断CVD常用的重要方法指标。ECG信号极易受环境噪声污染,在便携式和穿戴式ECG监测系统中,环境噪声更加复杂严重,采用常用的ECG信号处理算法难以达到临床精确诊断CVD的严格要求,导致较高的CVD漏诊和误诊率。心率变异性（heart rate variability,HRV）分析是目前临床上唯一能够定量分析自主神经活动及调节功能的检测方法,是临床诊断CVD极具价值的重要方法。HRV分析对噪声不敏感,抗噪能力强,可以有效评估CVD预防、诊断、治疗和预后判断。特别是HRV的量化价值指标,可以实现CVD潜伏期的量化评估,越来越受到临床重视和广泛应用。然而,现有HRV线性分析方法不能全面揭示其蕴含地丰富生理病理信息,可靠性差,临床应用有限,而非线性HRV分析的图形化辅助诊断方法,虽然方法简单,但图形复杂导致方法误差较大;图形没有量化指标导致诊断可靠性差;图形需求数据量大导致实时性差。总之,上述不足不仅限制了ECG和HRV进行CVD预防、诊断、治疗和预后判断的发展,也抑制了便携式和穿戴式ECG装备的应用。论文重点研究了ECG信号的非线性预处理和HRV复杂性量化方法。论文主要研究成果包括:1)为了有效处理ECG和HRV信号,提出了一种基于积分均值模态分解（intergral mean mode decomposition,IMMD）的非线性非平稳信号处理方法。该方法具有自适应正交分解特性,不仅适合于处理ECG、HRV数据,而且也适合于处理其它非线性非平稳信号数据。2)提出了一种基于心动物理特征信息模态分量的识别和ECG信号重建的方法。本方法避免了心电QRS特征波识别模态分量的阈值设置问题,同时可实现ECG中的典型宽频肌电干扰和低频基线漂移混合噪声的抑制。提高了ECG信号重建的准确度、信噪比。3)为了从ECG信号中准确提取HRV数据,提出了一种基于Hilbert能量包络与ECG的Shannon能量包络相结合的R波检测识别方法,实现了准确检测定位R峰。另外,基于R波的准确检测识别,进一步检测QRS特征波,也可以实现QRS特征波实时检测CVD。4)基于IMMD方法的自适应均值滤波特性,提出了一种自适应多尺度熵（adaptive multiscale entropy,AMSE）量化HRV复杂性方法。不仅AMSE的Samp En值可以量化HRV复杂性,而且尺度本身也可以间接量化HRV复杂性。本方法弥补了多尺度熵（multiscale entropy,MSE）中多尺度粗粒化方法中尺度固定的不足,可用于比较全面准确地量化HRV复杂性,检测CVD。5)采用模态分量Samp En集合作为一种特殊多尺度熵,分析了HRV数据复杂性,称为（intrinsic mode function Samp En,IMFSE）。IMFSE同样可以比较全面准确地量化HRV序列复杂性,检测CVD。
李永浩[4]（2020）在《小波变换位场分离技术在内蒙某地重力调查中的应用》文中认为重力勘探是解决地质构造问题,矿产资源勘查的重要地球物理方法。在野外勘探过程中,我们采集的数据是包含异常体在内的不同尺度、维度、物性差异的地质体产生的叠加异常,为了确保后期数据处理和反演工作顺利进行,则需要从叠加异常中分离出只包含目标体的异常信息。已研究的位场分离方法种类众多,优缺点并存,分离参数对分离结果的影响变换尚不明确,因此,位场分离仍然是重力资料处理及解释中没有很好解决的一个难题。能够准确、快速的将研究所需要目标体产生的异常从叠加异常中分离出来,不仅决定了反演结果的可靠性,还极大的提高数据处理解释的效率,因此,寻找适宜重力位场分离方法一直都是研究者努力的方向。对于不同场源深度、不同规模的异常,使用常规的位场分离方法能得到较好的分离效果,但对于实际复杂数据情况,由于场源复杂,埋深、规模各异,对于这样情况常规傅里叶变换由于其不包含空间的信息,从而存在了分离不彻底和不能空间定位分离等缺点。在传统傅里叶变化的基础上,发展了小波变换。但由于小波变换的基函数众多,而多尺度分解的层数也不固定,因此需要通过建立和研究区地质情况较为近似的模型,以模型的正演数据进行分离试算,通过对分离结果的分析,寻找最优的小波基函数以及分解层数。本文在详细介绍和分析几种常用位场分离技术以及小波变换多尺度分析技术各自优缺点基础上,通过构建不同地质模型,对比不同分离技术的效果发现小波变换多尺度分析技术较其他方法取得更好的分离效果。在进行小波多尺度分离时,不同类型的地质体模型使用不同的小波基函数及分解层数会取得不同的分解效果,因此要严防小波分解层数过大产生的将背景场分解为局部异常的现象。最后,通过对内蒙某地实测重力数据进行区域异常分离,进一步验证了基于小波变换重力异常分离方法的有效性。
刘望华[5]（2020）在《图像纹理特征的鲁棒表达与多值量化研究》文中提出局部二值模式作为一种经典的纹理描述算子,因其计算简单、特征判别性强和对单调光照变化鲁棒的优点在计算机视觉领域受到广泛关注。许多研究者结合特定的应用环境对LBP算子进行改进,相继提出了大量的LBP变体算子,但许多LBP变体算子仍然存在着一些不足。为此,本文从增强特征判别性和特征鲁棒性的角度出发,提出了三种图像特征描述算子。主要研究内容如下:为充分获取像素间深层次的相关性信息,增强算子对模糊和旋转变化的鲁棒性,提出了一种结合微分特征和Haar小波分解的鲁棒纹理表达方法。在微分特征通道上,通过各向同性的微分算子提取图像中多阶微分特征,使图像的微分特征在本质上旋转不变,且对图像模糊具有较强的鲁棒性;基于小波变换在时域和频域同时具有较好局部化的特点,在小波分解特征通道上,采用多尺度的二维Haar小波分解提取图像中模糊鲁棒特征;最后,串联两个通道上的特征直方图来描述图像纹理特征。实验结果表明,该方法的特征判别性以及对旋转变化和模糊的鲁棒性均较强,同时具有较低的计算复杂度,在样本数据较少的场合具有很好的适用性。为增强PRICo LBP算子的特征判别性,以及对旋转变化和噪声的鲁棒性,提出了一种鲁棒的多点共生完整局部二值模式算子RMCo CLBP。首先,利用旋转不变且计算简单的LBP编码索引确定当前像素点的多个共生点的方向;其次,结合邻域尺寸和共生点方向确定共生点的坐标;再次,在当前像素所在邻域和其共生点所在邻域上进行CLBP特征提取,利用多个像素点之间的共生特征增强特征的判别性;最后,为进一步增强算子的特征判别性和对尺度变化的鲁棒性,结合不同尺度下的多点共生特征作为最终的图像表示。实验结果表明,相较于PRICo LBP算子,RMCo CLBP算子的特征判别性更强,且对噪声和旋转变化具有更好的鲁棒性。为合理确定特征的量化阈值,并降低多值量化后特征的维度,提出了一种具有普适性的自适应阈值多值量化方法ATMVQ,并分别基于CINIRD和SFC算子详细介绍了本文提出的ATMVQ方法。首先,分别拟合出不同特征的PDF曲线,并借此计算对应特征的多值量化阈值;其次,采用多值量化编码的形式计算图像特征;再次,为降低多值量化特征的维度,提出了两种具有普适性且对纹理库具有较强相关性的特征映射方法,使映射后特征的维度大幅降低,且具有较强的判别性和一定的旋转不变性;最后,计算各映射后特征的直方图,并结合不同特征的直方图表示图像。实验结果表明,ATMVQCINIRD和ATMVQSFC算子不仅可大幅降低CINIRD和SFC算子的特征维度,且较CINIRD和SFC算子具有更强的特征判别性。
刘娟花[6]（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。
代其义[7]（2018）在《薄壁壳体结构的自由振动及参激失稳特性研究》文中进行了进一步梳理薄壁壳虽然厚度很薄,但具有较高的强度和刚度,因此被广泛应用于航空航天、土木工程、机械工程和海洋工程等工业领域。基于线弹性理论的薄壁壳自由振动特性分析是进一步研究其载荷作用下动力学行为的基础。目前针对薄壁壳结构自由振动特性的研究,学者们已经提出了许多适用性较强的近似分析方法。然而,寻求一种简单高效的数值方法仍然具有重要的意义。近年来,Haar小波方法逐步应用于结构动力学领域并有学者采用该方法研究了静态薄壁壳的自由振动,然而该方法在薄壁壳其他振动特性分析方面的应用还未见到报道。工作状态下,薄壁壳结构有可能会受到轴向周期性载荷的作用,当外激励频率与系统固有频率满足某种关系时,壳可能会发生参激共振,这一现象往往会带来结构性破坏。针对静态薄壁壳的参激振动稳定性,已有的文献大部分都是采用Bolotin方法的一阶近似求解其主不稳定区,而并未得到其高阶近似的主不稳定区。对于转动薄壁壳的情形,Bolotin方法因不满足于陀螺系统的Floquet乘子假设,多尺度法受限于小参数情形,因此有必要采用新的方法来来处理该类问题。本论文从薄壁壳结构的自由振动特性分析出发,开展了静态和转动情形下薄壁壳结构在周期性载荷作用下的参激失稳特性研究,扩展了Haar小波方法在结构动力学领域的应用范围,提出了转动薄壁壳参激稳定性分析的新方法,主要内容与成果可以概括如下:简化了Haar小波方法在静态薄壁壳自由振动分析中的计算过程,并将其应用于不同边界条件下转动薄壁锥壳的振动特性分析。转动锥壳的动力学方程通过Love一阶近似壳体理论建立,采用Haar小波级数表示轴向振型,Fourier级数表示环向振型,结合边界条件方程得到了分析转动锥壳自由振动特性的特征方程,研究了边界条件、转速和几何特征参数对转动锥壳固有频率和振型的影响。对不同情况下锥壳的半顶角对其行波频率特性的分析表明,当锥壳的轴向长度变化时,保持母线长度不变的情形下频率参数随着半顶角的增大均呈现单调减小的趋势,而保持两端半径不变的情形下频率参数随着半顶角的增大均呈现先增大后减小的变化趋势;当锥壳的轴向长度不变时,频率参数随着半顶角的增大而单调减小,发现转动锥壳的临界转速仅发生在环向波数等于1的情形,在该模态下锥壳可能会发生动力失稳。采用Haar小波方法结合Bolotin法研究了薄壁锥壳受周期性轴向载荷作用时的参激振动。对比了压缩和拉伸载荷作用下主不稳定区一阶和二阶近似结果的差异,发现压缩载荷作用下,当参数激励的幅值较大时,一阶近似和二阶近似主不稳定区结果的差异会比较明显,拉伸载荷作用下,两者的结果基本相同。压缩载荷和拉伸载荷作用下,锥壳主不稳定区的大小都随静态载荷系数的增大而显着变宽;锥壳长径比的减小和径厚比的增大都会使得主不稳定区的宽度变宽;讨论了不同情形下锥壳的半顶角对其主不稳定区的影响,结果表明,主不稳定区的移动方向和大小在不同情形下随半顶角的变化均呈现出明显不同的变化趋势。基于假设模态法和Floquet指数法研究了周期性轴向载荷作用下两端简支转动圆柱壳的参激振动稳定性行为,分析了转速、环向波数、粘性阻尼、静态载荷系数和几何参数等对不稳定区域大小和位置的影响。结果表明,由于转动效应的影响,转动圆柱壳的并不存在主不稳定区而仅存在组合不稳定区;环向波数对应的激励频率越低,其对应的不稳定区的宽度越宽;对于非转动圆柱壳,不稳定区随着阻尼的增大持续减小,而对于转动圆柱壳,考虑阻尼时稳定区和不稳定区的分界线与不计阻尼时稳定区和不稳定区的分界线出现了交叉,这意味着在某些条件下通过引入阻尼的措施可能使得转动圆柱壳的稳定性降低。采用Haar小波方法结合Floquet指数法研究了转动锥壳的参激振动稳定性,分析了不同参数对四种边界条件下的稳定性区域的影响。研究发现,同转动圆柱壳的结果类似,转动锥壳也没有发现主不稳定区,而仅存在组合不稳定区,不稳定区的宽度随边界约束的增强而减小;对于环向波数等于1的情形,随着转速的升高,不同边界条件下不稳定区的变化趋势存在明显差异,而当环向波数等于3时,不同边界下的不稳定区均随转速的升高向高频方向移动,其宽度也随之减小。本论文以工程中常用的圆柱壳和锥壳为研究对象,开展了该类结构的自由振动分析以及周期性载荷作用下的参激失稳特性分析,其研究内容与成果丰富了薄壁壳结构的动力学理论,对于增强该类结构在动载荷下的稳定性具有一定的理论指导意义。
任亚非[8]（2018）在《基于视觉特性的高动态焊区图像清晰化与信息融合研究》文中研究表明焊接作为现代制造业中极为重要的材料成形和金属加工技术之一,智能化焊接是未来的发展方向,其清晰获取焊接区域图像关系到智能化水平的高低。由于焊接过程动态范围变化大,光照不均匀,同时受到弧光、飞溅等强干扰,导致现有视觉传感器获取的图像存在曝光不足或曝光过度问题,从而无法有效的获取完整的焊区信息。因此,为了扩大动态范围、获取清晰焊区图像,实现高动态焊区信息融合,论文分别从单幅图像清晰化与多曝光融合的角度,提出了三种相关算法,具体研究内容如下:（1）首先,提出一种基于JND模型的高动态焊区图像清晰化方法。该方法基于亮度掩蔽与纹理掩蔽,建立JND显着性检测模型,获得焊接区域显着图,实现了焊区关键信息的显着性检测。然后,为解决显着图反转结果存在的低对比度问题,又提出一种对比度增强算法,与传统增强算法仅仅是图像直方图拉伸不同,提出的方法不仅实现了图像增强的目的,同时避免了焊区信息的损失。实验结果表明,该方法能够有效的克服强干扰影响,扩大动态范围,获取清晰的焊区图像。（2）其次,提出一种基于拉普拉斯金字塔的多曝光焊区图像信息融合方法。该方法充分利用多尺度变换的优势,提出多尺度混合权重,包括基于谱残差的显着权重、局部曝光权重及全局曝光权重,以保留所有多曝光焊区图像的有用信息,同时摒弃冗余信息;然后提出适合多曝光焊区图像的融合准则,在混合权重指导下融合出一幅充分表达焊区信息的图像;另外,利用引导图像滤波改进金字塔重建过程,并在显着图获取之前也进行引导图像滤波,有效减少了噪声的出现,同时保留了边缘细节信息。（3）再次,提出一种基于Haar小波梯度重建的多曝光焊区图像信息融合方法。该方法利用Hudgin梯度模型得到多曝光焊区源图像的X与Y方向梯度图,并按照梯度幅值最大原则,分别融合X与Y方向梯度图得到融合梯度图;然后利用带有泊松求解器的Haar小波梯度重建算法,有效避免了由于融合梯度不满足保守场条件导致重建过程出现人工噪声。对于多曝光彩色图像融合,首先将其转换至YCbCr颜色空间,亮度分量Y采用上述方法进行融合,色度分量Cb与Cr采用加权平均原则进行融合,最后再转换至RGB颜色空间,获得最终融合图像。（4）最后,通过主客观评价证实了所提方法的有效性。另外,提出的两种多曝光融合方法不但能够适应动态范围变化极大的焊接图像,而且还可以应用到其他工业领域;实验结果也表明,在多曝光彩色图像融合领域,所提方法的融合效果优于现有方法。
唐建军[9]（2017）在《重力场的多尺度分析及其可视化》文中研究表明目前,潜水艇进行水下作业采用的导航系统是惯性无源导航系统。该系统因为元件的系统误差累积无法长时间进行水下作业。相关专家学者提出利用重力匹配辅助惯性导航技术,这一技术的基础工作就是重力场多尺度分析及其可视化。重力场的多尺度分析技术能够对基础重力场数据进行多尺度分析的得到不同尺度下的重力场数据,其一可以满足不同重力匹配精度的需求,其二可以满足对于重力场可视化过程近处远处不同分辨率显示;重力场进行三维可视化是可以能够实现重力场数据的直观表现,并能对水下载体的位置进行查询与显示。本文是对重力场进行多尺度分析及其三维可视化两个目标的进行相关分析研究。其中利用了分形理论、M进制小波分析和WebGL三维可视化技术。主要研究成果如下:（1）利用M进制小波分析实现了基础重力场数据的尺度转换。依据M进制小波多尺度分析的特性,对基础重力场数据进行尺度的上推和下推。M进制小波分解可以对基础重力场数据进行分解,输出得到低频部分和中高频部分,输出的低频部分很好的保持了源数据的基本特性,并且分辨率变为原来的1/M倍,因此将此输出的低频部分作为重力场尺度上推的一个结果。相反的,对低分辨的数据进行M进制小波重构,将该低分辨率的数据作为输入的低频部分进行小波重构,可以得到输入数据分辨率为输入数据的M倍,并且能够通过小波重构将小波分解之后的低分辨数据复原为分解之前的输入数据。（2）利用分形理论定量确定重力场数据的最优表达适度。在进行三维渲染过程中,存在一个保证重力场数据特征信息的最低分辨率,即三维表达的最优尺度。研究重力场三维曲面的分形特征,利用分形维数来描述重力场曲面的信息含量,研究重力场曲面的分辨率与分形维数的关系,确定重力场曲面保持信息的一个最优表达尺度。（3）利用WebGL三维表达技术构建一个了区域重力场三维显示系统。依据WebGL构建的三维可视化系统具有跨平台的特性,对重力场数据进行三维可视化,直观地表现三维重力场,并实现了基本的人机交互功能。
张建香,张多勇,张勃,赵一飞,刘万锋[10]（2015）在《黄土高原植被景观多尺度变化及其与地形的响应关系》文中研究说明基于RS和GIS技术,利用黄土高原近30年不同分辨率的归一化植被指数（NDVI）,采用基于小波分析的多尺度空间统计学方法,研究不同时期黄土高原植被景观的多尺度变化特征及其与地形的响应关系。结果表明:（1）黄土高原植被景观1982—2011年期间发生了周期性变化。其中,1990年以前为植被恢复阶段,1990—2001年为植被退化阶段,2001年以后为植被恢复阶段。（2）植被景观的空间异质性与数据获取的时间、数据分辨率、空间位置和地形均有关。一方面,植被指数和数据分辨率越高,植被景观的空间异质性就越大,而且沿经度方向植被景观的空间差异性大于纬度方向;另一方面,NDVI的多尺度变化特征与地形因子有不同程度的相关性,表现为:高程>地形湿度>坡度>坡向,这对于今后黄土高原植被景观的合理布局,提高生物多样性,控制水土流失,增强景观的连续性具有特别重要的意义,也可为指导生态环境建设提供基础资料。
二、基于Haar小波的DEM多尺度表达的研究（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Haar小波的DEM多尺度表达的研究（论文提纲范文）
（1）Haar小波数值方法及其在力学问题中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 小波理论的发展历史 |
| 1.2 小波方法的应用 |
| 1.2.1 小波方法在信号分析领域中的应用 |
| 1.2.2 小波方法在微分方程求解中的应用 |
| 1.3 研究背景及意义 |
| 1.3.1 计算力学现有方法 |
| 1.3.2 选题的意义 |
| 1.4 本文的主要工作 |
| 第二章 多分辨分析及Haar小波基础 |
| 2.1 多分辨分析和基函数 |
| 2.2 Haar小波 |
| 2.2.1 Haar小波函数及其积分 |
| 2.2.2 有限区间上Haar小波逼近公式 |
| 2.3 本章小结 |
| 第三章 初边值问题的小波积分配点法 |
| 3.1 有限区域上初边值问题的积分形式 |
| 3.1.1 一维问题的积分形式 |
| 3.1.2 多维问题的积分形式 |
| 3.2 小波积分配点法的构造 |
| 3.2.1 Haar小波积分配点法的统一格式 |
| 3.2.2 方程的离散及待求变量的重构 |
| 3.3 代数方程组的求解方法 |
| 3.3.1 牛顿迭代法 |
| 3.3.2 矩阵运算的MPI并行计算程序 |
| 3.4 本章小结 |
| 第四章 力学问题应用举例 |
| 4.1 一维Bratu方程 |
| 4.2 方板的弯曲问题 |
| 4.3 原始变量粘性不可压缩流动N-S方程组 |
| 4.3.1 时间项的处理方法 |
| 4.3.2 人工压缩算法介绍 |
| 4.3.3 二维槽道层流 |
| 4.3.4 二维顶盖驱动方腔流动 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 致谢 |
（2）大雾下海上图像的目标分离与智能辨识研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像去雾增强技术的研究现状 |
| 1.2.2 海上图像目标分离研究现状 |
| 1.2.3 海上图像目标智能辨识研究现状 |
| 1.3 大雾下海上图像的目标分离与智能辨识中存在的主要问题 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 创新点 |
| 1.4.3 研究技术路线图 |
| 第2章 基于改进Retinex模型的图像增强去雾算法 |
| 2.1 传统Retinex模型的图像增强去雾算法 |
| 2.1.1 色彩颜色空间 |
| 2.1.2 基于Retinex模型的图像去雾算法 |
| 2.2 改进Retinex图像增强算法 |
| 2.2.1 改进双边滤波函数 |
| 2.2.2 高斯-拉普拉斯金字塔多尺度算法 |
| 2.2.3 算法流程 |
| 2.2.4 实验结果与分析 |
| 2.3 基于全局亮度自适应均衡化的MSRCR图像增强算法 |
| 2.3.1 图像雾浓度的自平衡 |
| 2.3.2 全局亮度自适应均衡化 |
| 2.3.3 平衡图像亮暗区域 |
| 2.3.4 颜色通道色彩拉伸 |
| 2.3.5 算法流程 |
| 2.3.6 实验结果与分析 |
| 2.4 小结 |
| 第3章 基于梯度积分和多项式迭代的海天线快速检测算法 |
| 3.1 基于Hough变换的海天线提取算法 |
| 3.1.1 Otsu图像阈值分割 |
| 3.1.2 基于Hough变换的海天线检测 |
| 3.2 基于梯度积分和多项式迭代的海天线快速检测算法 |
| 3.2.1 图像梯度 |
| 3.2.2 平滑滤波增强梯度图像显着性 |
| 3.2.3 构建图像梯度的积分图 |
| 3.2.4 计算海天线区域范围 |
| 3.2.5 迭代拟合海天线曲线 |
| 3.3 实验结果与分析 |
| 3.3.1 海天线迭代实验结果与分析 |
| 3.3.2 对比实验结果与分析 |
| 3.4 小结 |
| 第4章 融合图像多视觉特征的视觉注意机制目标分离算法 |
| 4.1 传统的视觉注意机制模型 |
| 4.1.1 自顶向下视觉注意模型 |
| 4.1.2 自底向上视觉注意模型 |
| 4.2 融合海面图像多视觉特征的显着性目标分离方法 |
| 4.2.1 小波变换多级分解高低频特征计算 |
| 4.2.2 改进Gabor滤波的图像方向特征计算 |
| 4.2.3 亮度特征与颜色拮抗特征计算 |
| 4.2.4 图像梯度特征计算 |
| 4.2.5 海上图像各视觉特征显着子图计算 |
| 4.2.6 基于自适应权重的视觉特征显着子图像融合 |
| 4.2.7 综合显着图中显着区域分割策略 |
| 4.3 实验结果与分析 |
| 4.4 小结 |
| 第5章 基于新型卷积神经网络框架的目标智能辨识算法 |
| 5.1 基于卷积神经网络的目标智能辨识方法 |
| 5.1.1 Le Net卷积神经网络 |
| 5.1.2 VGG卷积神经网络模型 |
| 5.1.3 Goog Le Net网络结构 |
| 5.2 基于新型卷积神经网络框架下的目标智能辨识算法研究 |
| 5.2.1 数据预处理 |
| 5.2.2 新型卷积神经网络结构设计 |
| 5.2.3 分类器选择 |
| 5.3 实验结果与分析 |
| 5.3.1 数据集和参数设置 |
| 5.3.2 测试集实验结果 |
| 5.3.3 测试集实验结果分析 |
| 5.4 显着区域智能辨识实验与分析 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在学期间科研成果情况 |
（3）基于积分均值模式分解的心电信号重建和心率变异性分析研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究意义 |
| 1.2 ECG信号重建及HRV分析国内外研究现状 |
| 1.2.1 ECG信号及HRV基础 |
| 1.2.2 ECG信号重建国内外研究现状 |
| 1.2.3 HRV分析国内外研究现状 |
| 1.3 论文主要研究问题及内容安排 |
| 第二章 积分均值模态分解 |
| 2.1 积分均值模态分解(Integral Mean Mode Decomposition,IMMD)的提出 |
| 2.1.1 IMMD方法 |
| 2.1.2 筛选停止准则 |
| 2.1.3 数据端点处理方法 |
| 2.2 IMMD方法分解正交性研究 |
| 2.2.1 IMFj与 r_j正交证明 |
| 2.2.3 IMFj与 IMFk正交证明 |
| 2.3 IMMD的多分辨率特性分析 |
| 2.3.1 一个随机高斯白噪声样本数值实验 |
| 2.3.2 5000 个高斯白噪声样本数值统计实验 |
| 2.4 IMMD正交分解及缓解模态混合实验 |
| 2.4.1 线性调频信号的分解 |
| 2.4.2 调频、调幅信号的分解 |
| 2.4.3 双音信号集合的分解 |
| 2.4.4 三音信号的分解 |
| 2.5 IMMD与现有分解方法的分解性能比较实验 |
| 2.5.1 GSTA数据 |
| 2.5.2 ECG数据 |
| 2.6 本章小结 |
| 第三章 IMMD分解结合心动物理特征识别IMF的 ECG重建方法 |
| 3.1 心动周期识别IMF重建ECG可行性 |
| 3.1.1 ECG模态分量心动周期特征 |
| 3.1.2 ECG模态分量心动周期特征验证 |
| 3.2 IMMD结合心动周期识别IMF重建ECG方法 |
| 3.2.1 含噪ECG模型 |
| 3.2.2 ECG重建方法 |
| 3.2.3 重建方法总结与简化 |
| 3.3 重建ECG方法性能对比实验 |
| 3.3.1 1 例含噪ECG重建实验 |
| 3.3.2 47 例含噪ECG重建统计实验 |
| 3.4 方法局限性 |
| 3.5 本章小结 |
| 第四章 基于R波识别的HRV数据抽取 |
| 4.1 R波检测方法 |
| 4.1.1 基于ECG信号香农能量包络的R波检测方法 |
| 4.1.2 基于QRS特征波Hilbert能量包络的R波检测方法 |
| 4.1.3 基于Hilbert能量和香农能量的R波检测方法及HRV数据抽取 |
| 4.2 Q、S特征波检测方法 |
| 4.3 数据集实验结果 |
| 4.4 本章小结 |
| 第五章 自适应多尺度熵分析HRV复杂性方法研究 |
| 5.1 AMSE方法原理 |
| 5.1.1 Samp En方法原理 |
| 5.1.2 MSE方法原理 |
| 5.1.3 AMSE方法原理 |
| 5.2 白噪声、1/f噪声复杂性的MSE和 AMSE分析 |
| 5.3 MSE和 AMSE对比分析不同病理HRV数据复杂性实验 |
| 5.3.1 MSE结果及分析 |
| 5.3.2 AMSE结果及分析 |
| 5.4 IMF样本熵分析方法及不同病理HRV数据实验 |
| 5.4.1 白噪声、1/f噪声的IMFSE |
| 5.4.2 IMFSE分析不同病理HRV数据实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士(硕士)期间发表的论文及所取得的研究成果 |
| 致谢 |
（4）小波变换位场分离技术在内蒙某地重力调查中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题背景意义及课题来源 |
| 1.1.1 研究意义 |
| 1.1.2 课题来源 |
| 1.2 国内外研究现状 |
| 1.2.1 选题背景 |
| 1.2.2 重磁位场分离 |
| 1.2.3 小波变换 |
| 1.3 研究内容、技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究成果 |
| 第二章 位场分离技术原理及分析对比 |
| 2.1 位场分离技术原理 |
| 2.1.1 趋势分析法 |
| 2.1.2 插值切割法 |
| 2.1.3 匹配滤波法 |
| 2.1.4 维纳滤波法 |
| 2.2 小波变换位场分离技术分析 |
| 2.2.1 小波变换 |
| 2.2.1.1 连续小波变换 |
| 2.2.1.2 离散小波变换 |
| 2.2.1.3 二进小波变换 |
| 2.2.2 几种常见的小波函数 |
| 2.2.3 小波函数的性质 |
| 2.2.4 小波多尺度分析 |
| 2.2.4.1 多分辨分析 |
| 2.2.4.2 小波多尺度分解 |
| 第三章 位场分离模型试验 |
| 3.1 台阶模型 |
| 3.1.1 模型参数设置 |
| 3.1.2 位场分离 |
| 3.1.2.1 几种常见分离方法 |
| 3.1.2.2 小波多尺度分解 |
| 3.2 多球体模型 |
| 3.2.1 模型参数设置 |
| 3.2.2 位场分离 |
| 第四章 内蒙某地实际重力数据的处理与解释 |
| 4.1 研究区概况 |
| 4.1.1 研究区范围 |
| 4.1.2 研究区自然地理条件 |
| 4.1.3 区域地质概况 |
| 4.1.4 地层分布 |
| 4.1.5 以往工作情况 |
| 4.1.5.1 地质工作程度 |
| 4.1.5.2 物化探工作程度 |
| 4.2 .重力异常分离 |
| 4.2.1 布格重力异常获取 |
| 4.2.2 基于小波变换的布格重力异常分离 |
| 4.2.3 效果分析 |
| 第五章 结论与建议 |
| 5.1 结论 |
| 5.2 建议 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（5）图像纹理特征的鲁棒表达与多值量化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容与工作安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文组织结构 |
| 第2章 局部二值模式与支持向量机 |
| 2.1 局部二值模式 |
| 2.1.1 原始局部二值算子 |
| 2.1.2 旋转不变局部二值模式 |
| 2.1.3 一致二值模式 |
| 2.1.4 旋转不变的一致局部二值模式 |
| 2.2 经典LBP变体算子 |
| 2.2.1 完整的局部二值模式(CLBP) |
| 2.2.2 局部三值模式(LTP) |
| 2.2.3 旋转不变抗噪二值模式(BRINT) |
| 2.3 支持向量机 |
| 2.3.1 线性可分的线性SVM |
| 2.3.2 线性不可分的线性SVM |
| 2.3.3 非线性SVM |
| 2.4 实验数据库简介 |
| 2.4.1 纹理数据库 |
| 2.4.2 USPS手写数据库 |
| 2.5 本章小结 |
| 第3章 结合微分特征和Haar小波分解的鲁棒纹理表达 |
| 3.1 小波变换 |
| 3.1.1 多分辨率分析 |
| 3.1.2 快速小波变换 |
| 3.1.3 二维图像小波变换 |
| 3.2 结合微分特征和Haar小波分解的纹理表达 |
| 3.2.1 微分通道特征提取 |
| 3.2.2 小波分解通道特征提取 |
| 3.2.3 鲁棒纹理表达 |
| 3.3 实验结果分析 |
| 3.3.1 实验设置 |
| 3.3.2 特征判别性分析 |
| 3.3.3 鲁棒性分析 |
| 3.3.4 计算复杂度分析 |
| 3.4 本章小结 |
| 第4章 鲁棒的多点共生完整局部二值模式 |
| 4.1 成对旋转不变共生局部二值模式(PRICo LBP) |
| 4.1.1 成对旋转不变性 |
| 4.1.2 PRICoLBP特征提取 |
| 4.2 鲁棒的多点共生完整局部二值模式 |
| 4.2.1 自适应中值抗噪 |
| 4.2.2 结合CLBP的旋转不变多点共生特征 |
| 4.2.3 多尺度纹理特征表达 |
| 4.3 实验结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果分析 |
| 4.4 本章小结 |
| 第5章 基于自适应阈值的多值量化模式图像识别 |
| 5.1 CINIRD和 SFC特征提取 |
| 5.1.1 CINIRD特征提取 |
| 5.1.2 SFC特征提取 |
| 5.2 自适应阈值多值量化(ATMVQ) |
| 5.2.1 基于CINIRD特征提取的自适应阈值多值量化 |
| 5.2.2 基于SFC特征提取的自适应阈值多值量化 |
| 5.3 实验结果分析 |
| 5.3.1 实验设置 |
| 5.3.2 参数选择 |
| 5.3.3 纹理分类结果分析 |
| 5.3.4 手写数字识别结果分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（6）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 |
（7）薄壁壳体结构的自由振动及参激失稳特性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的和意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究目的与意义 |
| 1.2 转动薄壁壳的自由振动研究现状 |
| 1.3 Haar小波方法的研究现状 |
| 1.4 薄壁壳的参激振动研究现状 |
| 1.4.1 静态薄壁壳的参激振动 |
| 1.4.2 转动薄壁壳的参激振动 |
| 1.5 线性参激系统的稳定性分析方法 |
| 1.6 本文主要研究内容 |
| 第2章 基于Haar小波方法的转动锥壳自由振动特性分析 |
| 2.1 引言 |
| 2.2 转动锥壳的动力学模型 |
| 2.3 Haar小波方法在锥壳振动分析中的应用 |
| 2.3.1 Haar小波的定义及其性质 |
| 2.3.2 Haar小波方法的应用 |
| 2.4 数值结果与讨论 |
| 2.4.1 方法的收敛性及有效性验证分析 |
| 2.4.2 不同参数对自由振动特性的影响 |
| 2.5 本章小结 |
| 第3章 基于Haar小波的方法的静态锥壳参激振动稳定性分析 |
| 3.1 引言 |
| 3.2 理论推导 |
| 3.2.1 动力学模型 |
| 3.2.2 基于Haar小波方法的模型离散 |
| 3.3 基于Bolotin法的参激振动稳定性分析 |
| 3.4 数值结果与讨论 |
| 3.4.1 方法的验证性分析 |
| 3.4.2 参数变化时对于参激失稳区域的影响 |
| 3.5 本章小结 |
| 第4章 两端简支转动圆柱壳的参激失稳特性分析 |
| 4.1 引言 |
| 4.2 理论推导 |
| 4.2.1 系统的运动微分方程 |
| 4.2.2 基于假设模态法的模型降阶 |
| 4.3 Floquet指数法及其在稳定性分析中的应用 |
| 4.4 数值结果与讨论 |
| 4.4.1 模型和方法的验证性分析 |
| 4.4.2 不同参数对于参激稳定性的影响 |
| 4.5 本章小结 |
| 第5章 不同边界条件下转动锥壳的参激稳定性行为分析 |
| 5.1 引言 |
| 5.2 基于Haar小波方法的Mathieu-Hill型方程组的建立 |
| 5.3 参激失稳特性分析 |
| 5.4 方法的验证及不同参数对稳定性行为的影响 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）基于视觉特性的高动态焊区图像清晰化与信息融合研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.4 高动态成像技术概述 |
| 1.5 课题研究的主要内容 |
| 第二章 人类视觉特性及相关模型 |
| 2.1 人类视觉系统 |
| 2.1.1 视觉系统概述 |
| 2.1.2 视觉机制特性 |
| 2.2 基于视觉特性的模型 |
| 2.2.1 显着性检测模型 |
| 2.2.2 JND模型 |
| 2.3 视觉特性模型在焊区图像高动态信息融合中的应用 |
| 2.4 本章小结 |
| 第三章 基于JND模型的高动态焊区图像清晰化 |
| 3.1 问题描述 |
| 3.2 基于JND模型的高动态焊区图像清晰化 |
| 3.2.1 JND显着性检测 |
| 3.2.2 对比度增强算法 |
| 3.3 本章小结 |
| 第四章 基于多尺度多曝光的焊区图像信息融合 |
| 4.1 问题描述 |
| 4.2 多尺度理论算法 |
| 4.2.1 拉普拉斯金字塔变换 |
| 4.2.2 Haar小波变换 |
| 4.3 基于拉普拉斯金字塔的多曝光焊区图像信息融合 |
| 4.3.1 混合权重获取 |
| 4.3.2 图像融合准则 |
| 4.4 基于Haar小波梯度重建的多曝光焊区图像信息融合 |
| 4.4.1 梯度选择与获取 |
| 4.4.2 梯度分解与重构 |
| 4.4.3 融合图像后处理 |
| 4.4.4 彩色图像的融合 |
| 4.5 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 焊接视觉系统与图像获取 |
| 5.1.1 视觉系统硬件设计 |
| 5.1.2 视觉采集软件设计 |
| 5.1.3 多曝光图像的获取 |
| 5.2 主观评价 |
| 5.2.1 基于JND模型的高动态焊区图像清晰化 |
| 5.2.2 基于拉普拉斯金字塔的多曝光焊区图像信息融合 |
| 5.2.3 基于Haar小波梯度重建的多曝光焊区图像信息融合 |
| 5.2.4 两种多曝光融合算法的普适性应用 |
| 5.3 客观评价 |
| 5.3.1 评价指标 |
| 5.3.2 指标分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所获得的相关科研成果 |
（9）重力场的多尺度分析及其可视化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景 |
| 1.2 国内外研究现状与存在问题分析 |
| 1.2.1 重力场多尺度分析分析研究现状 |
| 1.2.2 重力场最适宜表达尺度的定量确定研究现状 |
| 1.2.3 重力场三维可视化研究现状 |
| 1.3 本文主要的研究内容 |
| 2 重力场概述 |
| 2.1 重力场概述 |
| 2.2 全球重力场模型 |
| 2.3 重力场计算理论与方法 |
| 3 定量确定重力场三维表达最适宜的表达尺度 |
| 3.1 分形理论概述 |
| 3.2 分形维数的定义和计算 |
| 3.3 利用分形理论定量确定重力场三维表达的最适宜尺度的方法 |
| 3.4 实验与分析 |
| 4 重力场的多尺度分析 |
| 4.1 小波理论概述 |
| 4.2 M进制滤波矩阵的快速构建 |
| 4.3 利用M进制小波分解与重构对重力场进行尺度转换 |
| 4.4 重力场转换精度评价 |
| 4.5 实验与分析 |
| 5 WebGL三维显示技术实现重力场的三维表达 |
| 5.1 利用OpenGL实现重力场三维可视化技术简介 |
| 5.1.1 OpenGL技术简介 |
| 5.1.2 利用OpenGL技术实现重力场三维可视化 |
| 5.2 利用webGL技术进行重力场的三维表达 |
| 5.2.1 webGL涉及的技术 |
| 5.2.2 利用webGL实现重力场的三维可视化 |
| 6 总结与展望 |
| 6.1 本文取得的研究成果 |
| 6.2 本文创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
（10）黄土高原植被景观多尺度变化及其与地形的响应关系（论文提纲范文）
| 1 研究区概况 |
| 2 数据与方法 |
| 2. 1 数据来源及处理 |
| 2. 2 数据一致性分析 |
| 2. 3 基于小波分析的空间统计学方法 |
| 2. 4 植被与地形的多尺度 |
| 3 结果与分析 |
| 3. 1 黄土高原植被空间分布格局 |
| 3. 2 近 30 年黄土高原植被变化时段划分 |
| 3. 3 基于 NDVI 的多尺度小波分析 |
| 3. 4 不同尺度植被景观与地形因子的相关性 |
| 4 结论与讨论 |
四、基于Haar小波的DEM多尺度表达的研究（论文参考文献）
- [1]Haar小波数值方法及其在力学问题中的应用[D]. 王魁良. 兰州大学, 2021(09)
- [2]大雾下海上图像的目标分离与智能辨识研究[D]. 林昌. 集美大学, 2021(01)
- [3]基于积分均值模式分解的心电信号重建和心率变异性分析研究[D]. 牛晓东. 中北大学, 2021(01)
- [4]小波变换位场分离技术在内蒙某地重力调查中的应用[D]. 李永浩. 河北地质大学, 2020(05)
- [5]图像纹理特征的鲁棒表达与多值量化研究[D]. 刘望华. 西南交通大学, 2020(07)
- [6]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
- [7]薄壁壳体结构的自由振动及参激失稳特性研究[D]. 代其义. 哈尔滨工业大学, 2018(01)
- [8]基于视觉特性的高动态焊区图像清晰化与信息融合研究[D]. 任亚非. 河北工业大学, 2018(07)
- [9]重力场的多尺度分析及其可视化[D]. 唐建军. 东华理工大学, 2017(01)
- [10]黄土高原植被景观多尺度变化及其与地形的响应关系[J]. 张建香,张多勇,张勃,赵一飞,刘万锋. 生态学杂志, 2015(03)