一、基于Wigner滤波的配准图去噪应用研究(论文文献综述)
龚强,王丽欣[1](2021)在《InSAR+倾斜摄影点云数据构建高精度DEM方法研究》文中研究指明数字高程模型(DEM)在智慧城市、各类工程以及国民经济建设中应用广泛,因此,快速、高效地获取地理信息数据,进一步提高DEM精度十分重要.应用倾斜摄影测量获取高分辨率影像,形成点云数据构建DEM虽然平面精度相对较高,但高程尚达不到厘米级以上精度,InSAR与点云融合重构DEM,精度可以提升至毫米级.InSAR+倾斜摄影方法,打破了传统高程测量的理念和手段,因此,应用前景广阔.
邸江磊,唐雎,吴计,王凯强,任振波,张蒙蒙,赵建林[2](2021)在《卷积神经网络在光学信息处理中的应用研究进展》文中研究指明近年来,深度学习技术的爆发式发展引领了机器学习的又一次浪潮。深度神经网络具备抽象特征的高效识别与提取能力、强大的非线性拟合能力、抗干扰鲁棒性及非凡的泛化能力,被广泛应用于自动驾驶、目标识别、机器翻译、语音识别等领域。最近几年,卷积神经网络(CNN)在光学信息处理中获得广泛应用,本文介绍CNN的基础概念和结构构成,回顾其在数字全息术、条纹分析、相位解包裹、鬼成像、傅里叶叠层成像、超分辨显微成像、散射介质成像、光学层析成像等领域的最新应用进展,评述CNN在光学信息处理中的典型应用特点,最后分析CNN应用于光学信息处理中的不足,并展望其未来发展。
亓强强,魏世桥,张煜,王东魁[3](2021)在《基于三维点云的施工进度自动检测方法》文中进行了进一步梳理针对传统人工施工进度监视耗时费力问题,该文提出一种基于三维点云的施工进度自动检测方法。首先,利用三维重建技术和点云逆向采样技术实现现场在建建筑及其计划BIM模型(build information model,建筑信息模型)的点云数据建模;其次,利用点云自动配准技术实现现场建筑点云和计划BIM点云的空间配准;最后,利用点云至图片映射技术、八叉树算法实现施工现场的进度感知。实验结果表明,所提方法可以有效提升施工进度监视自动化水平,能够实现进度正常、进度超前、进度滞后以及进度遮挡四类进度检测。
王健,陈政,张华良[4](2021)在《三维点云数据的预处理研究》文中指出相比于传统2D图像处理,3D点云处理成为工业中炙手可热的技术。本文将从3D相机自带软件,自己编译的第三方库文件夹,以达到接口中的开放式采集点云的功能,并且深入研究了点云预处理的几项核心技术,其中包括点云除灰去噪、点云简化、点云配准以及点云下降采样。在第一部分,针对离群点较多的3D点云,利用二维图像常用的滤波器——导向滤波器,进行算法改进并用于3D点云的过滤处理。通过对点云的所有数据模型进行实时预处理,可以帮助建立一个稳健的企业点云数据模型,为了解决后续的估算法向量生成机器人加工路径提供良好的理论基础。
陶立清[5](2021)在《基于GPU的TOPS模式数据干涉配准及滤波处理》文中指出
朱勇[6](2021)在《低照度条件下多时相监控图像变化检测算法研究》文中认为
李学日[7](2021)在《基于双通道卷积长短时记忆神经网络的肺音识别方法研究》文中指出肺音是人体呼吸时产生的一种生理信号,当肺音出现异常时往往预示着肺器官发生病变。但传统的肺音诊断方法,对于医生的经验和技术要求非常高,不便于大规模实施。因此,本文通过研究肺音信号的时序特征,使用神经网络实现肺音病理诊断,有效的降低了临床实施门槛。针对单一模型在肺音信号上不能同时获取空间信息和时序信息的缺陷,本文首先提出了单通道卷积长短时记忆神经网络算法(CNNLSTM),串行获取肺音数据的特征。该模型中的LSTM层可以对CNN层提取的特征进行学习,保留有用信息,遗忘无效信息,既克服了传统CNN模型在小样本训练中易发生过拟合的缺陷,又克服了单一LSTM模型对非连续数据间的信息不能有效挖掘的缺陷。进一步的,针对CNNLSTM模型中经过CNN提取的特征图分辨率下降的问题,本文提出了双通道卷积长短时记忆神经网络算法(DCCLNN),并行获取肺音数据的特征,通过加权融合的方式生成新的特征,有效的弥补了CNNLSTM模型中经CNN提取后特征图的分辨率下降的不足。论文的主要贡献如下:(1)在对肺音数据预处理中,增加了巴特沃斯滤波去噪,数据归一化,小波变换,LBP处理和数据增强等操作,为有效提升模型的准确率提供了保障。(2)提出了一种单通道卷积长短时记忆神经网络(CNNLSTM)方法串行获取肺音数据特征。(3)提出了一种双通道卷积长短时记忆神经网络(DCCLNN)方法并行获取肺音数据特征。本文在R.A.L.E.?Lung Sounds肺音数据集上进行实验,目前效果最好的Dalal_CNN准确率为89.56%;而本研究所提出的CNNLSTM的准确率为96.43%,DCCLNN的识别准确率为97.40%。由实验结果表明,本文提出的CNNLSTM和DCCLNN方法与Dalal_CNN相比,准确率分别提高了6.87%和7.84%。
彭磊[8](2021)在《徐州西部关闭矿井地表次生形变InSAR监测与分析》文中研究说明
葛逸鹏[9](2021)在《掘进机机身位姿监测系统研究》文中提出
王钎沣[10](2021)在《基于特征点的无人机遥感图像快速拼接技术研究》文中进行了进一步梳理
二、基于Wigner滤波的配准图去噪应用研究(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Wigner滤波的配准图去噪应用研究(论文提纲范文)
(1)InSAR+倾斜摄影点云数据构建高精度DEM方法研究(论文提纲范文)
0 引言 |
1 倾斜点云数据处理并生成DEM |
1.1 数据处理 |
1.2 生成DEM |
2 InSAR数据处理 |
3 InSAR与点云融合重构DEM |
3.1 初步配准 |
3.2 精确配准 |
4 结论 |
(3)基于三维点云的施工进度自动检测方法(论文提纲范文)
1 系统框架 |
2 技术实现 |
2.1 点云获取 |
2.1.1 现场建筑点云获取 |
2.1.2 计划BIM点云获取 |
2.2 点云配准 |
2.2.1 点云预处理 |
2.2.2 点云尺度粗估计 |
2.2.3 点云粗配准 |
2.2.4 点云精配准 |
2.3 进度感知 |
3 实验验证 |
3.1 点云获取 |
3.2 点云配准 |
3.3 进度感知 |
4 结语 |
(4)三维点云数据的预处理研究(论文提纲范文)
1 点云数据采集 |
2 点云数据预处理 |
2.1 点云降采样(图1) |
2.2 点云去噪(图2) |
2.3 点云配准(图3) |
3 结论 |
(7)基于双通道卷积长短时记忆神经网络的肺音识别方法研究(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 论文主要工作及组织结构 |
1.3.1 本文的主要工作 |
1.3.2 论文的组织结构 |
1.4 本章小结 |
第2章 肺音信号及相关数据预处理 |
2.1 肺音信号产生的相关理论 |
2.1.1 肺部结构及呼吸原理 |
2.1.2 肺音形成原理及特点 |
2.2 相关数据集 |
2.2.1 肺音音频数据 |
2.2.2 肺音音频数据分析 |
2.3 肺音音频数据预处理 |
2.3.1 数据截取 |
2.3.2 巴特沃斯滤波器去噪 |
2.3.3 数据归一化 |
2.3.4 小波变换 |
2.3.5 梅尔倒谱(MFCC) |
2.3.6 局部二值化(LBP)处理 |
2.4 数据增强 |
2.5 本章小结 |
第3章 基于CNN与CNNLSTM的肺音识别方法 |
3.1 神经网络分类算法 |
3.1.1 卷积神经网络 |
3.1.2 长短时记忆神经网络 |
3.2 网络模型设计 |
3.2.1 CNN网络模型设计 |
3.2.2 基于串行的CNNLSTM网络模型设计 |
3.3 实验设计与分析 |
3.3.1 实验数据集 |
3.3.2 实验平台 |
3.3.3 评价指标 |
3.3.4 实验结果及分析 |
3.4 小结 |
第4章 基于DCCLNN的肺音识别方法 |
4.1 双通道卷积长短时记忆神经网络模型算法设计 |
4.2 相关实验 |
4.3 对比实验 |
4.4 消融实验 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
学位论文数据集表 |
四、基于Wigner滤波的配准图去噪应用研究(论文参考文献)
- [1]InSAR+倾斜摄影点云数据构建高精度DEM方法研究[J]. 龚强,王丽欣. 哈尔滨师范大学自然科学学报, 2021(05)
- [2]卷积神经网络在光学信息处理中的应用研究进展[J]. 邸江磊,唐雎,吴计,王凯强,任振波,张蒙蒙,赵建林. 激光与光电子学进展, 2021(16)
- [3]基于三维点云的施工进度自动检测方法[J]. 亓强强,魏世桥,张煜,王东魁. 自动化与仪表, 2021(08)
- [4]三维点云数据的预处理研究[J]. 王健,陈政,张华良. 科学技术创新, 2021(22)
- [5]基于GPU的TOPS模式数据干涉配准及滤波处理[D]. 陶立清. 中国测绘科学研究院, 2021
- [6]低照度条件下多时相监控图像变化检测算法研究[D]. 朱勇. 新疆大学, 2021
- [7]基于双通道卷积长短时记忆神经网络的肺音识别方法研究[D]. 李学日. 广东技术师范大学, 2021(09)
- [8]徐州西部关闭矿井地表次生形变InSAR监测与分析[D]. 彭磊. 中国矿业大学, 2021
- [9]掘进机机身位姿监测系统研究[D]. 葛逸鹏. 中国矿业大学, 2021
- [10]基于特征点的无人机遥感图像快速拼接技术研究[D]. 王钎沣. 安徽农业大学, 2021