一、区域滤波参数分析及效果（论文文献综述）
刘帅,栾奎峰,谭凯,张卫国[1]（2021）在《基于无人机LiDAR点云的多类型植被覆盖滩涂地形滤波》文中研究说明滩涂是宝贵的自然资源,其地形的高精度反演具有重要科学价值,而现有技术和方法存在较大的局限性。无人机激光雷达技术可快速获取大范围滩涂高精度、高密度的三维点云数据,是滩涂地形反演的重要技术之一。如何对点云数据中滩涂植被进行高精度滤波是地形反演要解决的技术难点,尤其是当滩涂覆盖有茂密的异质性植被（如不同种类和几何形态）时,对滤波算法的通用性和鲁棒性提出了更高的要求。以上海崇明西滩湿地某一滩涂作为研究区域,选取草丛、灌木和高大乔木3类典型植被覆盖的局部区域,利用基于坡度滤波、渐进数学形态学滤波和布料模拟滤波3种常用的点云滤波算法进行点云数据处理,比较分析了3种方法的适用性。结果表明:布料模拟滤波对于3个典型区域实验结果的总误差分别为1.57%、0.16%和0.23%,Kappa系数分别为96.74%、98.70%和99.30%。相较于其他两种算法,布料模拟滤波精度更高,更适用于多类型植被覆盖滩涂区域。因此,采用布料模拟滤波对整个研究区域进行处理,取得了较好的滤波效果,与真实地面吻合度较高。最后,通过克里金插值得到整个研究区域高精度的地形数据。
徐依雯,杨晨,徐杰,焦阳,崔崤峣[2]（2021）在《一种基于Casorati-奇异值分解的超快平面波超声多普勒自适应时空域杂波抑制算法》文中提出超快超声平面波成像技术实现了超声的高帧频大视野同步采集,捕捉到更多有效原始信息,而传统滤波器在处理这种大视野数据方面有诸多不足。该文基于Casorati奇异值分解（Casorati-SVD）技术提出一种改进的自适应杂波抑制算法:首先,选取一个区域的原始平面波数据构建Casorati数据矩阵并进行奇异值分解;其次,根据分解后分量的多普勒频率和能量自适应匹配合适的滤波截止参数,抑制组织杂波和噪声并提取血流信号;最后,对每个区域重复前面的步骤并统计所有输出获取最终图像。该文分别在仿体、人体手臂动脉和家兔脑血流的回波信号上验证该算法抑制杂波的能力,这些实验结果表明,相比全局Casorati奇异值分解滤波器,这种改进的分区域自适应滤波算法将信噪比（SNR）提高4.4%～50%,对比信噪比（CNR）提高4.7%～55.9%。该技术实现了多普勒血流成像的空间自适应滤波,对临床血流成像的发展有重要意义。
汪涛[3]（2020）在《宫颈细胞图像分割方法研究》文中指出宫颈细胞图像的准确分割是宫颈癌计算机辅助诊断系统的关键步骤之一。经过了多年的发展,宫颈细胞图像分割技术取得了显着的进展,宫颈癌辅助诊断系统的性能得到了较大的提升。但是由于实际宫颈细胞图像的特点和细胞形态结构的复杂性,现有宫颈细胞图像分割技术的准确性仍有待提高。本文以宫颈癌辅助诊断为应用背景,深入研究了宫颈细胞图像的细胞团、细胞核和细胞质的识别与分割方法,重点解决宫颈细胞图像的目标分割问题。论文的主要研究成果如下。在宫颈细胞图像的细胞团分割方面,提出了一种基于多尺度图割算法的细胞团分割方法。采用多尺度图割算法和置信区域方法得到全局种子节点,并在置信区域内为全局图割算法生成像素值概率分布图。根据全局种子节点、像素值概率分布图以及全局图割算法完成宫颈细胞图像中细胞团区域分割。相比于阈值算法和分水岭算法,本文的基于多尺度图割的细胞团分割算法能够准确地将复杂背景中的细胞团区域分割出来。在细胞核分割方面,提出了一种基于多尺度模糊聚类的宫颈细胞核分割算法以及基于面积先验的感兴趣节点度量方法。通过多尺度模糊聚类方法对细胞团区域进行划分,并根据细胞团划分区域间的包含关系为该细胞团构造分层树结构。利用感兴趣节点度量方法从分层树结构中选择候选细胞核。多尺度模糊聚类方法和基于面积先验的感兴趣节点度量方法不仅解决了聚类算法的聚类类别数量选择问题,而且提高了算法的细胞核识别性能。对于宫颈细胞团中细胞重叠和边界模糊的问题,提出了一种基于细胞核径向边界增强的重叠宫颈细胞分割算法。通过提出的径向区域滤波方法不仅可以抑制宫颈细胞图像的噪声,而且保留了宫颈图像中的重叠细胞边界的对比度。利用基于候选轮廓点和轮廓线段属性生成的权重图,并采用动态规划算法找到权重图中最短路径。最短路径对应细胞图像中的粗分割轮廓。采用水平集模型对得到的细胞粗分割边界进行精细化分割,从而得到最终的宫颈细胞边界。为了更好地利用宫颈细胞样本中堆叠聚焦平面的深度信息,提出了一种基于深度信息的细胞核和细胞质的分割算法。通过含有深度信息样本中的细胞核聚类后所产生的环状特征,通过构造树域结构来寻找宫颈细胞图像中的候选细胞核区域。为了得到更准确的细胞核区域,采用自适应半径的形态学膨胀水平集方法精细化分割候选细胞核。通过在重叠宫颈细胞分割中轮廓点和轮廓点线段属性中加入宫颈细胞样本的深度信息,获得了更接近真实宫颈细胞边界的细胞粗分割边界。
苏婷婷[4]（2020）在《基于机载LiDAR数据的输电线走廊单木三维分割》文中进行了进一步梳理在森林资源调查、城市规划建设、电力网线设置与基础道路测绘等方面的研究中,需要以三维地表地形信息的准确获取为前提条件。传统的地面测量手段与摄影测量手段受云雨影响大,并且易受信号饱和的限制,为森林各类参数的提取工作带来了困难。作为一种新兴的主动式遥感技术,激光雷达（Light Detection and Ranging,Li DAR）不仅能够克服以上限制,同时还具有数据生产周期短、精度高等优点,因此近年来取得了快速的发展。但是,目前以机载Li DAR点云数据为基础进行森林单木的三维信息提取,仍然存在着森林树木密集的区域以及冠层中下层单木结构信息提取精度较低的问题。针对这一问题,本文提出了以冠层高度模型（Canopy Height Model,CHM）分割单木信息作为先验知识,而后采用归一化割（Normalized cut,Ncut）方法对遗漏的树木进行进一步探测的方法,大大提高了单木分割的准确度,支持了森林资源调查与城市规划建设等工作。具体研究内容包括以下方面:（1）针对现有滤波方法在复杂地形下滤波效果的不足,引入等值线的概念,改进传统渐进加密三角网滤波方法,依据生成的等值线信息对点云数据进行区域分割处理,对各个区域的点云数据选择相应的参数进行渐进加密三角网滤波处理,提高了点云滤波的精度。（2）对不同类型的点云数据采用不同的方法进行分类,最终将目标类别分为植被点、输电线及输电塔点及建筑物点,快速高效地实现了点云的精确分类,作为后续单木提取的基础。（3）对分类后的植被点云数据进行插值处理,生成数字高程模型（Digital Elevation Model,DEM）和数字表面模型（Digital Surface Model,DSM）,根据二者做差生成CHM,同时利用DEM数据进行高程归一化处理,以消除研究区域地形起伏对后续单木提取造成的影响。（4）采用局部最大值算法对CHM进行单木冠层分割,分割结果作为后续单木提取的基础,同时采用Ncut算法对Li DAR点云数据进行单木冠层探测。对仅利用CHM与结合CHM和Ncut方法提取单木的效果进行对比分析,通过精度评价可以看出,后者能够有效地提高探测精度,为日后建立单木三维模型以及对森林参数进行估测提供了基础。
李文浩[5]（2020）在《南极和格陵兰地区GPS时间序列分析与应用》文中指出高精度GPS（Golbal Position System）时间序列是研究地壳运动的主要方法之一,能够为冰后回弹（Glacial isostatic adjustment,GIA）建模提供外部检核和新的约束,进而对板块运动、地壳垂向运动、海平面变化等提供重要改正。南极和格陵兰地区地壳运动特征的研究对全球板块构造格局的形成与演化机制、地球参考框架的构建与维持、极地冰雪环境动态变化监测等具有重要参考意义。GPS坐标时间序列一般具有时间相关性和空间相关性,时间相关性一般采用最大似然估计法进行计算,而空间相关误差则采用后处理方法予以削弱,进而得到各测站的独立GPS时间序列。GPS时间序列的空间相关性与GPS网的尺度有关,对于全球尺度而言,主要的误差源是参考框架,可以用7参数或者14参数转化移除;而对于区域GPS网,最大的误差源通常为共性误差（common mode error,CME）,需要在数据后处理中进行改正和移除。GPS时间序列的精度一方面受到CME的影响,另一方面也受噪声模型的影响。研究表明GPS时间序列中不仅存在白噪声,还存在闪烁噪声、随机游走噪声等有色噪声,若忽略有色噪声的影响,则速度误差往往被高估约4倍,甚至一个数量级,从而导致不正确的物理解释。南极和格陵兰GPS时间序列包含长期项趋势和年际变化,长期项趋势主要包含千年尺度的GIA和现今冰雪质量变化导致的弹性形变,年际变化如果是由于地表质量荷载导致,则为纯弹性信号且与地表质量变化完全一致,主要包括冰川质量荷载以及大气负荷,水文负荷,非潮汐负荷等非构造形变导致的周期性运动。非构造形变的周期性特征会导致参考框架产生周期性变化且无法通过统计分析的方法从GPS时间序列中直接分离出来。与此同时,GPS时间序列中还包含着短期不规律信号,通常代表着某一特定的物理信号,提取某一特定的异常信号一直是地学领域的热点和难点之一。基于此,我们系统研究了GPS时间序列分析相关的理论与方法,利用南极和格陵兰的GPS网数据,对共性误差的移除,噪声模型分析,GIA检核与评估,周期信号改正,异常信号提取等进行了系统性的分析和研究,论文的主要工作和贡献如下:在南极地区,采用因子分析法对79个GPS站2010-2017坐标时间序列的适用性进行了检测,然后利用独立成分分析法（independent component analysis,ICA）移除了GPS网残差序列的CME,并对比分析了主成分分析法（Principal Component Analysis,PCA）滤波结果。利用AIC准则探究了滤波前后5种噪声模型的最优组合,最后利用得到的高精度GPS速度场对南极地区7个GIA模型进行了检核。在格陵兰地区,我们对44个GPS测站的时间序列进行了大气压负荷（ATM）,非潮汐负荷（ECCO2）,水文负荷（GLDAS）,冰雪表面质量平衡负荷改正（SMB）,冰川运动负荷改正（D）以及热膨胀效应改正（TEM）,从全格陵兰和局部尺度定量分析了各项改正对GPS时间序列的影响量级,并联合GRACE数据使用M-SSA方法对GPS中出现的异常信号进行了探测和分析,主要结论如下:1.经过PCA滤波后原始残差序列的E、N、U分量RMS平均降低了35.24%、23.95%、30.41%,经过ICA滤波后平均降低了14.45%、8.97%、13.27%。经PCA提取的CME空间响应在各站差异较大,而ICA提取的CME更具有明显的区域分布特征,说明ICA提取的CME更符合南极地区实际情况。南极GPS站的噪声模型存在多样性,且各分量具有不同的噪声特性,主要表现为WN+FN,WN+PN,绝大部分PN噪声的谱指数均接近FN。2.IJ05-R2模型预测比GPS结果系统性地偏小;其余6个GIA模型预测比GPS结果系统性偏大;7个模型在阿蒙森海域有均系统性的低估;南极半岛北部地区的上地幔粘度要低于南极半岛南部地区,导致南极半岛北部地区的GPS垂向速度普遍大约南极半岛南部;龙尼冰架附近区域的GPS速度与大多数GIA模型预测值整体吻合较好;东南极沿海区域GPS站结果量级较小,受GIA和现今冰雪质量变化的影响比较小。3.从格陵兰整体来看,GPS站的周年振幅平均为3.22 mm,上述改正中SMB影响最大,格陵兰南部的空间响应整体大于北部地区;ATM次之。格陵兰GPS站对ATM的空间响应整体一致,各区域的空间响应差异较小;ECCO2、GLDAS和TEM影响较小。从格陵兰局部视角来看,冰川区域附近相近GPS站点之间的差异主要是由于SMB导致,其次是ATM,其余荷载和TEM效应的影响基本相同。当移除SMB后,有些测站的GPS时间序列的周年振幅变大,表明在测站中应该存在其他因素对地表垂向季节性变化有重要的贡献。4.格陵兰地区的GPS时间序列在2012-2015年整体受到SMB异常的影响,最大影可达20.54 mm平均影响为5.97 mm,影响最大的区域为格陵兰西南部。同时发现SMB异常主要是由于径流导致,大多数测站在2009-2011年的突然下降是由于SMB和冰流量的共同影响导致。
夏晶凡,杨学志,贾璐[6]（2019）在《基于区域滤波和深度置信网络的SAR图像分类算法》文中研究表明合成孔径雷达（synthetic aperture radar, SAR）图像分类是遥感领域最重要的课题之一。然而,SAR图像特征提取的困难和相干斑噪声的存在都严重影响了SAR图像分类的准确性。为了克服这些问题,文章提出了一种新的SAR图像分类算法。该算法将相干斑去噪技术和深度置信网络相结合,在通过深度置信网络对SAR图像进行无监督的学习和特征提取的同时,提出了区域滤波的方法来减少相干斑噪声对分类结果的影响。实验采用了不同噪声水平的合成SAR图像以及由RADARSAT-2获取的真实SAR图像进行测试。实验结果表明,与传统的分类方法相比,该算法在噪声鲁棒性和分类能力方面都有良好的改进;同时,该算法在边界区域具有优秀的分类能力。
王志农,孙成禹,伍敦仕,闫月锋[7]（2019）在《利用区域自适应极化滤波压制多分量面波干扰》文中指出陆上三分量地震勘探中面波通常会严重降低资料品质并影响后续数据处理和最终综合解释结果。基于面波低速、低频和椭圆极化的特征,本文提出一种基于区域自适应极化滤波的面波压制方法。首先根据面波的视速度特性划分其主要分布区域,利用S变换进行区域滤波,初步分离出面波干扰;然后利用Hilbert-Huang变换（HHT）进行面波分析,得到面波的瞬时频率;再根据面波瞬时频率自动调节极化滤波的窗口大小,从而进行自适应极化滤波,将低频反射信号从面波干扰中分离出来;最后对区域滤波结果进行补偿,得到压制面波干扰后的最终地震记录。模型测试和实际数据处理结果表明,该方法能在有效压制面波的同时,较好地保护有效信号。
李宝平,王宏涛[8]（2020）在《基于两阶段自适应优化的双目立体匹配算法》文中认为针对局部立体匹配算法在弱纹理区域匹配准确度低的问题,提出一种在代价初始化和代价聚合两阶段自适应优化的立体匹配算法。首先,在代价初始化阶段,通过双阈值线性约束条件构造像素点的十字支撑窗口,并依据十字支撑最短臂长构造自适应函数融合AD及Census特征测度;其次,在代价聚合阶段,利用十字支撑水平扩展及形态学处理的方法构造自适应滤波窗口,并通过区域滤波实现代价聚合;最后,通过视差选择及视差优化得到最终的视差图像。Middlebury平台测试结果表明:该算法与传统的AD-Census融合立体匹配算法相比,图像集的整体匹配误差减小了3.95%,在非遮挡区域的匹配误差减小2.17%;与传统区域滤波立体匹配算法相比,该算法在弱纹理区域可以取得更好的立体匹配效果。
王军[9]（2019）在《高动态星敏感器关键技术研究》文中提出星敏感器是一种以恒星为测量对象的姿态测量仪器,因为其具有高精度,高可靠性的特点,目前已经在空间任务中得到了广泛的应用。受硬件系统和软件算法发展的限制,目前国内自研的星敏感器动态性能并不高,通常用于载体平稳飞行的阶段。随着我国航空航天技术的飞速发展,如今敏捷卫星、远程武器等高动态载体对星敏感器的动态性能提出了更高的要求,因此,高动态星敏感器已经成为我国航空航天领域中的重点研究内容之一。本文在对高动态星敏感器的关键技术进行分析后,分别对高动态星敏感器的质心定位方法,星图识别方法,星跟踪方法以及成像系统等几项关键技术进行了研究。论文的研究工作主要分为以下四个部分:（1）针对高动态条件下星点的像素拖移导致星点质心定位精度降低的问题,对模糊星图的复原算法进行了研究,提出了一种基于区域滤波的模糊星图复原方法。通过建立模糊星图中星点质心的运动模型得到星点质心的运动轨迹和星点的模糊区域,分别采用形态学滤波和改进的RL（Richardson Lucy）算法对模糊区域内的图像进行预处理和复原,改善了RL算法容易受噪声干扰,复原速度较慢的问题,解决了RL算法无终止条件的问题,提高了模糊星图的复原效果和复原速度,从而在保证实时性的前提下提高了高动态星敏感器的质心定位精度。（2）针对高动态条件下星点质心的定位误差容易导致星图识别出现冗余匹配和误匹配的问题,对基于子图同构的星图识别算法进行了研究,在经典三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。通过对星表进行分区并对导航特征库进行分块缩小了导航特征库的检索范围,提高了星图识别的速度,通过采用多特征匹配的方法降低了冗余匹配和误匹配的概率,提高了星图识别的识别率,解决了三角形算法在高动态条件下星图识别的识别率较低,识别速度较慢的问题。（3）针对高动态条件下相邻帧星图中星点的位置变化较大导致星跟踪的成功率和效率降低的问题,对基于姿态预测的高动态星跟踪算法进行了研究,提出了一种基于SVD-UKF的姿态跟踪算法和一种基于SCKF（Square-root Cubature Kalman Filter）的姿态跟踪算法。将高动态星敏感器建模成一个非线性系统,在此基础上,将无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法和奇异值分解（Singular Value Decomposition,SVD）方法进行结合,提高了UKF算法在高动态星跟踪过程中的鲁棒性;将SCKF算法应用于高动态星敏感器的星跟踪,解决了SVD-UKF算法在本文高维非线性系统中跟踪精度欠佳的问题。此外,在建立的分区星表的基础上提出了一种快速跟踪识别方法,改善了高动态星跟踪过程中传统星图识别算法对新星的识别速度较慢的问题。（4）在综合考虑星敏感器的主要技术参数后提出了一种高动态星敏感器成像系统的设计方案。通过采用大视场的光学镜头和高量子效率的图像传感器,保证高动态星敏感器在工作时具有足够多的可用星数量,在此基础上,通过缩短星敏感器的积分时间减小星点像素拖移的长度。根据上述方案,设计了高动态星敏感器的电子学系统,研制了高动态星敏感器的原理样机。进行了高动态星敏感器的地面观星实验,验证了高动态星敏感器原理样机的动态性能。
李方舟,赵耀宏,向伟,刘海峥[10]（2019）在《基于改进非局部均值的红外图像混合噪声去除方法》文中提出传统的去噪算法无法有效去除红外图像中的条纹与随机混合噪声。针对这一问题,提出了一种改进的基于非局部均值（NL-means）的混合噪声去除方法。首先,分析了非局部均值算法处理混合噪声的问题,并用一组实验分析了红外图像块中混合噪声的特性。根据实验结果,文中用有色高斯模型对混合噪声进行建模,并基于Mahalanobis距离改进了传统的基于欧氏距离的块相似性度量方法,使之对图像中不同复杂程度的区域进行自适应。仿真和真实数据实验均表明:文中算法相比于传统的图像去噪算法,能较好地去除条纹与随机混合噪声。
二、区域滤波参数分析及效果（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、区域滤波参数分析及效果（论文提纲范文）
（1）基于无人机LiDAR点云的多类型植被覆盖滩涂地形滤波（论文提纲范文）
| 1 引言 |
| 2 点云滤波算法概述 |
| 2.1 基于坡度滤波 |
| 2.2 渐进数学形态学滤波 |
| 2.3 布料模拟滤波 |
| 3 实验结果与分析 |
| 3.1 研究区域与数据概况 |
| 3.2 滩涂单一植被类型区域滤波结果分析 |
| 3.2.1 草丛植被滤波结果 |
| 3.2.2 灌木植被滤波结果 |
| 3.2.3 高大乔木滤波结果 |
| 3.3 滩涂复合植被类型区域滤波结果分析 |
| 3.4 研究区域滤波与DEM生成 |
| 4 结论 |
（3）宫颈细胞图像分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景和研究意义 |
| 1.1.1 巴氏筛查技术 |
| 1.1.2 计算机辅助诊断系统 |
| 1.1.3 宫颈细胞图像分割的必要性 |
| 1.2 国内外现状 |
| 1.2.1 细胞团分割 |
| 1.2.2 细胞核分割 |
| 1.2.3 细胞质分割 |
| 1.3 相关研究中的现存问题分析 |
| 1.4 本文的研究内容与结构安排 |
| 第2章 基于多尺度图割的细胞团分割 |
| 2.1 引言 |
| 2.2 图像多尺度图割理论 |
| 2.2.1 图像多尺度理论 |
| 2.2.2 图割算法理论 |
| 2.3 基于多尺度图割算法的宫颈团状细胞分割算法 |
| 2.3.1 预处理 |
| 2.3.2 种子节点生成 |
| 2.3.3 全局团状细胞分割 |
| 2.4 实验数据及结果 |
| 2.4.1 数据收集 |
| 2.4.2 评价方法 |
| 2.4.3 参数调整 |
| 2.4.4 对比结果 |
| 2.5 本章小结 |
| 第3章 基于分层树模糊聚类算法的细胞核分割 |
| 3.1 引言 |
| 3.2 提取感兴趣区域 |
| 3.2.1 多尺度的细胞团划分 |
| 3.2.2 分层树构造 |
| 3.2.3 感兴趣节点识别及候选细胞核选择 |
| 3.3 获取细胞核 |
| 3.3.1 候选细胞核精细化分割 |
| 3.3.2 粘连细胞核分割及细胞核筛选 |
| 3.4 细胞核分割实验 |
| 3.4.1 实验样本 |
| 3.4.2 实验评价方法 |
| 3.4.3 细胞核分割实验结果 |
| 3.5 关于细胞核分割结果的讨论 |
| 3.6 本章小结 |
| 第4章 基于细胞核径向边界增强的重叠细朐分割 |
| 4.1 引言 |
| 4.2 预处理 |
| 4.2.1 基于细胞核径向区域的滤波 |
| 4.2.2 基于细胞核径向的梯度计算算法 |
| 4.3 宫颈细胞图像重叠细胞分割 |
| 4.3.1 基于候选边界点权重图构造 |
| 4.3.2 生成权重图的边界权重和最短路径 |
| 4.3.3 细胞质轮廓精细化分割 |
| 4.4 实验结果 |
| 4.4.1 实验数据 |
| 4.4.2 细胞质分割评价方式 |
| 4.4.3 细胞质分割结果 |
| 4.5 本章小结 |
| 第5章 基于深度信息的细胞核和细胞质分割 |
| 5.1 引言 |
| 5.2 含有深度信息的细胞团分割 |
| 5.3 含有深度信息的细胞核分割 |
| 5.3.1 细胞核图像弥散过程 |
| 5.3.2 细胞核近似分割 |
| 5.3.3 细胞核精细化分割和伪核去除 |
| 5.4 含有深度信息的重叠细胞分割方法 |
| 5.4.1 含有深度信息的轮廓点属性 |
| 5.4.2 含有深度信息的轮廓段属性 |
| 5.5 实验结果及讨论 |
| 5.5.1 实验数据及评价方法 |
| 5.5.2 实验结果 |
| 5.5.3 细胞分割算法的比较和分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间所发表的学术论文 |
| 致谢 |
（4）基于机载LiDAR数据的输电线走廊单木三维分割（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1.引言 |
| 1.1 .研究背景及意义 |
| 1.2 .国内外研究概况 |
| 1.2.1 .激光点云数据滤波 |
| 1.2.2 .激光点云数据分类 |
| 1.2.3 .森林单木冠层分割 |
| 1.3 .研究内容 |
| 1.4 .技术路线 |
| 1.5 .本章小结 |
| 2.研究数据及点云数据预处理 |
| 2.1 .研究区域概况 |
| 2.2 .研究数据描述 |
| 2.2.1 .LiDAR数据获取 |
| 2.2.2 .LiDAR数据分析 |
| 2.3 .LiDAR数据预处理 |
| 2.3.1 .点云去噪 |
| 2.3.2 .传统点云滤波算法 |
| 2.3.3 .改进的点云滤波算法 |
| 2.3.4 .结果对比 |
| 2.4 .本章小结 |
| 3.点云数据分类 |
| 3.1 .植被点提取 |
| 3.1.1 .植被候选点提取 |
| 3.1.2 .建筑物边界点剔除 |
| 3.1.3 .结果分析 |
| 3.2 .电力线点提取 |
| 3.2.1 .电力线点提取 |
| 3.2.2 .电力线点归类 |
| 3.2.3 .电力线曲线拟合 |
| 3.2.4 .结果分析 |
| 3.3 .建筑物点提取 |
| 3.3.1 .建筑物点提取算法 |
| 3.3.2 .结果分析 |
| 3.4 .本章小结 |
| 4.基于图割的单木分割方法研究 |
| 4.1 .基于CHM的树顶探测 |
| 4.1.1 .CHM生成及优化 |
| 4.1.2 .局部最大值算法 |
| 4.1.3 .树顶探测 |
| 4.2 .基于图割的冠层分割方法 |
| 4.2.1 .点云高程归一化 |
| 4.2.2 .单木冠层分割 |
| 4.2.3 .漏检单木探测 |
| 4.3 .分割结果 |
| 4.3.1 .树顶探测结果 |
| 4.3.2 .冠层分割结果 |
| 4.4 .本章小结 |
| 5.实验结果与分析 |
| 5.1 .实验结果 |
| 5.2 .精度评价与分析 |
| 5.2.1 .精度评价方法 |
| 5.2.2 .精度分析 |
| 5.3 .本章小结 |
| 6.结论与展望 |
| 6.1 .主要创新点 |
| 6.2 .结论 |
| 6.3 .展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（5）南极和格陵兰地区GPS时间序列分析与应用（论文提纲范文）
| 论文的主要创新点 |
| 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 南极地区GPS网区域滤波 |
| 1.2.2 南极地区GPS时间序列最优噪声模型 |
| 1.2.3 格陵兰地区季节性信号分析 |
| 1.2.4 格陵兰地区GPS时间序列异常信号探测 |
| 1.3 主要研究内容及结构安排 |
| 2 GPS数据处理与时间序列分析理论及方法 |
| 2.1 GPS数据处理策略 |
| 2.2 不同星历对基线解算的影响 |
| 2.3 RegEM数据插值方法 |
| 2.4 区域滤波方法 |
| 2.4.1 自相关函数堆栈法 |
| 2.4.2 主成分分析法(PCA) |
| 2.4.3 独立分量分析法(ICA) |
| 2.5 最优噪声模型确定方法 |
| 2.6 异常信号探测方法 |
| 2.7 本章小结 |
| 3 南极地区GPS网区域滤波 |
| 3.1 概述 |
| 3.2 南极半岛自相关函数堆栈法区域滤波分析 |
| 3.2.1 数据来源 |
| 3.2.2 空间相关性 |
| 3.2.3 时间相关性 |
| 3.2.4 结论 |
| 3.3 南极半岛ICA和 PCA区域滤波 |
| 3.3.1 数据插值 |
| 3.3.2 因子分析 |
| 3.3.3 PCA滤波结果 |
| 3.3.4 ICA滤波结果 |
| 3.3.5 结论 |
| 3.4 全南极区域滤波 |
| 3.4.1 数据插值 |
| 3.4.2 因子分析 |
| 3.4.3 PCA滤波结果 |
| 3.4.4 ICA滤波结果 |
| 3.4.5 结果讨论 |
| 3.5 本章小结 |
| 4 南极地区噪声分析及应用高精度GPS速度场检核GIA模型 |
| 4.1 概述 |
| 4.2 噪声模型及其特性 |
| 4.2.1 白噪声 |
| 4.2.2 幂律噪声(闪烁噪声和随机游走噪声) |
| 4.2.3 广义高斯马尔科夫噪声 |
| 4.3 南极地区GPS测站最优噪声模型的确定 |
| 4.4 基于高精度GPS速度场的GIA模型评估 |
| 4.4.1 概述 |
| 4.4.2 GIA模型介绍 |
| 4.4.3 南极地区GIA模型评估 |
| 4.4.3.1 GPS数据 |
| 4.4.3.2 ICA滤波移除共性误差 |
| 4.4.3.3 AIC准则确定最优噪声模型 |
| 4.4.3.4 高精度GPS速度场 |
| 4.4.3.5 弹性改正 |
| 4.4.3.6 GIA模型评估 |
| 4.4.3.7 结果与分析 |
| 4.5 本章小结 |
| 5 格陵兰地区GPS时间序列季节性信号分析 |
| 5.1 概述 |
| 5.2 非构造形变对时间序列的影响 |
| 5.2.1 GPS数据 |
| 5.2.2 荷载数据 |
| 5.2.3 频谱分析 |
| 5.2.4 非构造形变结果 |
| 5.2.5 ICA提取非构造形变信号 |
| 5.2.6 基岩热膨胀效应对时间序列的影响 |
| 5.3 冰川表面质量平衡对时间序列的影响 |
| 5.4 冰川运动导致的地壳形变 |
| 5.5 移除负荷形变及热膨胀效应 |
| 5.6 GPS剩余残差时间序列的物理机制 |
| 5.7 本章小结 |
| 6 格陵兰测站异常信号探测与分析 |
| 6.1 概述 |
| 6.2 格陵兰GRACE数据处理 |
| 6.3 异常信号探测与分析 |
| 6.3.1 多通道奇异谱分析原理 |
| 6.3.2 SMB 导致的异常信号 |
| 6.3.3 SMB 异常信号的空间特征 |
| 6.3.4 降水和径流贡献 |
| 6.3.5 冰流量导致的异常信号 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表论文情况 |
| 攻读博士学位期间参与的科研项目 |
| 攻读博士学位期间参加学术交流情况 |
| 致谢 |
（6）基于区域滤波和深度置信网络的SAR图像分类算法（论文提纲范文）
| 1 本文算法 |
| 1.1 区域滤波 |
| 1.1.1 基于AGK模型的各向异性纹理分析 |
| 1.1.2 区域滤波 |
| 1.2 深度置信网络 |
| 1.3 算法流程 |
| 2 实验结果与分析 |
| 2.1 数据集 |
| 2.2 参数设置 |
| 2.3 结果分析 |
| 2.3.1 仿真SAR图像 |
| 2.3.2 真实SAR图像 |
| 3 结 论 |
（7）利用区域自适应极化滤波压制多分量面波干扰（论文提纲范文）
| 0 引言 |
| 1 方法原理 |
| 1.1 基于S变换的区域滤波 |
| 1.2 自适应极化滤波基本原理 |
| 1.3 基于区域自适应极化滤波的面波压制方法 |
| 2 模型测试 |
| 2.1 一维合成信号测试 |
| 2.2 正演模型测试 |
| 3 实际数据处理 |
| 4 结束语 |
（8）基于两阶段自适应优化的双目立体匹配算法（论文提纲范文）
| 0 引 言 |
| 1 算法描述 |
| 2 自适应AD-Census测度融合 |
| 2.1 自适应十字支撑窗口构建 |
| 2.2 AD-Census自适应融合 |
| 3 自适应区域滤波 |
| 4 视差优化 |
| 5 测试分析 |
| 5.1 与单一测度及固定权值融合方法的比较 |
| 5.2 参数设置对结果的影响 |
| 5.3 与其他融合算法的比较 |
| 6 结 论 |
（9）高动态星敏感器关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 星敏感器的发展历程 |
| 1.3 国内外高动态星敏感器的研究现状 |
| 1.4 高动态星敏感器的关键技术及其研究现状 |
| 1.4.1 高动态星敏感器成像系统的研究现状 |
| 1.4.2 高动态星敏感器质心定位方法的研究现状 |
| 1.4.3 高动态星敏感器星图识别方法的研究现状 |
| 1.4.4 高动态星敏感器星跟踪方法的研究现状 |
| 1.4.5 高动态星敏感器关键技术现有工作存在的不足 |
| 1.5 论文的主要内容与结构安排 |
| 第2章 星敏感器的工作原理和主要技术参数 |
| 2.1 星敏感器的组成和工作原理 |
| 2.2 星敏感器的坐标系 |
| 2.2.1 天球坐标系 |
| 2.2.2 星敏感器坐标系 |
| 2.2.3 坐标系的转换 |
| 2.3 星敏感器的主要技术参数 |
| 2.3.1 极限探测星等 |
| 2.3.2 可用星数量 |
| 2.3.3 积分时间 |
| 2.3.4 口径、视场与焦距 |
| 2.3.5 测量精度 |
| 2.3.6 最大跟踪角速率 |
| 2.4 提高星敏感器动态性能的方法 |
| 2.5 本章小结 |
| 第3章 高动态星敏感器的质心定位方法 |
| 3.1 引言 |
| 3.2 平稳条件下星点的成像特性和质心定位方法 |
| 3.3 高动态条件下星点的成像特性和质心定位误差 |
| 3.3.1 高动态条件下星点的成像特性 |
| 3.3.2 高动态条件下星点的质心定位误差 |
| 3.4 经典的模糊星图复原方法 |
| 3.5 基于区域滤波的模糊星图复原方法 |
| 3.5.1 模糊星图的参数估计 |
| 3.5.2 区域滤波算法 |
| 3.5.3 模糊星图复原 |
| 3.6 仿真实验验证 |
| 3.6.1 模糊星图去噪实验 |
| 3.6.2 模糊星图复原实验 |
| 3.7 本章小结 |
| 第4章 高动态星敏感器的星图识别方法 |
| 4.1 引言 |
| 4.2 全天球星图识别方法 |
| 4.2.1 星表 |
| 4.2.2 经典的星图识别算法 |
| 4.3 基于多特征匹配的快速星图识别算法 |
| 4.3.1 星表分区 |
| 4.3.2 导航特征库的构建 |
| 4.3.3 观测三角形的构建 |
| 4.3.4 星图识别 |
| 4.4 仿真实验验证 |
| 4.4.1 分块数对识别性能的影响 |
| 4.4.2 假目标对识别性能的影响 |
| 4.4.3 星等误差对识别性能的影响 |
| 4.5 本章小结 |
| 第5章 高动态星敏感器的星跟踪方法 |
| 5.1 引言 |
| 5.2 姿态解算算法 |
| 5.3 星跟踪算法 |
| 5.3.1 平稳条件下的星跟踪算法 |
| 5.3.2 经典的高动态星跟踪算法 |
| 5.4 基于姿态预测的高动态星跟踪算法 |
| 5.4.1 高动态星敏感器的系统模型 |
| 5.4.2 基于SVD-UKF的姿态跟踪算法 |
| 5.4.3 基于SCKF的姿态跟踪算法 |
| 5.5 快速跟踪识别方法 |
| 5.6 仿真实验验证 |
| 5.7 本章小结 |
| 第6章 高动态星敏感器的设计与实验结果分析 |
| 6.1 引言 |
| 6.2 高动态星敏感器的硬件系统 |
| 6.2.1 高动态星敏感器的成像系统 |
| 6.2.2 高动态星敏感器的图像处理系统 |
| 6.3 高动态星敏感器的标定 |
| 6.3.1 高动态星敏感器的参数标定 |
| 6.3.2 高动态星敏感器的精度标定 |
| 6.4 高动态星敏感器的地面观星实验 |
| 6.4.1 实验系统的组成 |
| 6.4.2 实验结果与分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介及攻读学位期间发表的学术论文与研究成果 |
（10）基于改进非局部均值的红外图像混合噪声去除方法（论文提纲范文）
| 0 引言 |
| 1 NL-means问题分析 |
| 2 文中算法 |
| 2.1 混合噪声模型 |
| 2.2 模型参数估计 |
| 2.3 基于混合噪声模型的块相似性度量 |
| 2.4 算法总体流程 |
| 3 实验结果与分析 |
| 3.1 实验数据 |
| 3.2 参数选择 |
| 3.3 对比算法 |
| 3.4 仿真实验 |
| 3.5 真实数据实验 |
| 4 结束语 |
四、区域滤波参数分析及效果（论文参考文献）
- [1]基于无人机LiDAR点云的多类型植被覆盖滩涂地形滤波[J]. 刘帅,栾奎峰,谭凯,张卫国. 遥感技术与应用, 2021(06)
- [2]一种基于Casorati-奇异值分解的超快平面波超声多普勒自适应时空域杂波抑制算法[J]. 徐依雯,杨晨,徐杰,焦阳,崔崤峣. 电子与信息学报, 2021(08)
- [3]宫颈细胞图像分割方法研究[D]. 汪涛. 哈尔滨理工大学, 2020(04)
- [4]基于机载LiDAR数据的输电线走廊单木三维分割[D]. 苏婷婷. 北京林业大学, 2020(03)
- [5]南极和格陵兰地区GPS时间序列分析与应用[D]. 李文浩. 武汉大学, 2020
- [6]基于区域滤波和深度置信网络的SAR图像分类算法[J]. 夏晶凡,杨学志,贾璐. 合肥工业大学学报(自然科学版), 2019(12)
- [7]利用区域自适应极化滤波压制多分量面波干扰[J]. 王志农,孙成禹,伍敦仕,闫月锋. 石油地球物理勘探, 2019(06)
- [8]基于两阶段自适应优化的双目立体匹配算法[J]. 李宝平,王宏涛. 河南理工大学学报(自然科学版), 2020(01)
- [9]高动态星敏感器关键技术研究[D]. 王军. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2019(08)
- [10]基于改进非局部均值的红外图像混合噪声去除方法[J]. 李方舟,赵耀宏,向伟,刘海峥. 红外与激光工程, 2019(S1)