硕士论文中期检查理工类

《硕士论文中期检查理工类》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、分类号：TP391单位代码：10190研究生学号：200801052密级：无（注：英文及数字为TimesNewRoman小四号）硕士学位论文（注：隶书42^单尙屈）基于FPGA的MACRO运动控制网络的研究及实现（注：黑体二号固定值30磅）ResearchandRealizationofMACROMotionControlNetworkbasedonFPGA（注：Arial小三号固定值25磅居中）研究生姓名：专业：信号与信息处理指导教师姓名：指导教师职称：副教授（注：宋体小三号固定值35磅）2011年4月摘要图像去噪是图像处理中一项最基本的课题，在图像的采集、获取和传输过

2、程中，由于成像系统内部和外部受到各种因素的干扰，会对图像造成不同程度的噪挥着不可忽视的作用。目前，已经广泛应用于天文学、经济领域、医学图像、军事侦察、法律、计算机视觉、光学遥感、航天航空技术、气象云图分析、材料科学、艺术领域、视频和多媒体图像处理等众多科学技术领域。Curvelet变换与偏微分方程方法是两种非常有效的图像去噪算法，从过去的二十儿良好的保持能力，出于它们口身的特性而被广泛应用于数字图像处理各个分支中。本文在研究Curvelet变换与偏微分方程去噪理论的基础上，对它们的优缺点进行了分析。由于Curvelet变换在逼近曲线时内部的线状局域相关性使得去除噪声的同时

3、常常伴有“环绕”效应，即图像上出现许多交错的划痕。运用整体变分（TV）方法进行图像去噪，当噪声较小的时候，只需很少次的迭代就能达到很好的滤波效果；当处理的噪声比较大的时候，要使峰值信噪比达到最优，随着迭代次数的增加，平滑强度的增强，去,由此，木文结合两者的优点提出了一种新的混合去噪算法，对Curvelet变换（这里采用USFFT方法來实现Curvelet变换）处理后的图像运用TV方法进行进一步的滤波处理。实验表明，该方法只需极少次的迭代便能有效抑制Curvelet方法带来的“环绕”效应，而不会出现“块”效应，从而改iitTCurvelet变换去噪算法，且在计算时间上优于T

4、V方法，取得了更好的综合性能。关键词：图像去噪Curvelet变换偏微分方程TV模型（注：中文“摘要”二个字之间空二个字符，关键词与上文空一行，冒号与中文关键词之间不要求空格，关键词与关键词Z间空二个字符）（注：中文关键词若要是在一行内写不下的，则第二行的第一个字要与第一行冒号后面的字对齐）如下而范例所示：关键词：图像去噪Curvelet变换偏微分方程TV模型Curvelet变换偏微分方程TV模型AbstractImagedenoisingisoneofthemostbasicsubjectoftheimageprocessing.Intheprocessofimagea

5、cquisitionandtransmission,byvirtueoftheinteriorandexterioroftheimagesystemssufferfromvariousofinterferingsignal,whichleadingtonoisepollutionofdifferentnoisefromanimagetoobtainthevisualeffectoforiginalimage.Imagedenoisingisthereconnaissance,law,computervision,opticalremotesensing,thetechno

6、logiesofaeronauticsandastronautics,meteorologycloudimageanalysis,materialscience,artsfield,videosandmultimediaimageprocessingandsoon.Inthepaper,westudytheimagedenoisingtheoriesbasedoncurvelettransformandpartialdifferentialequationsandanalysistheiradvantagesanddisadvantagesfirstly.Becauset

7、herearelocallinearcorrelationsofthecurvelettransform,somesurroundingeffectsnamedtheedgesofimageisbecomingblurring,atthesametime,itbringslargecomputationalnewhybriddenoisingmethodisproposedcombiningcurveletbasedmethodandTVmethodbasedonanalysisthetwoalgorithmsdeeply.P