一、一种基于小波变换的平滑预处理压缩算法（论文文献综述）
史启盟[1]（2021）在《高速运动物体图像识别与压缩方法研究》文中研究表明运动物体视频图像包含着许多重要的信息数据,而高速运动物体由于速度较快,其运动图像存在采集失真、处理复杂以及分析效果差等方面的问题。本课题以高速运动物体为研究对象,分别进行了图像识别与图像压缩方法的研究,并选取实际工业中的3D打印机高速移动激光点红外图像和高速运动固定翼无人机视频图像分别进行了算法验证及结果分析。主要研究内容如下:（1）分析了高速运动物体图像特征及图像识别过程,提出了基于改进卷积神经网络的高速运动物体图像识别方法。根据高速运动物体运动速度快导致的成像模糊,使得传统的图像识别方法人为提取图像特征困难的问题,采用基于卷积神经网络（CNN）的深度学习方法进行图像识别研究,并针对现有的CNN方法存在的训练效率差、准确率低的问题设计了相关改进方案来提高图像识别的快速性和准确性。（2）针对3D打印机高速移动激光点红外图像进行图像识别研究,分别建立了CNN和改进CNN两种激光点图像识别模型,对两种模型进行对比分析,实验结果表明改进后的CNN模型大大提高了识别效率和准确率;最后利用改进后的CNN模型进行激光中心点温度预测,在误差范围内取得了很好的预测结果。（3）研究了高速运动物体视频图像冗余信息,提出了基于帧内编码和帧间预测结合的高速运动物体视频压缩方法。以静态图像压缩为基础,在传统BP神经网络的基础上加入小波变换的方法进行图像压缩以减少帧内的空间冗余信息,同时针对高速运动物体的视频序列进行了运动信息补偿从而减少帧间的时间冗余信息,最终重构后的视频在保证关键运动信息的前提下大大减少视频数据量。（4）针对高速运动固定翼无人机视频进行图像压缩研究,先对单帧的无人机运动图像进行基于小波变换和神经网络结合的帧内有损压缩,再对压缩后的无人机序列进行基于运动估计和运动补偿的帧间预测编码,最后对压缩前后的无人机运动视频进行目标跟踪和视频传输效果方面的对比分析,结果表明该压缩系统在保留无人机运动信息的情况下可以大大减少冗余数据信息,提高传输效率。
李鸿博[2]（2021）在《基于近红外光谱的红松子品质检测模型研究》文中研究表明红松子也称东北松子,主要分布于我国长白山和小兴安岭林区,是林区增收的重要经济作物。红松子仁富含对人体有益的不饱和脂肪酸,因此深受消费者喜爱。我国质量监督机构对食品品质的监管也趋于标准严格化,这促进了松子品质检测方法研究的开展。成熟年份、产地和营养物质含量是影响红松子食用价值和育种价值的重要性质,但是通过外在特征很难分辨,营养物质含量的传统化学检测方法耗时较长、操作繁琐并且对样本具有破坏性,难以满足生产检测的需求。近红外光谱分析法因其测试快捷、操作方便、经济实用等特性逐步成为近些年来无损检测领域的热门方法。本研究采用近红外光谱分析技术,针对光谱数据维度高并且关键特征隐蔽性强的特点,提出 了基于 t-分布邻域嵌入（t-distributed Stochastic Neighbor Embedding,t-SNE）数据降维的红松子成熟年份与产地鉴别模型,解决了以往建模过程运算量巨大耗时过长的问题。降维的同时将数据聚类,从而强化了输入特征,降低了训练难度提升了模型鉴别的准确率。利用标准正态变量变换（Standard Normalized Variable,SNV）、一阶导数以及Savitzky-Golay（S-G）卷积平滑算法对原始光谱进行预处理,将处理结果进行线性与非线性数据降维。通过数据可视化以及聚类参数的输出,比较得出t-SNE降至二维为效果较好的降维方案,此时两分类数据集的轮廓系数、CH指标和互信息分别为0.8200、2972.0127、0.8742 和 0.8222、1928.2249、0.8883。以降维结果作为输入,建立年份和产地分类的支持向量机（Support Vector Machine,SVM）校正模型。当核函数选择RBF,K取值为5,γ取82.54和57.33,惩罚系数C为383.12和507.37时,所建立的t-SNE-SVM分类模型准确度可达97.5%以上。说明t-SNE-SVM模型能够对红松子性状实现有效鉴别,并且模型精度高、运算量小。在红松子品质定性检测的基础上,分析研究了近红外光谱对红松子内仁粉末的营养物质含量检测。为了深入挖掘光谱数据中隐含的有用信息并进一步消除噪声信号,提出将小波变换（Wavelet Transformation,WT）作用于光谱数据并对其进行分解与重构,从而实现数据的压缩和降噪。对得到的小波系数进行特征提取,提出了一种经蒙特卡洛（Monte Carlo method,MC）优化的无信息变量消除算法（Uninformative Variable Elimination,UVE）,提升了样本之间内相关性的利用率,解决了 UVE算法保留变量依旧较多的问题。最后将所选特征结合偏最小二乘法（Partial Least-Square,PLS）建立了WT-MCUVE-PLS脂肪含量回归预测模型。当采用多元散射校正（Multiplicative Scatter Correction,MSC）结合S-G卷积平滑进行预处理,选择“bior4.4”小波滤波器硬阈值函数作用下的通用阈值压缩降噪,MCUVE提取前70个小波系数时,WT-MCUVE-PLS回归模型与其它模型的比较中也展现出更好的预测效果。交叉验证均方根误差（RMSECV）和预测集均方根误差（RMSEP）最小,分别为0.0098和0.0390。定量分析模型的决定系数R2最大,校正集和预测集的R2分别为0.9485和0.9369。说明近红外光谱的WT-MCUVE-PLS回归模型可以对红松子脂肪含量进行准确表征,WT和MCUVE优化了模型的输入特征质量,最终提升了模型的预测精度。针对储存时间、产地甚至一些复杂且不可量化的因素造成离线定量分析模型对不同批次样本检测结果不理想的问题。本研究在定量分析模型的基础上提出了一种基于在线多元散射校正（Online Multiplicative Scatter Correction,OMSC）预处理的递归偏最小二乘（Recursive Partial Least Squares regression,RPLS）在线学习模型,实现了对原检测模型的在线更新,并提升其泛化能力。在线模型具有动态化、延续性的特点,做到一次建模长期使用。OMSC算法的提出对用于更新模型的新增样本进行了有效预处理,解决了以往更新模型的数据集无法进行散射校正导致的预测误差。在进行小波压缩降噪后,适当提高MCUVE选择的特征数,为更新模型过程中被选特征波段的变化扩大空间。将新增样本特征数据结合RPLS迭代出最终的更新模型。结果表明:当MCUVE选择特征数升至100时,新增预测集的R2为0.8581,RMSEP为0.0621,远高于原离线模型新增预测集的R2和RMSEP,分别为0.7193和2.1174。说明此方法不仅避免了重新建模、减少了工作量,并且展现出很好的预测效果。将近红外光谱检测用以实现红松子的储存期检测、产地鉴别以及营养物质含量检测是本研究的核心,对化学计量学、机器学习和在线学习方法进行深入研究并有机结合。建立一种评价红松子品质的性质鉴别和营养物质含量检测模型,并结合在线学习相关研究在离线模型基础上实现在线学习模型的更新。对于其它坚果类产品的定性定量分析、品质检测以及在线学习研究均具有一定的应用价值。
梁艳[3]（2020）在《煤矿四旋翼飞行机器人环境信息数据压缩与重构方法研究》文中研究表明煤矿井下环境信息和设备运行状态检测是保障煤矿生产安全的重要举措。随着科学技术的发展,研发煤矿巡检机器人对关键区域和事故现场进行检测或探测成为研究的热点。由于煤矿井下地面巡检机器人存在占空比较大、巡检区域受限、巡检效率偏低等问题,本团队研发了煤矿四旋翼飞行机器人。为了保证煤矿四旋翼飞行机器人采集的气体浓度和视频图像等环境信息数据可靠、高效传输,本文主要研究环境信息数据压缩和重构问题。针对煤矿四旋翼飞行机器人环境信息检测问题,研究分析了煤矿四旋翼飞行机器人系统和井下环境信息检测需求,分析了飞行机器人在煤矿井下巷道中采集的环境信息数据特征,提出了煤矿四旋翼飞行机器人环境信息检测总体方案。针对煤矿四旋翼飞行机器人采集的环境信息数据有较大冗余问题,依据矿井空气中相关气体浓度规定标准及大气环境的气体浓度标准,采用基于阈值剔除的气体浓度信息数据压缩预处理方法,以及基于正交化曲线拟合的气体浓度信息数据压缩与重构算法,对气体浓度信息数据进行了处理。利用MATLAB对在模拟巷道采集的氧气浓度样本数据进行了压缩与重构算法验证,表明该算法对煤矿四旋翼飞行机器人气体浓度信息数据的压缩与重构的有效性。针对煤矿四旋翼飞行机器人在复杂环境中采集到的视频信息存在各种干扰、数据量较大等问题,研究分析了视频信息压缩原则、压缩特点、压缩与重构算法以及H.264编解码技术,在基于边缘检测的小波降噪视频信息数据预处理算法的基础上,融合基于多重小波变换的H.264视频信息数据压缩与重构算法,对飞行机器人在模拟巷道采集的视频图像信息数据进行了处理。通过视频图像预处理、压缩与重构实验,表明了算法的有效性。借助于本团队研发的煤矿四旋翼飞行机器人,集成本文研发的环境信息数据预处理、压缩与重构算法,在学校“煤炭主体专业综合实验实训中心”的煤矿模拟巷道进行了实验,通过对氧气和二氧化碳气体浓度环境信息数据以及视频图像信息数据的处理,表明预处理方法有效,数据压缩比较小、重构保真度高。
陈浩[4]（2019）在《超声检测数据的压缩算法研究》文中指出数据压缩是超声检测设备的重要功能之一。对超声数据进行压缩可以减小数据的体积,缓解超声检测设备存储空间的压力。本文在32x64超声相控阵检测平台上进行超声数据采集,不但研究超声数据的产生过程,而且根据超声数据的特点,对其进行预处理,减小数据的信息熵。同时研究适合超声数据的压缩算法,并在不同硬件平台上进行数据压缩实验,给出不同平台的数据压缩解决方案。主要工作和成果如下:（1）超声数据的特征研究及波形分离。研究超声缺陷信号的特征,并提出一种基于阈值的波形分类方法,将超声A扫信号分为缺陷波和草波。（2）超声数据预处理。根据草波和缺陷波的特性,分别采用合适地预处理方法。草波数据具有随机性,故采用平滑预处理。而缺陷波数据呈现连续性变化,因此对其进行差分预处理。（3）无损压缩算法的研究。结合草波平滑预处理后的数据特点,对游程编码算法进行了修改以降低压缩率。使用流水线工作方式,提高Huffman编码的实时压缩速率。同时使用DEFLATE算法对超声数据进行压缩,并且得到较好的压缩性能。（4）有损压缩算法的研究。采用db3小波基函数和硬阈值量化对超声A扫数据进行小波变换压缩,其压缩率为14.58%。使用多媒体技术对超声数据进行压缩,充分减小数据间的冗余,取得较好地压缩效果。（5）测试与分析。在PC平台和嵌入式平台分别进行有损和无损压缩算法的测试。实验结果表明:在PC平台,DEFLATE无损压缩算法和基于MPEG的多媒体有损压缩算法的压缩效果较好,压缩率分别为6.8%和1.5%。在嵌入式平台,由于其计算能力较弱,为满足实时压缩的要求,本文提出DEFLATE压缩缺陷波数据,RLE压缩草波数据的算法组合,压缩率达到10%。
朱晨超[5]（2019）在《色谱工作站设计与谱图分析算法研究》文中进行了进一步梳理色谱法是利用混合物中的不同组分在固定相和流动相之间的分配效果不同而分离组分的方法,具有高分离效率、高选择性、高灵敏度以及分析速度快的特点,应用广泛、发展迅猛。色谱工作站软件是色谱仪器工作的重要组成部分之一。结合目前国内外色谱软件的优缺点,本文设计开发了一个基于网络服务器的超临界流体色谱工作站。本文介绍了色谱工作站的开发环境和相关应用技术。软件采用B/S架构,以Python中的Django作为服务器的应用框架。前端网页设计采用HTML5和JavaScript技术,使用Ajax用于前后端的交互,实现页面的动态更新。服务器与色谱仪器之间通过RS232异步串口通信。数据存储采用静态存储和高速缓存相结合的方法,提高数据的存取效率。为了提高软件的响应速度和稳定性,服务器采用异步队列任务处理进程。色谱工作站软件实现了数据存储、用户管理、设备监控和色谱分析这几个主要功能,还包括日志记录和帮助文档两个辅助功能,并完成了系统测试。谱图数据处理是色谱工作站的核心部分,本文对此进行了详细介绍。首先是数据预处理,为了减轻服务器传输的数据压力,软件采用小波变换对数据进行压缩与解压缩,压缩前后信号能够较好的复原;采用S-G滤波与小波变换相结合的方法进行去噪,有效地平滑了谱图;谱图分析算法采用二阶导数法识别谱峰,能够准确识别不同类型的色谱峰;采用基于EMG模型的N-M拟合法分离重叠峰,分峰效果理想。最后介绍了色谱峰的特征值计算和定性定量计算的方法。
王新亮[6]（2004）在《基于小波分析的图像压缩算法研究》文中进行了进一步梳理多媒体技术的发展使图像信息逐渐成为交互的主要内容之一,解决图像存储与传输问题的压缩编码技术一直以来是国内外研究的热点,从JPEG、MPEG-1到JPEG-2000、MPEG-4反映了图像压缩编码技术的飞速发展。目前小波分析逐步代替了傅立叶分析,成为新一代编码算法的主要变换工具,由于良好的时频局部性和多分辨率分析特性的优势克服了传统傅立叶变换的缺点,基于小波分析的算法已经占据了主导地位,如EZW、SPIHT、EBCOT和JPEG-2000等。目前小波算法的主要研究问题集中在以下方面:如何高效的组织系数模型,提高编码效率;如何采取合理的量化策略,既可利用系数相关性又可使图像恢复质量符合特性;如何组织码流,使其具有多质量服务能力,实现可分级编解码。大量的研究表明系数的组织模型是影响压缩算法性能的重要因素,尤其是在低码率（高压缩比）情况下。小波系数主要按照树结构和块结构两种模型来组织,前者利用跨子带系数相关性,后者利用子带内邻域系数相关性。在分析EZW、SPIHT等目前采用树形结构组织系数的优秀压缩算法优缺点的基础上,提出了一种结合预处理和改进零树的小波编码算法。与现有零树算法相比,该算法重新定义了零树和重要图符号进行重要图编码;对逼近量化编码结果进行截断处理;另外在现有算法的基础上,增加了分解前的预处理和重构后的后处理过程。对算法进行了程序实现,实验结果表明:改进措施提高了压缩效率,在压缩比一定的情况下与EZW和SPIHT相比,对较平滑的图像有明显提高;在图像平滑性差或纹理多的情况下提高幅度较小;随着压缩比的增大的提高整体呈减小趋势。证明了本文基于改进措施的新算法是一种有效的压缩方法。
覃珊珊[7]（2021）在《基于SFS方法的侧扫声呐图像三维重构研究》文中认为在海洋工程中,侧扫声呐相较于常见的单波束、多波束系统,具有分辨率高、效率高及价格低等特点,是海洋开发、海底地形勘察、考古调查等行业领域的有力工具。然而,侧扫声呐受其测量机理和作业模式影响,无法直接获取海底表面地形及水下目标物高度信息,所以对侧扫声呐图像三维重构的研究具有重要意义。本文在对侧扫声呐工作原理深入了解的基础上,从声呐原始数据出发,对水下地形三维重构系统进行研究。主要研究内容如下:首先对侧扫声呐图像的三维重构方法进行研究。论文通过分析侧扫声呐图像的三维重构多种方法的特点,针对存在的主要难点和问题进行研究,为后续理论研究和实践做铺垫。然后对侧扫声呐原始数据进行解码及可视化研究。在了解原始文件格式结构基础上,利用Visual Studio平台实现各种有效信息的获取及侧扫声呐二维瀑布图的可视化。并利用其解析结果与国外软件SonarWaveLite得到的侧扫声呐瀑布图进行对比实验,验证了解析软件的准确性。其次对侧扫声呐二维瀑布图的预处理方法进行研究。本文在海底线检测部分,在传统海底线检测方法基础上进行改进,提出基于区域生长法的海底线检测改进方法,实现了海底线的准确检测。在灰度校正部分,提出了改进的增益补偿方法,实现了相比于两种传统增益补偿法灰度更均衡的补偿结果,并利用实验验证其有效性。最后完成基于明暗恢复形状（SFS）方法的侧扫声呐三维重构的研究。在已有算法的基础上,利用小波变换对SFS最小化法进行改进,实现了水下地形的三维重构。并分别以虚拟图像及实际图像作为输入,通过对比实验对本文提出的算法进行分析,结果表明,与两种经典的SFS算法相比,基于小波变换的SFS最小化法性能明显提高,可清晰显示海底表面起伏变化和水下地形的细微特征。
刘倩莹[8]（2021）在《基于拉曼光谱技术的可燃液体快速检测研究》文中提出近年来,随着公共领域安全事故频发,不法分子利用可燃液体危害社会,因此对于可燃液体的检测问题具有重要意义。拉曼光谱作为一种分子“指纹”图谱,能够根据物质分子间的振动来对需要检测的物质进行定性分析,广泛应用在物理、化学、材料等领域。拉曼光谱可应用于便携式监测系统,在保证操作安全性的同时,对物质进行准确分类,但其数据量偏大,如果不对其数据处理会大大增加后续的分析时间,影响自动识别的速度。本文运用拉曼光谱研究可燃液体的快速检测技术,结合决策树（Decision Tree,DT）、随机森林（Random Forest,RF）和支持向量机（Support Vector Machines,SVM）算法实现分类。主要研究内容和成果如下:本文选取九种常见可燃液体90#汽油、93#汽油、97#汽油、甲醇、乙醇、乙二醇、二甲苯、叔丁醇、丙酮为样本,采集拉曼光谱数据。实验器材选择自主搭建的便携式拉曼光谱仪,拉曼探头的激发波长选用785nm,对可燃液体样品进行初步的拉曼光谱实验。首先将实验所得的原始拉曼光谱数据进行数据预处理分析。通过对实验数据和背景荧光噪声信号产生原理的分析,求取极小值然后分段进行线性拟合对拉曼光谱图进行基线校正,并且增加周围关键值的选取。针对于滤波去噪方面,采用了db5小波变换和Savitzky-Golay滤波器的方法将拉曼光谱信号分解。db5小波变换通过对比多层可燃液体拉曼光谱信号分解的结果表明:db5小波3层信号分解去除背景噪声滤波效果最优,Savitzky-Golay滤波器数据窗口设置为9,多项式阶数设置为2,去除90#汽油样品的噪声信号效果也较好。归一化则采用Min-max标准化方法,设置光强信息分布在[0,1]范围内。可燃液体样品的拉曼光谱特征峰的提取选用非线性最小二乘算法实现高斯分峰拟合,可以准确的提取出谱峰信息。建立可燃液体拉曼数据库,为后续分类算法提供数据集。对可燃液体样品拉曼光谱信号进行过预处理后,需要通过数据分类算法实现可燃液体样本的快速识别。本文采用了决策树、随机森林以及支持向量机算法进行样本的快速识别,首先将数据进行压缩,通过64、128、256、512以及1000点的准确率对比发现,512点的准确率最佳。选取512点的可燃液体拉曼光谱数据作为数据集,将数据集训练后对比决策树分类器、随机森林分类器以及支持向量机分类器的分类效果,然后进行评价,评价指标选用准确率和混淆矩阵,发现随机森林和支持向量机的准确率均为98.15%,决策树的准确率为96.30%,支持向量机（SVM）的混淆矩阵效果要优于决策树和随机森林,因此得出支持向量机算法分类效果更佳的结论。运用拉曼光谱技术可准确检测出可燃液体样品的谱峰,对数据进行预处理和压缩有效提高分析速度,为后续仪器小型化提供了理论基础和技术参考。
王西岳[9]（2021）在《基于集成学习算法的癫痫脑电信号诊断分类》文中指出癫痫是严重威胁人体健康的脑部慢性病,为脑神经元细胞异常放电所致,目前,全球患者基数已达5000万,患者增长率达10%,癫痫的早期医疗诊断至关重要。癫痫引起的大脑活动可由脑电信号反映,基于脑电信号的癫痫检测逐渐成为研究焦点。然而,目前癫痫脑电信号的识别算法仍存在采集特征不够全面、冗余计算多、泛化能力弱等问题。为解决以上问题,通过对癫痫脑电信号的预处理降噪、多类特征采集、特征降维后,经集成学习算法完成分类工作。具体研究内容如下:（1）脑电信号的预处理。预处理的目的是减少脑电信号中所混杂的噪声。综合小波阈值降噪与经验模态分解（Empirical Model Decomposition,EMD）降噪的优点,并改进阈值函数,对睁眼、闭眼两种状态的脑电信号进行了EMD-小波阈值联合降噪。在仿真实验中,采用多种降噪指标综合对比评价了3种降噪方法,验证了EMD-小波阈值联合降噪方法的优越性。（2）特征采集。对癫痫脑电信号进行了全面的特征提取,首先,在时域和频域中,分别提取了6种和5种常用特征;在时频域中,结合典型癫痫波频率特点,通过小波分解提取了癫痫波的6种特征;其次,以样本熵为非线性特征,描述信号混乱度;最后,提出节律特征,在小波包变换下,完成频段划分,提取各节律混合特征。特征提取环节中,共提取了23种特征,归一化后作为后续分类的信息。（3）降维处理。高维数据直接作为分类器训练数据,会带来维度灾难,导致分类器过拟合,所以需要对数据进行降维。采用线性降维与非线性降维两类方法,对特征矩阵进行了降维分析,实验结果表明,等距离映射（Isometric Mapping,ISOMAP）算法的降维效果最好。（4）集成学习算法下的分类器设计。降维后的特征信息作为样本集,进行分类器训练,并引入集成思想,提高分类器泛化能力。将支持向量机、朴素贝叶斯及K近邻算法作为基分类器,构建异质分类器,并在决策方法上与BP神经网络结合。实验中,与BP神经网络结合的异质分类器在二分类中的准确率为99.44%,三分类中的准确率为97.04%,五分类的准确率为88.67%,性能远高于基分类器及投票法的异质分类器。
杨朋朋[10]（2021）在《数字图像与视频的源取证技术研究》文中研究指明当前的我们正处在一个全新的数字时代,也是一个由图像、视频、音频、文本等信息交互的网络信息时代。快速发展的成像技术以及日益成熟的制作工艺使得数码相机、智能手机等数字媒体获取设备数量激增。与此同时,人工智能技术的发展也使得数字媒体编辑技术达到炉火纯青的程度。人人都可以对数字媒体进行编辑修改,然后上传到社交媒体平台与其他人分享。这对于数字媒体真实性和完整性验证无疑是极大的挑战。因此研究新的多媒体取证方案迫在眉睫。本论文以数字图像和视频为研究对象,进行捕获场景、捕获设备、编辑软件三个方面的源取证分析。本论文的主要创新性研究成果包括:1.提出了一种基于拉普拉斯卷积神经网络的重获取取证算法。在国际上首次利用深度学习技术解决重获取图像取证问题。使用拉普拉斯滤波对图像进行预处理,消除图像内容干扰的同时放大重获取图像和原始场景图像间的差异,提升卷积神经网络对重获取取证特征的表征能力。在四种不同图像大小的数据集上验证了提出算法的有效性。2.提出了一种基于内容自适应融合残差网络的数字图像设备来源辨别算法。首先,探索自学习卷积预处理方式实现了取证信号的有效提取,其次设计了多尺度融合残差网络捕获更全面的设备取证特征;然后根据图像内容不同进行差异化处理并利用迁移学习技术精细化地提升网络性能。实验表明了提出方案对三个级别（品牌级别、型号级别、个体级别）设备取证任务的有效性。相比于基于传感器模式噪声的算法,提出的方案在低分辨图像情况下取得了更优异的性能。3.构建了高动态范围图像取证数据库,分析了高动态范围图像对基于传感器模式噪声设备取证方案的影响,发现了高动态范围图像成像过程中多曝光图像对齐操作引入的像素位移问题,进而提出了基于块一致性特征的高动态范围图像设备取证算法。具体地,所构建的数据库考虑了图像捕获方式、捕获内容、以及捕获设备的多样性,共包含了成对的标准动态范围图像和高动态范围图像5415张,是目前第一个公开的高动态范围图像取证数据库。在构建的图像取证数据库上对基于传感器模式噪声的设备取证方案进行评估,对比了图像类型、设备指纹类型对设备取证方案的影响。设计了块一致性特征,解决高动态范围图像的设备取证难点。实验结果验证了提出的块一致性特征的有效性。4.提出了一种基于视频封装容器的数字视频完整性分析方案。首先,利用视频封装容器构建域-符号和值-符号,从而建立更好的视频封装容器特征表征方式;其次,通过似然比框架实现无关特征量的自动去除;最后构建决策树分类器,实现对视频源有效分类的同时,提供了简单的决策解释。我们在构建的包含7000条视频文件的视频取证数据库上进行实验验证。结果表明提出的方案可以有效辨别原始视频和篡改视频、以及视频编辑软件。即使对于经历了无重编码裁剪操作或者降采样到缩略图分辨率的视频,提出的方案依然可以进行有效辨别。另外,提出的方法不仅提升了运算效率、获得了更好的检测准确率,而且还提供了一些简单的决策解释。
二、一种基于小波变换的平滑预处理压缩算法（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、一种基于小波变换的平滑预处理压缩算法（论文提纲范文）
（1）高速运动物体图像识别与压缩方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像识别研究现状 |
| 1.2.2 图像压缩研究现状 |
| 1.2.3 高速运动物体研究现状 |
| 1.3 课题主要内容和结构 |
| 2 高速运动物体图像识别方法 |
| 2.1 高速运动物体图像特征分析 |
| 2.2 图像识别过程 |
| 2.3 基于卷积神经网络的图像识别 |
| 2.3.1 卷积神经网络基本结构 |
| 2.3.2 卷积神经网络参数训练 |
| 2.3.3 卷积神经网络图像识别流程 |
| 2.4 卷积神经网络改进方法 |
| 2.4.1 网络结构改进 |
| 2.4.2 标准化和正则化 |
| 2.4.3 多层特征融合 |
| 2.5 本章小结 |
| 3 基于卷积神经网络的高速移动激光点图像识别 |
| 3.1 3D打印激光束特点分析 |
| 3.2 激光点图像数据采集系统设计 |
| 3.2.1 红外图像采集装置 |
| 3.2.2 红外摄像头采集模块 |
| 3.2.3 串口数据传输模块 |
| 3.2.4 激光温度数据采集过程 |
| 3.3 激光点红外图像识别过程 |
| 3.3.1 激光图像识别流程 |
| 3.3.2 图像数据预处理 |
| 3.3.3 数据集制作及参数设置 |
| 3.3.4 CNN及改进CNN模型 |
| 3.3.5 模型训练及结果分析 |
| 3.4 激光中心点温度预测 |
| 3.4.1 测试集处理 |
| 3.4.2 预测结果及实验分析 |
| 3.5 本章小结 |
| 4 高速运动物体视频图像压缩方法 |
| 4.1 数据的冗余与压缩 |
| 4.1.1 数据的冗余类型 |
| 4.1.2 数据压缩分类 |
| 4.1.3 压缩评价指标 |
| 4.2 静态图像压缩 |
| 4.2.1 图像压缩系统构成 |
| 4.2.2 基于小波变换的图像数据压缩 |
| 4.2.3 基于BP神经网络的图像数据压缩 |
| 4.3 序列图像中的运动信息处理 |
| 4.3.1 运动序列图像特点 |
| 4.3.2 高速运动物体视频分割 |
| 4.3.3 基于运动估计的帧间预测编码 |
| 4.4 高速运动视频图像压缩系统 |
| 4.4.1 视频图像压缩整体流程 |
| 4.4.2 压缩重构示例 |
| 4.5 本章小结 |
| 5 基于帧内和帧间编码的高速无人机视频图像压缩 |
| 5.1 高速无人机视频传输系统 |
| 5.2 基于小波神经网络的无人机静态图像压缩 |
| 5.2.1 视频图像关键帧提取 |
| 5.2.2 小波神经网络图像压缩 |
| 5.2.3 图像重构及结果分析 |
| 5.3 基于帧间预测编码的无人机视频序列压缩 |
| 5.3.1 基于三帧差分的无人机目标分割 |
| 5.3.2 基于块匹配的无人机运动估计 |
| 5.4 无人机视频重构及结果分析 |
| 5.4.1 视频重构 |
| 5.4.2 视频压缩前后结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（2）基于近红外光谱的红松子品质检测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国内外应用领域与研究成果 |
| 1.3.2 近红外光谱坚果品质检测的研究现状 |
| 1.3.3 近红外光谱数据处理研究现状 |
| 1.4 研究内容 |
| 1.5 本研究技术路线 |
| 1.6 本文组织结构 |
| 2 红松子近红外光谱数据获取及其预处理 |
| 2.1 近红外光谱与化学计量学 |
| 2.1.1 近红外光谱检测技术原理与实验设备 |
| 2.1.2 近红外光谱检测技术在化学计量学中的应用 |
| 2.2 近红外光谱采集实验 |
| 2.2.1 红松子样本的选取与制备 |
| 2.2.2 近红外光谱采集实验平台 |
| 2.2.3 光谱数据采集 |
| 2.3 化学实验数据获取以及数据集划分 |
| 2.3.1 索氏抽提实验步骤 |
| 2.3.2 数据集划分 |
| 2.4 近红外光谱原始数据特性 |
| 2.5 近红外光谱的预处理算法 |
| 2.6 预处理算法选取原则与方案制定 |
| 2.7 本章小结 |
| 3 基于数据降维的红松子品性鉴别模型研究 |
| 3.1 引言 |
| 3.2 数据降维及其评价指标 |
| 3.2.1 线性降维 |
| 3.2.2 非线性降维 |
| 3.2.3 数据降维性能度量 |
| 3.3 红松子定性分析建模方法与模型评价指标 |
| 3.4 红松子成熟年份和产地鉴别模型结果分析 |
| 3.4.1 数据降维结果分析 |
| 3.4.2 模型的预测效果与分析 |
| 3.5 本章小结 |
| 4 基于特征选择的红松子脂肪含量检测模型研究 |
| 4.1 引言 |
| 4.2 小波分析 |
| 4.2.1 连续小波变换及其离散化 |
| 4.2.2 Mallat算法 |
| 4.2.3 小波阈值去噪方法 |
| 4.2.4 小波族函数 |
| 4.2.5 阈值选取 |
| 4.2.6 阈值函数 |
| 4.3 特征选择优化算法 |
| 4.3.1 无信息变量消除算法 |
| 4.3.2 蒙特卡洛算法 |
| 4.3.3 蒙特卡洛改进的无信息变量消除算法 |
| 4.4 红松子定量分析建模方法与模型评价指标 |
| 4.5 基于WT-MCUVE-PLS的红松子脂肪含量预测模型结果分析 |
| 4.5.1 小波压缩结果分析 |
| 4.5.2 特征选择结果分析 |
| 4.5.3 校正模型的建立 |
| 4.5.4 回归模型的预测效果与分析 |
| 4.6 本章小结 |
| 5 基于在线多元散射校正的红松子脂肪含量在线学习模型研究 |
| 5.1 引言 |
| 5.2 在线多元散射校正算法 |
| 5.3 递归偏最小二乘算法 |
| 5.4 基于OMSC算法的RPLS红松子脂肪含量在线学习模型结果分析 |
| 5.4.1 新增样本数据集划分 |
| 5.4.2 特征选择更新及其结果 |
| 5.4.3 预测效果的比较与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表学术论文、发明专利与参加的科研工作 |
| 致谢 |
| 东北林业大学 博士学位论文修改情况确认表 |
（3）煤矿四旋翼飞行机器人环境信息数据压缩与重构方法研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 四旋翼无人机的国内外研究现状 |
| 1.2.2 视频图像数字滤波技术的国内外研究现状 |
| 1.2.3 数据压缩算法的国内外研究现状 |
| 1.2.4 视频图像数据压缩算法的国内外研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 煤矿四旋翼飞行机器人环境信息检测总体方案 |
| 2.1 煤矿四旋翼飞行机器人井下巡检系统 |
| 2.2 煤矿四旋翼飞行机器人硬件平台及巡检环境 |
| 2.3 煤矿四旋翼飞行机器人环境信息特征分析 |
| 2.3.1 气体浓度信息特征分析 |
| 2.3.2 视频信息特征分析 |
| 2.4 本章小结 |
| 3 煤矿四旋翼飞行机器人气体浓度信息压缩与重构算法 |
| 3.1 气体浓度信息压缩特点与原则 |
| 3.1.1 气体浓度信息压缩特点 |
| 3.1.2 气体浓度信息压缩原则 |
| 3.2 气体浓度信息数据压缩与重构 |
| 3.2.1 气体浓度信息数据压缩预处理 |
| 3.2.2 正交化曲线拟合方法 |
| 3.2.3 气体浓度信息数据压缩与重构算法 |
| 3.3 气体浓度信息数据压缩与重构算法验证 |
| 3.3.1 气体浓度信息数据压缩与重构算法验证实验 |
| 3.3.2 重构效果误差分析 |
| 3.4 本章小结 |
| 4 煤矿四旋翼飞行机器人视频信息压缩与重构算法 |
| 4.1 视频信息压缩特点与原则 |
| 4.1.1 视频信息压缩基础 |
| 4.1.2 视频信息特征 |
| 4.1.3 视频信息压缩原则 |
| 4.2 视频信息预处理算法 |
| 4.2.1 二维图像信息降噪算法 |
| 4.2.2 均值、中值、小波自适应图像降噪方法比较 |
| 4.2.3 基于边缘检测的小波视频信息降噪算法 |
| 4.3 视频信息压缩与重构算法 |
| 4.3.1 视频信息压缩算法思想 |
| 4.3.2 基于二维图像小波变换的视频信息分解与重构 |
| 4.3.3 H.264编码技术 |
| 4.3.4 基于H.264视频信息数据编解码算法 |
| 4.3.5 基于多重小波变换的H.264视频信息压缩与重构算法 |
| 4.4 视频信息压缩与重构算法验证 |
| 4.4.1 视频信息压缩算法验证实验 |
| 4.4.2 视频信息重构算法验证实验 |
| 4.5 本章小结 |
| 5 煤矿四旋翼飞行机器人环境信息处理实验验证 |
| 5.1 气体浓度信息数据压缩与重构算法实验验证 |
| 5.1.1 气体浓度信息压缩预处理实验 |
| 5.1.2 气体浓度信息数据压缩与重构实验 |
| 5.2 视频信息压缩与重构算法实验验证 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）超声检测数据的压缩算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 超声数据压缩研究现状和发展动态 |
| 1.2.1 国外研究现状和发展动态 |
| 1.2.2 国内研究现状和发展动态 |
| 1.3 论文研究内容及意义 |
| 1.3.1 本文研究意义 |
| 1.3.2 论文主要内容 |
| 第二章 超声检测与数据压缩理论 |
| 2.1 超声检测数据的形成 |
| 2.1.1 超声波声场简介 |
| 2.1.2 超声检测技术原理 |
| 2.2 数据无损压缩理论 |
| 2.2.1 游程编码 |
| 2.2.2 Huffman编码 |
| 2.2.3 字典编码 |
| 2.2.4 算术编码 |
| 2.3 数据有损压缩理论 |
| 2.3.1 变换编码 |
| 2.3.2 量化 |
| 2.4 多媒体数据编码压缩理论 |
| 2.4.1 帧内编码 |
| 2.4.2 帧间编码 |
| 2.5 本章小结 |
| 第三章 超声检测数据分析与处理 |
| 3.1 超声数据特征分析 |
| 3.1.1 超声波信号模型 |
| 3.1.2 超声数据噪声分析 |
| 3.1.3 超声信号特性分析 |
| 3.2 超声信号降噪和解调 |
| 3.2.1 超声信号去基线处理 |
| 3.2.2 超声信号降噪处理 |
| 3.2.3 超声信号检波处理 |
| 3.3 超声数据缺陷检测与波形分类 |
| 3.3.1 超声检测波形闸门 |
| 3.3.2 缺陷信号特征分析 |
| 3.3.3 超声数据波形分类 |
| 3.4 本章小结 |
| 第四章 超声数据无损压缩算法设计与实现 |
| 4.1 超声数据预处理 |
| 4.1.1 平滑处理 |
| 4.1.2 差分处理 |
| 4.2 超声数据的无损压缩 |
| 4.2.1 基于游程编码的无损压缩 |
| 4.2.2 基于Huffman编码的无损压缩 |
| 4.2.3 基于DEFLATE编码的无损压缩 |
| 4.3 实验与结果分析 |
| 4.3.1 数据压缩指标 |
| 4.3.2 实验与分析 |
| 4.4 本章小结 |
| 第五章 超声数据有损压缩算法设计与实现 |
| 5.1 基于小波变换的有损压缩算法 |
| 5.1.1 小波基的选择 |
| 5.1.2 量化方法的选择 |
| 5.1.3 小波变换压缩结果 |
| 5.2 基于多媒体编码的压缩方法 |
| 5.2.1 人类视觉系统概述 |
| 5.2.2 基于JPEG的超声数据压缩 |
| 5.2.3 基于MPEG的超声数据压缩 |
| 5.3 实验与结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（5）色谱工作站设计与谱图分析算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 色谱工作站软件 |
| 1.2.2 谱图数据处理分析研究 |
| 1.3 论文主要研究内容 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 色谱工作站开发环境及相关技术 |
| 2.1 超临界流体色谱仪设备 |
| 2.2 服务器框架设计 |
| 2.2.1 Python |
| 2.2.2 Django |
| 2.3 前端网页设计 |
| 2.4 服务器与仪器通信 |
| 2.5 数据存储方式 |
| 2.6 异步队列任务 |
| 2.6.1 Celery |
| 2.6.2 多线程 |
| 2.7 本章小结 |
| 第三章 色谱工作站功能开发及测试 |
| 3.1 数据存储功能 |
| 3.1.1 MySQL数据库 |
| 3.1.2 Redis数据缓存 |
| 3.2 用户管理功能 |
| 3.2.1 用户登录 |
| 3.2.2 权限管理 |
| 3.3 设备监控功能 |
| 3.3.1 设备配置 |
| 3.3.2 设备监视 |
| 3.3.3 设备控制 |
| 3.4 色谱分析功能 |
| 3.4.1 项目管理 |
| 3.4.2 方法设置 |
| 3.4.3 谱图显示 |
| 3.4.4 结果分析 |
| 3.5 辅助功能 |
| 3.5.1 日志记录 |
| 3.5.2 帮助文档 |
| 3.6 软件系统测试 |
| 3.6.1 软件功能测试 |
| 3.6.2 服务器性能测试 |
| 3.7 本章小结 |
| 第四章 谱图数据预处理 |
| 4.1 谱图数据的压缩与解压缩 |
| 4.1.1 基于离散傅里叶变换的数据压缩 |
| 4.1.2 基于离散余弦变换的数据压缩 |
| 4.1.3 基于小波变换的数据压缩 |
| 4.2 色谱数据的去噪 |
| 4.2.1 信号中的噪声特性 |
| 4.2.2 信号去噪的常用算法 |
| 4.2.3 S-G滤波与小波变换相结合的去噪方法 |
| 4.3 本章小结 |
| 第五章 谱图数据分析算法研究 |
| 5.1 谱峰识别 |
| 5.2.1 谱峰识别的常见方法 |
| 5.2.2 改进的二阶导数法识别谱峰 |
| 5.2 重叠峰分解 |
| 5.2.1 基于EMG模型的N-M拟合法 |
| 5.2.2 模拟信号分解实验 |
| 5.2.3 模拟信号对比实验 |
| 5.2.4 实际色谱信号重叠峰分解 |
| 5.3 特征参数计算 |
| 5.4 定性定量计算 |
| 5.4.1 定性分析 |
| 5.4.2 定量计算 |
| 5.5 软件谱图分析性能测试 |
| 5.5.1 重复性测试 |
| 5.5.2 准确性测试 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士期间发表的论文及专利 |
（6）基于小波分析的图像压缩算法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 图像压缩的国内外研究现状 |
| 1.3 基于小波分析的编码算法 |
| 1.3.1 小波编码算法的流程 |
| 1.3.2 结合HVS模型的算法 |
| 1.3.3 结合分形、神经网络及模型基的算法 |
| 1.4 小波编码涉及的问题 |
| 1.4.1 滤波器的选择 |
| 1.4.2 系数的组织 |
| 1.4.3 量化 |
| 1.4.4 熵编码 |
| 1.5 小波编码算法的现状分析 |
| 1.6 论文的主要工作及结构安排 |
| 2 小波分析基础 |
| 2.1 小波变换的定义 |
| 2.2 时频分析 |
| 2.3 离散小波变换 |
| 2.4 MRA和Mallat算法 |
| 2.5 第二代小波变换 |
| 2.6 小波包和矢量小波 |
| 2.7 小结 |
| 3 图像的小波变换编码 |
| 3.1 图像的小波分解 |
| 3.2 系数的组织模型 |
| 3.2.1 树结构模型 |
| 3.2.2 块结构模型 |
| 3.3 量化策略 |
| 3.3.1 逐步逼近量化 |
| 3.3.2 位平面编码 |
| 3.4 熵编码 |
| 3.5 小波基的选择 |
| 3.5.1 小波函数性质对编码的影响 |
| 3.5.2 小结 |
| 3.6 可分级编码 |
| 3.6.1 空间可分级编码 |
| 3.6.2 质量可分级编码 |
| 3.6.3 时间可分级编码 |
| 3.7 感兴趣区域编码 |
| 3.8 小结 |
| 4 预处理技术及改进的零树编码 |
| 4.1 小波算法存在的问题 |
| 4.2 预处理原理 |
| 4.3 平滑预处理技术 |
| 4.3.1 3-D平滑算法 |
| 4.3.2 实验及分析 |
| 4.4 改进的零树编码 |
| 4.4.1 零树定义及编码 |
| 4.4.2 性能分析 |
| 4.4.3 量化编码的截断 |
| 4.4.4 实验及分析 |
| 4.5 小结 |
| 5 结合预处理及改进零树的压缩算法 |
| 5.1 算法原理 |
| 5.2 算法实现 |
| 5.2.1 双正交9×7滤波器 |
| 5.2.2 系数扫描编码 |
| 5.2.3 位平面编解码 |
| 5.2.4 量化截断 |
| 5.2.5 程序实现 |
| 5.3 实验结果及分析 |
| 6 结 论 |
| 致 谢 |
| 参考文献 |
| 附录: |
| 1 作者在攻读硕士学位期间发表的论文 |
| 2 3－D预处理和后处理算法程序 |
| 3 小波分解与重构算法的详细代码 |
| 4 零树编解码及逼近量化的详细程序 |
| 5 自适应算术编码和解码的主要程序 |
（7）基于SFS方法的侧扫声呐图像三维重构研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 侧扫声呐研究现状 |
| 1.3 侧扫声呐图像三维重构方法综述 |
| 1.3.1 SFS算法分类 |
| 1.3.2 SFS算法比较 |
| 1.4 论文研究内容及章节安排 |
| 1.4.1 论文的研究内容 |
| 1.4.2 论文的章节安排 |
| 2 侧扫声呐原始文件的解析系统研究 |
| 2.1 侧扫声呐系统组成 |
| 2.2 侧扫声呐工作及成像原理 |
| 2.3 原始数据解析 |
| 2.3.1 XTF文件格式 |
| 2.3.2 解析软件实现 |
| 2.3.3 解析软件结果分析 |
| 2.4 本章总结 |
| 3 侧扫声呐图像预处理方法研究 |
| 3.1 基于区域生长法的海底线检测方法研究 |
| 3.1.1 传统海底线检测方法 |
| 3.1.2 基于区域生长法的海底线检测方法 |
| 3.2 基于改进的增益补偿法的灰度校正研究 |
| 3.2.1 时变增益校正 |
| 3.2.2 平均振幅增益补偿 |
| 3.2.3 平均灰度增益补偿 |
| 3.2.4 改进后的灰度校正 |
| 3.3 几何校正方法研究 |
| 3.3.1 斜距校正方法研究 |
| 3.3.2 斜距矫正后的声呐图像补偿方法研究 |
| 3.4 本章总结 |
| 4 基于小波变换的最小化方法研究 |
| 4.1 SFS算法基础 |
| 4.1.1 图像辐照度 |
| 4.1.2 表面方向 |
| 4.1.3 反射图 |
| 4.2 经典的最小化算法 |
| 4.2.1 Horn的方法 |
| 4.2.2 Leclerc和Bobick的方法 |
| 4.3 基于小波变换的SFS方法 |
| 4.3.1 小波变换的多分辨特性 |
| 4.3.2 基于Priwitt算子优化的三维重构算法 |
| 4.3.3 结合小波变换的SFS最小化方法 |
| 4.4 实验结果比较与分析 |
| 4.4.1 实验说明及评价指标 |
| 4.4.2 虚拟图像实验结果及分析 |
| 4.4.3 实际图像实验结果及分析 |
| 4.5 本章总结 |
| 5 总结与展望 |
| 5.1 论文总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（8）基于拉曼光谱技术的可燃液体快速检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究意义和背景 |
| 1.2 拉曼光谱技术概述 |
| 1.2.1 拉曼光谱原理 |
| 1.2.2 拉曼光谱技术的优势 |
| 1.2.3 国内外研究进展 |
| 1.3 论文研究内容及结构 |
| 2 拉曼光谱分析技术与实验设计 |
| 2.1 拉曼光谱技术的工作原理 |
| 2.2 拉曼光谱技术的发展 |
| 2.3 实验材料 |
| 2.4 仪器设备 |
| 2.5 本章小结 |
| 3 可燃液体拉曼光谱预处理方法研究 |
| 3.1 光谱采集 |
| 3.2 拉曼光谱基线校正 |
| 3.2.1 拉曼光谱基线漂移概述 |
| 3.2.2 拉曼光谱基线漂移常用的抑制方法 |
| 3.2.3 可燃液体的拉曼光谱基线校正 |
| 3.3 拉曼光谱平滑去噪 |
| 3.3.1 小波去噪 |
| 3.3.2 Savitzky-Golay去噪 |
| 3.4 归一化 |
| 3.5 拉曼光谱特征峰提取 |
| 3.6 可燃液体拉曼数据库建立 |
| 3.6.1 数据集构建 |
| 3.6.2 可燃液体光谱分析软件 |
| 3.7 本章小结 |
| 4 可燃液体拉曼数据分类方法研究 |
| 4.1 决策树算法研究 |
| 4.2 随机森林算法研究 |
| 4.3 支持向量机算法研究 |
| 4.4 数据分析 |
| 4.4.1 数据压缩 |
| 4.4.2 k折交叉验证 |
| 4.4.3 构建分类识别算法 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读硕士期间发表的学术论文 |
（9）基于集成学习算法的癫痫脑电信号诊断分类（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题相关内容的研究现状 |
| 1.2.1 脑电信号研究现状 |
| 1.2.2 癫痫EEG检测识别研究现状 |
| 1.2.3 现存问题 |
| 1.3 创新点、章节安排 |
| 第2章 癫痫脑电信号基础 |
| 2.1 脑电信号采集 |
| 2.2 采集信号中的伪迹 |
| 2.3 癫痫脑电信号典型波形 |
| 2.4 本章小结 |
| 第3章 脑电信号的预处理 |
| 3.1 小波阈值降噪 |
| 3.1.1 小波变换 |
| 3.1.2 降噪过程 |
| 3.2 经验模态分解降噪 |
| 3.2.1 经验模态分解 |
| 3.2.2 EMD降噪原理 |
| 3.3 EMD-小波阈值联合降噪 |
| 3.3.1 联合降噪思路 |
| 3.3.2 对阈值函数的改进 |
| 3.4 实验分析 |
| 3.4.1 降噪性能评价指标 |
| 3.4.2 降噪仿真分析 |
| 3.5 本章小结 |
| 第4章 癫痫EEG特征提取 |
| 4.1 数据集及分析时窗 |
| 4.1.1 癫痫EEG数据集 |
| 4.1.2 滑动窗口分析 |
| 4.2 特征提取 |
| 4.2.1 时域特征 |
| 4.2.2 频域特征 |
| 4.2.3 时频域特征 |
| 4.2.4 非线性特征 |
| 4.2.5 节律混合特征 |
| 4.3 实验分析 |
| 4.4 本章小结 |
| 第5章 降维及分类器设计 |
| 5.1 降维算法 |
| 5.1.1 主成分分析 |
| 5.1.2 等距离映射 |
| 5.1.3 t-分布随机近邻嵌入 |
| 5.2 机器学习算法 |
| 5.2.1 支持向量机 |
| 5.2.2 朴素贝叶斯 |
| 5.2.3 K近邻 |
| 5.3 集成学习算法 |
| 5.3.1 异质分类器 |
| 5.3.2 决策方法的改进 |
| 5.4 参数优化 |
| 5.5 实验分析 |
| 5.5.1 降维分析实验 |
| 5.5.2 参数优化实验 |
| 5.5.3 分类器实验 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间取得的科研成果 |
| 致谢 |
（10）数字图像与视频的源取证技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 本文的研究问题 |
| 1.3 本文的主要工作及创新点 |
| 1.4 本文的章节安排 |
| 2 源取证研究进展 |
| 2.1 传统方案 |
| 2.1.1 镜头失真 |
| 2.1.2 传感器模式噪声 |
| 2.1.3 去马赛克特性 |
| 2.1.4 其他统计特征 |
| 2.2 数据驱动型源取证技术 |
| 2.2.1 重获取图像取证 |
| 2.2.2 设备来源辨别 |
| 2.2.3 计算机生成图像取证 |
| 2.2.4 GAN生成图像取证 |
| 2.2.5 社交媒体源辨别 |
| 2.2.6 反取证和反反取证 |
| 2.3 本章小结 |
| 3 拉普拉斯卷积神经网络重获取图像取证算法 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 网络结构设计 |
| 3.4 实验结果和分析 |
| 3.4.1 重获取图像取证数据库 |
| 3.4.2 实验设置 |
| 3.4.3 性能评估 |
| 3.4.4 信号增强层有效性验证 |
| 3.5 本章小结 |
| 4 基于内容自适应融合残差网络的设备来源辨别算法 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 网络结构分析设计 |
| 4.3.1 内容自适应分析 |
| 4.3.2 内容自适应融合残差网络 |
| 4.4 实验结果和分析 |
| 4.4.1 数据集与实验设置 |
| 4.4.2 品牌级别的设备来源辨别 |
| 4.4.3 型号和个体级别的设备来源辨别 |
| 4.4.4 传感器模式噪声算法比较 |
| 4.4.5 图像篡改定位性能评估 |
| 4.5 本章小结 |
| 5 高动态范围图像设备取证 |
| 5.1 引言 |
| 5.2 数据库构建 |
| 5.3 基于传感器模式噪声的相机源辨别算法性能分析 |
| 5.3.1 基于传感器模式噪声的相机源辨别算法 |
| 5.3.2 设备指纹类型以及图像类型分析 |
| 5.3.3 相机源辨别算法可靠性分析 |
| 5.3.4 高动态范围图像低PCE情况分析 |
| 5.4 基于块一致性特征的高动态范围图像相机源辨别 |
| 5.5 实验结果和分析 |
| 5.5.1 实验设置 |
| 5.5.2 图像类型分析 |
| 5.5.3 设备指纹类型分析 |
| 5.5.4 混合类型设备指纹分析 |
| 5.5.5 PRNU算法性能评估 |
| 5.5.6 块一致性特征性能评估 |
| 5.6 本章小结 |
| 6 基于视频封装容器特性的高效视频完整性分析算法 |
| 6.1 引言 |
| 6.2 视频文件格式 |
| 6.3 视频完整性分析 |
| 6.3.1 视频封装容器的向量化表示 |
| 6.3.2 似然比框架 |
| 6.3.3 决策树分类模型 |
| 6.4 实验结果和分析 |
| 6.4.1 视频完整性验证 |
| 6.4.2 视频篡改特性 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 论文工作的总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
四、一种基于小波变换的平滑预处理压缩算法（论文参考文献）
- [1]高速运动物体图像识别与压缩方法研究[D]. 史启盟. 西安理工大学, 2021(01)
- [2]基于近红外光谱的红松子品质检测模型研究[D]. 李鸿博. 东北林业大学, 2021(09)
- [3]煤矿四旋翼飞行机器人环境信息数据压缩与重构方法研究[D]. 梁艳. 西安科技大学, 2020(01)
- [4]超声检测数据的压缩算法研究[D]. 陈浩. 东南大学, 2019(06)
- [5]色谱工作站设计与谱图分析算法研究[D]. 朱晨超. 东南大学, 2019(06)
- [6]基于小波分析的图像压缩算法研究[D]. 王新亮. 重庆大学, 2004(01)
- [7]基于SFS方法的侧扫声呐图像三维重构研究[D]. 覃珊珊. 西安理工大学, 2021(01)
- [8]基于拉曼光谱技术的可燃液体快速检测研究[D]. 刘倩莹. 烟台大学, 2021
- [9]基于集成学习算法的癫痫脑电信号诊断分类[D]. 王西岳. 曲阜师范大学, 2021(02)
- [10]数字图像与视频的源取证技术研究[D]. 杨朋朋. 北京交通大学, 2021(02)