計算機論文開題報告
計算機論文開題報告
計算機論文以蟻群系統(tǒng)為課題，下文是小編搜集整理的計算機論文開題報告范文，希望對大家有所幫助!
1、選題目的、意義。 蟻群算法是一種基于種群的啟發(fā)式搜索算法，由Dorigo M等人首先提出。很多研究已經(jīng)證明，蟻群算法具有很強的發(fā)現(xiàn)好解的能力，這是因為該算法不僅利用了正反饋的原理，在一定程度上可以加快進化進程，而且是一種本質(zhì)并行的算法，不同個體之間不斷地進行信息的交流與傳遞，從而能夠相互協(xié)作，有利于發(fā)現(xiàn)較好的解。蟻群算法定義的這種分布式問題求解模式能夠?qū)栴}求解的快速性，全局優(yōu)化特征及有限時間內(nèi)答案的合理性結(jié)合起來，所以引起了許多研究者的注意。
通過相關(guān)的研究工作，目前蟻群算法的應用領(lǐng)域已由當初單一的TSP領(lǐng)域滲透到了多個應用領(lǐng)域;由解決一維靜態(tài)優(yōu)化問題發(fā)展到解決多維動態(tài)組合優(yōu)化問題;由離散域范圍內(nèi)研究逐漸拓展到連續(xù)域范圍內(nèi)的研究。具體被應用于包括機器人系統(tǒng)，圖像處理，制造系統(tǒng)，車輛路徑規(guī)劃，通訊系統(tǒng)，工程設(shè)計以及電力系統(tǒng)在內(nèi)的多種場合，還解決了實際系統(tǒng)中的資源規(guī)劃，運動規(guī)劃，數(shù)據(jù)分類等問題。
這種新興的仿生優(yōu)化算法展現(xiàn)出勃勃生機，并已成為可與遺傳算法相媲美的仿生優(yōu)化算法
2、國內(nèi)外研究綜述及本人對綜述的評價。 對蟻群算法的研究雖然剛剛起步，但初步的研究結(jié)果已顯示出該算法在求解復雜優(yōu)化問題(特別是離散優(yōu)化問題)方面的優(yōu)越性。蟻群算法正在受到越來越多的人的研究和注意。
從當前可以檢索到的文獻情況看，研究和應用蟻群優(yōu)化算法的學者主要集中在比利時，意大利，英國，法國和德國等歐洲國家。日本和美國在這兩年也開始啟動對蟻群算法的研究。我國最早研究蟻群算法的是東北大學張紀會博士和徐心和教授。目前，蟻群優(yōu)化算法在啟發(fā)式方法范疇內(nèi)已逐漸成為一個獨立的分支。
盡管蟻群優(yōu)化的嚴格理論基礎(chǔ)尚未奠定，國內(nèi)外的有關(guān)研究仍停留在實驗探索階段，但從當前的應用效果來看，這種新型的尋優(yōu)思想具有十分光明的前景更多深入細致的工作還有待于進一步展開。
3、研究內(nèi)容、研究中所要突破的難題。
研究內(nèi)容：
1.基本蟻群算法及其改進算法(蟻群系統(tǒng)、最大-最小蟻群系統(tǒng))
2.蟻群算法在控制系統(tǒng)(滿意PID控制器參數(shù)優(yōu)化、非線性方程組的求解、Wiener模型參數(shù)辨識)中的應用
研究中所要突破的難題：
1. 蟻群算法參數(shù)選擇很重要，選擇不當?shù)脑挄霈F(xiàn)搜索的過早停滯現(xiàn)象或陷入局部最優(yōu)問題。
2. 蟻群算法對非線性系統(tǒng)辨識中對 輸入信號的選擇是一個難點。
4、擬采取的研究方法，有何特色與創(chuàng)新之處。 擬采取的研究方法：將滿意PID控制器的參數(shù)優(yōu)化問題，非線性方程組的求解問題，Wiener模型參數(shù)辨識問題都轉(zhuǎn)換為求最優(yōu)的問題，利用蟻群算法求解最優(yōu)問題。 特色與創(chuàng)新之處：一般PID控制器參數(shù)的優(yōu)化的被控對象的參數(shù)是一定的，滿意PID被控對象給出的則是參數(shù)區(qū)間;蟻群算法是一種新的并行優(yōu)化算法，它有高度適應性，較強魯棒性且高效的優(yōu)點，在組合優(yōu)化問題中，蟻群算法的優(yōu)化性能好于遺傳算法等。用蟻群算法解決一些傳統(tǒng)的方法難以解決的問題，有研究價值。
5、現(xiàn)有研究條件和可能存在的問題。 現(xiàn)有研究條件： 張宏立老師提供了些書籍資料，自己也已搜集了一些相關(guān)技術(shù)資料。學院也為了我們配置了性能良好的計算機還有MATLAB仿真平臺。
可能存在的問題：
1. 蟻群算法參數(shù)選擇很重要，選擇不當?shù)脑挄霈F(xiàn)搜索的過早停止現(xiàn)象或陷入局部最優(yōu)問題。
2. 蟻群算法對非線性系統(tǒng)辨識中對輸入信號的選擇是一個難點。
6、預期的結(jié)果。
1.提出了一種基于蟻群算法的滿意PID控制器參數(shù)優(yōu)化的方法。
2.提出了一種基于蟻群算法的求解非線性方程組的方法。
3.提出了一種基于蟻群算法的Wiener模型辨識的方法。
7、論文工作進度安排。
2011.09--2011.12 查閱資料，完成碩士論文的開題報告工作;
2012.01--2012.02 查閱相關(guān)技術(shù)資料并深入學習研究，熟悉MATLAB仿真軟件;
2012.02--2012.06 深入學習基本蟻群算法及其改進算法;
2012.10--2013.01 深入學習蟻群算法在控制系統(tǒng)中的應用;
2013.03--2013.04 仿真并驗證理論的正確性和方案的可行性;
2013.05--2013.06 撰改論文，準備論文答辯。
8、論文提綱
前言
一、緒論
二、基本蟻群算法
三、螞蟻系統(tǒng)
四、最大-最小蟻群系統(tǒng)
五、基于蟻群算法的滿意PID控制器參數(shù)優(yōu)化
六、基于蟻群算法的非線性方程組的求解
七、基于蟻群算法的Wiener模型參數(shù)辨識
結(jié)論
參考文獻 (以上為參考格式，學科專業(yè)不同、論文選題不同，可以有不同的寫作方式)
[1] 孫偉。 非線性PID控制器參數(shù)優(yōu)化方法[J].計算機工程與應用， 2010, 46(28) .
[2] 王建國。 非線性系統(tǒng)的蟻群優(yōu)化預測[J].測控技術(shù)， 2008, 27(10) .
[3] 朱遙。 采用蟻群算法模擬機器人尋路的仿真實驗[J].河北工業(yè)科技， 2010, 27 (5)。
[4] 李小珂。 基于蟻群算法的PID參數(shù)優(yōu)化[J].2003全國仿真技術(shù)會議論文集， 2003.
[5] 段海濱。 基于蟻群算法的PID參數(shù)優(yōu)化[J].武漢大學學報， 2004,37(5) .
[6] 郭立俊，譚劍波。 蟻群算法在系留氣球PID控制器中的研究[J].2008年中國浮空器大會論文集， 2008.
[7] 李楠，胡即明。 蟻群算法在PID參數(shù)優(yōu)化中的應用研究[J].中國水運， 2008,8(5) .
[8] 李虹，孫志毅。 基于MATLAB的改進型基本蟻群算法[J].太原重型機械學院學報， 2003, 24 (3) .
[9] 尹曉峰。 基于MATLAB的混合型蟻群算法求解車輛路徑問題[J].計算機工程與應用， 2005,35(10) .
[10] 尹曉峰，劉春煌。 基于MATLAB的混合型蟻群算法求解旅行商問題[J].鐵路計算機應用， 2005, 14(9)。
[11] 野瑩瑩，付麗君。 基于MATLAB的蟻群算法仿真研究[J].裝備制造技術(shù)， 2008, 11(10) .
[12] 江重光。 智能蟻群算法[J].冶金自動化， 2005, 3 (10) .
[13] 魏平，熊偉清。 用于一般函數(shù)優(yōu)化的蟻群算法[J].寧波大學學報， 2001, 14(4) .
[14] 劉業(yè)政，凌海峰。 蟻群優(yōu)化的研究發(fā)展及應用[J].合肥工業(yè)大學學報， 2006, 29(1) .
[15] 任偉建。 蟻群算法綜述[J].2007中國控制與決策學術(shù)年會論文集， 2007 .
[16] 詹士昌。 蟻群算法中有關(guān)算法參數(shù)的最優(yōu)選擇[J].科技通報， 2003, 19(5) .
[17] 陳冰梅。 求解旅行商問題的MATLAB蟻群仿真研究[J].計算機測量與控制， 2011,19(4) .
[18] 張玉蘭。 求解連續(xù)函數(shù)最大值的螞蟻優(yōu)化算法[J].南京師范大學學報， 2005,5(3) .
[19] 柳長安。 非線性系統(tǒng)的蟻群優(yōu)化預測[J].測控技術(shù)， 2008, 27(10) .
[20] 王建國。 基于改進蟻群算法的移動機器人動態(tài)路徑規(guī)劃方法[J].電子學報，2011, 39(5) .
計算機論文開題報告
開題報告作為畢業(yè)論文答辯委員會對學生答辯資格審查的依據(jù)材料之一。研究方案，就是課題確定之后，研究人員在正式開展研究之前制訂的整個課題研究的工作計劃，它初步規(guī)定了課題研究各方面的具體內(nèi)容和步驟。
論文題目：基于自適應閾值的圖像增強算法
一、選題背景
圖像，指的是客觀物體在人腦中的自然反映，它是信息傳遞的重要媒介，以紙張，照片，計算機屏幕等介質(zhì)呈現(xiàn)出來?，F(xiàn)實中，人類大部分的信息都是通過人眼觀察的方式取得。五種感官方式中視覺是主要的獲取方式。然而，由于光照，噪聲，介質(zhì)形狀等多方面因素的影響，在圖像的生成和傳輸過程中，圖像會發(fā)生質(zhì)量降低的情況，如對比度偏低，圖像明暗不均，幾何形變等。因此，需要進行圖像處理，以取得符合人們應用需求的圖像。數(shù)字圖像處理，指的是以數(shù)學運算為方式，對圖像作出的各種加工過程，目的是得到對用戶適用的效果⑴。這些過程包括降噪、配準、增強、壓縮等，它們與現(xiàn)實中的生產(chǎn)過程是緊密結(jié)合的。數(shù)字圖像處理，起始于1950年代，至1960年代時從計算機學中分離出來，形成獨立發(fā)展的學問。
經(jīng)過半個多世紀的擴充，現(xiàn)在圖像處理的技術(shù)基礎(chǔ)己經(jīng)很穩(wěn)固，在許多社會領(lǐng)域廣泛運用。如氣象部門通過對遙感圖像的處理，得到更加有效的天氣云圖，提高了預報的準確性;林業(yè)部門通過對航拍圖像的分析，評估森林發(fā)生火災險情的可能性;航天部門需要對飛行器傳回的圖像進行處理才能得到更多更清晰的細節(jié);醫(yī)療部門的CT診斷技術(shù)采用圖像重建技術(shù)，獲得人體各部位的重建圖像，而對X射線圖像的處理能突出病變區(qū)域的顯示效果，讓醫(yī)生得以準確地判斷病變區(qū)域;在安檢領(lǐng)域，對阿爾法射線照射圖像的處理，使得包裹內(nèi)物品的形狀和層次更加清晰，利于判斷物品類型。
現(xiàn)在，數(shù)字圖像處理技術(shù)和流行的技術(shù)相結(jié)合(如生物技術(shù)、人工智能、智能終端等)，以后將有更好的發(fā)展。數(shù)字圖像處理按照方式和目標的不同大致分為以下幾類：一是提高圖像的視覺效果，如增加對比度，色彩變換，幾何變換等，本文主要討論的圖像增強就屬于這一方面;二是獲取圖像的特征信息，以滿足匹配的需要，如獲取邊緣信息，顏色特征，紋理特征等;三是圖像的壓縮編碼方面，這是為了減小圖像的大小同時一定程度上保證圖像質(zhì)量，使得傳送更為容易。從具體方法來看，數(shù)字圖像處理常用方法有圖像變換，圖像分割，圖像配準，圖像增強，圖像特征提取等。圖像增強，指的是在一定的處理背景下(如整體偏暗，對比度不足等)，提升圖像上用戶感興趣的部分，同時抑制甚至去除不感興趣的部分，提升圖像區(qū)域之間的差異，以突出某些部分的特征的過程。它的目的'是提高圖像中有用信息的顯示效果，使圖像更利于機器識別和視覺觀察，達到特定的分析目標。圖像增強是整個處理過程中非常關(guān)鍵的一環(huán)，在這個步驟序列中起著承上啟下的作用。
很多情況下，設(shè)備采集到的圖像不能直接滿足特定的分析需求，需要采用一些圖像增強方法對圖像進行預處理，處理后的圖像再交給業(yè)務處理部分。例如，醫(yī)療中X射線照射生成的圖像可能因為對比度不足而難以識別，可以先進行圖像增強處理，再用其他算法標注可能的病灶區(qū)域，可以提高診斷準確性。圖像增強的主要目的在于兩點：一是提升視覺效果，使圖像更清晰，人眼觀察時更容易獲取需要關(guān)注的區(qū)域;二是使圖像的呈現(xiàn)形式更容易被機器處理，通過機器解析出人們想要的信息。例如，軍事偵查衛(wèi)星得到的遙感圖像可能經(jīng)過了偽裝處理，其中的重要建筑，車輛等混為一體，不易分清，進行圖像增強處理可以突出諸如機場、橋梁、車輛等元素，再對不同時段的遙感圖像對比處理，能夠更正確完整地觀察對方部署的變動情況。圖像增強在技術(shù)的選取上并不是一勞永逸的，不同的方法有不同的使用情況。
二、研究目的和意義
本文將闡述圖像增強的數(shù)學基礎(chǔ)和一些典型的算法，并提出自己的改進后的方法。本文所做研宄的項目來源為十一五國家科技支撐平臺重點項目課題：便攜智能閱讀器和國家自然科學基金項目(61371142):基于逆向工程的扭曲文檔圖像校正技術(shù)研宄。前一個項目的產(chǎn)品智能閱讀器是本課題的研宄平臺，該產(chǎn)品是一款基于文字識別的有聲電子閱讀產(chǎn)品，主要通過拍照方式獲取印刷文字信息，經(jīng)OCR識別后轉(zhuǎn)換為語音后輸出。是為盲人及弱視等人群閱讀普通書籍所準備的視聽轉(zhuǎn)換工具。借助該產(chǎn)品，盲人可閱讀紙質(zhì)書籍雜志、菜單、說明書等。
圖像增強是閱讀器處理過程中的重要步驟，包括了灰度增強和位置增強，目的是提高圖像的人眼視覺效果和機器處理精確度。后一個項目是前一個的延伸，這個項目通過基于模型的、基于連通域的或基于3D的等各種方法，來實現(xiàn)扭曲文本的校正工作，以達到位置增強的目的。本課題從基于模型的思路出發(fā)，提出了一種新的拋物線數(shù)學模型，對文本線進行遍歷，得到一系列文字的位置點，用位置點的坐標結(jié)合模型擬合出文本線，根據(jù)文本線與水平線之間的差距進行精確恢復，以得到水平分布的文本行。
三、本文研究涉及的主要理論
圖像處理經(jīng)過半個多世紀的發(fā)展，現(xiàn)在在技術(shù)基礎(chǔ)上己經(jīng)比較完備。圖像增強作為其中的重要部分，也在技術(shù)的更新?lián)Q代中不斷地推陳出新，產(chǎn)生新的方法。圖像增強方法于二十世紀六十年代為起步時期，它在美國噴氣推進實驗室獲得第一次實用化。實驗室人員對航天飛行器傳回的圖像數(shù)據(jù)進行了一系列的增強處理，如灰度變換，幾何變換等，獲得了質(zhì)量優(yōu)良的月球表面圖像，圖像增強技術(shù)展示出了強大的應用潛力"]。
此后，該技術(shù)又多次用于火星，土星等探測圖像的優(yōu)化工作，贏得了巨大的技術(shù)成功。七八十年代，圖像增強技術(shù)與其它領(lǐng)域結(jié)合，步入了快速發(fā)展時期。例如，這一時期，圖像增強技術(shù)用于指紋識別領(lǐng)域，通過提升指紋的生成效果和提取質(zhì)量，使指紋識別的準確率得以保障，指紋識別因此成為實用化的技術(shù)。圖像增強也應用于了醫(yī)療領(lǐng)域，一方面用在顯微鏡光學成像，對生成的影像進行了大幅度的視覺優(yōu)化處理，可以對細胞結(jié)構(gòu)，細菌形狀，染色體形狀等進行更細致的分析;另一方面，是用在X射線所產(chǎn)生圖像的處理上，同樣對影像效果有了大幅度的提升1990年代以后，圖像增強步入普及民用化時期。由于硬件技術(shù)的發(fā)展，電腦的處理速度快速增長，制造成本卻大致遵循著摩爾定律不斷下降。
圖像增強技術(shù)普遍應用于生產(chǎn)的各個方面，針對于各行各業(yè)生產(chǎn)環(huán)境的增強方法大大增加了。二十一世紀以后，圖像增強研宄的發(fā)展又有新的特點，其中包括大數(shù)據(jù)量，實時性，與互聯(lián)網(wǎng)技術(shù)結(jié)合，用戶定制需求，與人工智能結(jié)合，與智能終端結(jié)合等。圖像增強的方法按照是否經(jīng)過變換可分為：空域增強和變換域增強。空域增強是以圖像各點的像素值為一般處理對象，通過對像素值的單獨的或鄰域的公式運算來實現(xiàn)提升顯示效果的目的，例如灰度變換就是按照公式對像素值進行一一替換，直方圖均衡則按照均衡分布的準則重新安排像素值;變換域增強則不是操作像素值本身，而是令其轉(zhuǎn)換到某一變換域后，根據(jù)其在變換域中的分布特點進行針對性的操作，如傅立葉變換是轉(zhuǎn)換到頻率域上，小波變換是轉(zhuǎn)換到小波域上。轉(zhuǎn)換后的處理方式有同態(tài)濾波，帶阻濾波等還有其他一些較獨立的方法。如數(shù)學形態(tài)學方法，它是一種用來解析幾何形狀的方法，被應用于圖像處理中。它包括一些特定的結(jié)構(gòu)元素，通過這些結(jié)構(gòu)元素對圖像進行操作，可以提取圖像中的對應形狀。這樣將形狀和背景分離開，分別加以強調(diào)和抑制處理，可以達到圖像的增強效果。
另外，圖像增強與其他領(lǐng)域的方法相結(jié)合，出現(xiàn)了很多新的處理方法，如與模擬神經(jīng)信號傳遞的神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的新方法，利用神經(jīng)網(wǎng)絡(luò)得到一種非線性增強方式，對圖像進行直接增強前面提到過，本文提出的方法是以智能閱讀器的產(chǎn)品為基礎(chǔ)的，產(chǎn)品組成如圖。這款產(chǎn)品包括了一個圖像采集器和一款配套的軟件，采集器通過USB線連接到電腦上，采集到的圖像經(jīng)過軟件的識別，生成電子文檔，再轉(zhuǎn)化為聲音信號播放出來，這樣實現(xiàn)文本圖像的可讀化。該機的便攜版是將軟件燒錄到閱讀器內(nèi)的單片機，實現(xiàn)類似的處理過程，便攜式閱讀器通過電供電，省去了與電腦連接的過程。這款軟件的處理過程大致包括這幾個步驟：一是圖像采集;二是圖像預處理;三是文字識別;四是語音合成。圖像增強是預處理步驟屮的一個組成部分，一般來說，排在前面的步驟會影響后續(xù)處理的結(jié)果，這樣圖像增強對后面的二值化、版面分析都會有顯著影響，所以探究效果更好的增強算法是很有必要的。這種增強的效果既可以體現(xiàn)在圖像亮度的針對性提升或削弱，也可以是體現(xiàn)在圖像各點位置的調(diào)整和校正上，目的都是利于后續(xù)的分析步驟。
四、本文研究的主要內(nèi)容
灰度變換，直方圖均衡，中值濾波等方法是圖像增強中的典型方法，本文將在概念介紹后首先講解這些方法?；谛〔ㄗ儞Q的增強是本文著重探討的地方，包括了理論和具體方法。另外一部分就是作為視覺增強的幾何扭曲校正方法。本文以BMP格式圖片為基本圖片處理格式，對多種方法進行了實驗。實驗結(jié)果，這種方法處理對比度不理想的圖像時，有良好的增強結(jié)果。全文共分五章，具體安排如下：
第一章緒論，介紹了圖像增強研究的出發(fā)點和本文的內(nèi)容安排。
第二章闡述圖像增強現(xiàn)在的發(fā)展狀況，先是概要地闡述若干經(jīng)典的方法，如灰度變換，直方圖均衡等，然后介紹了現(xiàn)在己有的小波閾值化處理方法，在介紹這些方法的時候會注重數(shù)學原理和實現(xiàn)方法的闡述。
第三章介紹了圖像增強的程序，包括程序?qū)崿F(xiàn)的功能和邏輯流程，然后介紹了程序的主要文件和功能函數(shù)，最后對部分核心代碼進行了分析。
第四章闡述方法的過程。先是本文提出的基于自適應閾值的小波增強方法，對閾值的選取進行了細致的數(shù)學分析，然后介紹方法的實現(xiàn)過程。另外，位置增強的方法，具體指針對文本文檔的幾何扭曲狀況，提出一種快速的校正方法，使得圖像平直排布，提升了視覺效果。
第五章是實驗工作，對新提出的圖像增強方法進行了仿真，得到了直觀的圖像對比和客觀的數(shù)據(jù)表格，并根據(jù)一些評判參量對方法進行了評價。
第六章總結(jié)，概括講述本文所作出的研宄工作，分析現(xiàn)有工作的成果和不足之處，為下一步的研究工作做鋪塾。
五、寫作提綱
摘要 3-4
Abstract 4
第一章 緒論 7-10
1.1 選題背景 7-8
1.2 本文的內(nèi)容安排 8-10
第二章 研究現(xiàn)狀 10-21
2.1 增強理論簡介 11-17
2.1.1 灰度變換 12-15
2.1.2 直方圖均衡 15-17
2.2 小波變換增強的研究 17-21
2.2.1 閾值化的方法 17-19
2.2.2 與直方圖均衡結(jié)合 19-21
第三章 程序的基本架構(gòu) 21-27
3.1 程序簡介 21-24
3.1.1 程序框架 21-23
3.1.2 程序流程 23-24
3.2 主要文件和功能函數(shù) 24-25
3.3 部分核心代碼 25-27
第四章 增強方法的具體實現(xiàn) 27-41
4.1 小波變換簡介 27-32
4.1.1 連續(xù)小波變換 27-28
4.1.2 離散小波變換 28-29
4.1.3 多分辨分析與Mallat算法 29-32
4.2 基于自適應閾值的增強 32-35
4.2.1 用于增強的閾值 32-34
4.2.2 用于降噪的閾值 34-35
4.2.3 方法流程 35
4.3 位置增強的扭曲校正方法 35-41
4.3.1 原理簡析 35-36
4.3.2 拋物線模型 36-38
4.3.3 類拋物線模型 38-39
4.3.4 方法實現(xiàn) 39-41
第五章 實驗結(jié)果 41-48
5.1 基于自適應閾值的增強 41-46
5.2 扭曲校正方法 46-48
第六章 總結(jié) 48-49
6.1 課題工作總結(jié) 48
6.2 展望 48-49
參考文獻 49-52
申請學位期間的研宄成果及發(fā)表的學術(shù)論文 52-53
致謝 53
六、目前已經(jīng)閱讀的主要文獻
[1] Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins.阮秋琦譯.數(shù)字圖像處理[M]. MATLAB版.北京：電子工業(yè)出版社，2012.
[2]張宏林.精通Visual C++數(shù)字圖像處理典型算法及實現(xiàn)[M].第二版.北京：人民郵電出版社，2008.
[3]祁燕，宋凱.基于小波多尺度的圖像增強新算法[J].微計算機信息，2010，26(10):133-134’ 142.
[4]鄭江云，江巨浪，黃忠.基于RGB灰度值縮放的彩色圖像增強[J].計算機工程，2012，38(2): 226-228.
[5]蔡利梅，錢建生，羅驅(qū)波，等.一種基于色彩保持的低照度圖像增強算法[J].計算機應用與軟件，2009，26(3) ： 226-227，243.
[6]楊永勇，林小竹，等.彩色圖像增強的幾種方法研宄比較[J].北京石油化工學院學報，2006，14(3) ： 43-47.
[7]王學偉，王世立，李珂.基于偽中值濾波和小波變換的紅外圖像增強方法[J].激光與紅外，2013，43(1) ： 90-93.
[8]尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強[J].激光與紅外，2013,43(2): 225-228.
[9]陳超.改進單尺度Retinex算法在圖像增強中的應用[J].計算機應用與軟件，2013，30(4) ： 55-57，74.
[10]李小霞，李鋮果，鄒建華，等.一種新的低照度彩色圖像增強算法[J].計算機應用研宄，28(9): 3554-3555，3558.
[11]王慧琴.小波分析與應用[M].北京：北京郵電大學出版社，2011.
[12] Albert Boggess, Francis J. Narcowich.荷國勝，康健譯.小波與傅里葉分析基礎(chǔ)[M].北京：電子工業(yè)出版社，2010.
[13]尹紅然，俞浩，秦清鋒.一種基于Retinex理論的彩色圖像增強算法[J].電子科技，2012，25(3) ： 21-24.
[14]張瑞強，齊l通過點運算進行數(shù)字圖像處理[J].實驗室科學，2008, (4): 61-62.
[15]陳守剛.基于直方圖均衡化的彩色圖像增強研宄[J].重慶三峽學院學報，2012，27(3):74-77.
[16]唐志航，黃哲，張東衡，等.基于尺度相關(guān)性的自適應圖像增強新算法[J].計算機應用，2006, 26(9) ： 2084-2085, 2088.
[17]周旋，周樹道，黃峰，等.基于小波變換的圖像增強新算法[J].計算機應用，2005，25(3) ： 606-608.
[18]吳桑，彭良玉.基于小波變換的圖像增強新算法[J].現(xiàn)代電子技術(shù)，2013, 36(4):89-91.
[19]王小明，方曉穎，劉錦高.復雜光照下的自適應人臉圖像增強[J].計算機工程與應用，2011，47(2) ： 15-18.
[20]熊秋菊，楊慕升.數(shù)字圖像中邊緣檢測算法的對比研究[J].機械工程與自動化，2009，(2): 43-44，47.
[21]劉茜，盧心紅，李象霖.基于多尺度Retinex的自適應圖像增強方法[J].計算機應用，2009，29(8): 2077-2079.
[22] Xuli Zong, Andrew F. Laine, Edward A. Geiser. Speckle Reduction and ContrastEnhancement of Echocardiograms via Multiscale Nonlinear Processing [J]. IEEE TransMed Imaging, 1998, 17(4): 532-540.
[23] David L. Donoho, Iain M. Johnstone. Ideal spatial adaptation by waveletshrinkage [J]. Biometrika, 1994, 81(3): 425-455.
[24] Ching-Tang Hsieh, Eugene Lai, You-Chuang Wang. An effective algorithm forfingerprint image enhancement based on wavelet transform[J]. PatternRecogonition, 2003，32(2): 303-312.
[25]張德豐.Mat lab小波分析與工程應用[M].北京：國防工業(yè)出版社，2008.
[26]周偉.基于MATLAB的小波分析應用[M].第二版.西安:西安電子科技大學出版社，2010.
[27]李冠章，羅武勝，李沛.基于人眼視覺特性的彩色圖像增強算法[J].光電工程，2009，36(11) ： 92-95.
[28].周密，李尊尊，耿國華.基于小波閾值的圖像去噪方法研宄[JL計算機技術(shù)與發(fā)展，2008，18(5) ： 22-24.
[29]葉重元，黃永東.小波閾值去噪算法的新改進[J].計算機工程與應用，2011，47(12):141-145.
[30]呂慧顯，楊濱，李京.基于局部化自適應閾值的小波圖像降噪[J].青島理工大學學報，2010，31(2): 118-122.