一、干涉图特征信息自动采集方法（论文文献综述）
左超,陈钱[1]（2022）在《计算光学成像：何来，何处，何去，何从？》文中研究表明计算光学成像是一种通过联合优化光学系统和信号处理以实现特定成像功能与特性的新兴研究领域。它并不是光学成像和数字图像处理的简单补充，而是前端（物理域）的光学调控与后端（数字域）信息处理的有机结合，通过对照明、成像系统进行光学编码与数学建模，以计算重构的方式获取图像与信息。这种新型的成像方式将有望突破传统光学成像技术对光学系统以及探测器制造工艺、工作条件、功耗成本等因素的限制，使其在功能（相位、光谱、偏振、光场、相干度、折射率、三维形貌、景深延拓，模糊复原，数字重聚焦，改变观测视角）、性能（空间分辨、时间分辨、光谱分辨、信息维度与探测灵敏度）、可靠性、可维护性等方面获得显着提高。现阶段，计算光学成像已发展为一门集几何光学、信息光学、计算光学、现代信号处理等理论于一体的新兴交叉技术研究领域，成为光学成像领域的国际研究重点和热点，代表了先进光学成像技术的未来发展方向。国内外众多高校与科研院所投身其中，使该领域全面进入了“百花齐放，百家争鸣”的繁荣发展局面。作为本期《红外与激光工程》——南京理工大学专刊“计算光学成像技术”专栏的首篇论文，本文概括性地综述了计算光学成像领域的历史沿革、发展现状、并展望其未来发展方向与所依赖的核心赋能技术，以求抛砖引玉。
李姗姗[2]（2021）在《卫星激光通信系统信号传输与识别方法研究》文中研究表明大数据和高速率通信业务的蓬勃发展,对卫星通信系统传输容量、信息传输速率等性能提出了更高的要求,具备宽带宽、高速率、高能效等优点的卫星激光通信技术弥补了微波通信在卫星通信应用中的不足。随着对卫星激光通信关键技术的研究逐渐深入,在卫星与地面间建立激光通信链路进行数据传输是未来实现星地高速数据传输的发展趋势,对激光的高速传输和可靠接收关键技术进行研究成为卫星激光通信领域的研究热点。但是,实现星地激光通信系统的高速数据传输面临如下问题:激光信号经过星地链路大气信道段时由于受到湍流效应的影响导致光束相干性的劣化,对通信质量造成不良影响;为满足不同用户和业务的需求,充分利用信道容量,卫星激光通信系统中信号调制格式的复杂性日益增加,接收端需要准确识别出信号所采用的调制格式才能正确解调。为了解决卫星激光通信系统中的上述问题,以提高激光信号的相干性和保障激光信号识别的可靠性为目标,开展卫星激光通信系统的自适应光学技术和信号识别技术研究。面向校正激光光束畸变和无需先验知识识别激光信号的需求,本文重点研究卫星激光通信中涉及的自适应光学技术、单载波信号识别技术以及多载波信号识别技术,完成对激光光束畸变的实时校正,实现激光信号的可靠识别。本论文的主要研究内容和创新点如下:（1）大气信道建模与光传输特性分析在研究大气湍流特性和柯尔莫哥洛夫湍流理论的基础上,基于功率谱反演法和子谐波补偿法完成了随机相位屏的构造,模拟了高斯光束在大气湍流多相位屏信道中的传输过程并对其相干性劣化情况进行了分析,提出了一种基于光强变化指数的湍流影响衡量方法。该方法主要通过对比光束在多相位屏信道中传输与自由空间中传输在光场强度分布上的差异计算得到光束的畸变程度,从而对所受到的湍流影响做出衡量,仿真研究了所提方法衡量湍流影响的可行性。仿真结果表明,所提方法中的光强变化指数与闪烁指数随光束波长的变化趋势基本一致,光强变化指数随湍流强度的增强而递增。（2）基于混合输入输出算法的自适应光学补偿方法在研究自适应光学技术的基础上,提出了一种基于混合输入输出算法（Hybrid Input-Output Algorithm,HIOA）的自适应光学补偿方法。该方法设计了基于混合输入输出算法的自适应光学（Adaptive Optical Based on Hybrid Input-Output Algorithm,HIOA-AO）补偿模块完成对畸变激光光束的失真补偿,仿真研究了所提方法在不同传输距离和迭代次数下对畸变激光光束的失真补偿效果。仿真结果表明,所提方法可以有效补偿湍流效应导致的畸变激光光束相位失真,提高光束的模式纯度;HIOA经过50次或50次以上的迭代可以重构得到准确的波前畸变相位信息,通过相位校正可以对畸变激光光束的高斯分布进行较好的恢复。（3）基于分区分形特征和支持向量机的单载波信号识别方法在研究大气时变信道下单载波激光信号特征的基础上,提出了一种基于分区分形特征和支持向量机的单载波信号识别方法。该方法设计了基于分区分形维数（Fractal Dimension of Region,FDR）的特征提取算法得到单载波信号星座图的分区分形特征,采用支持向量机学习算法对特征数据进行学习的基础上完成信号识别分类器的构造,从而实现单载波信号的自动调制格式识别,仿真研究了所提方法在自由空间信道和大气时变信道两种传输条件下的识别效果。仿真结果表明,基于所提方法构造的分类器在自由空间信道中所有信噪比范围内整体分类精度达到89.8%以上,当信噪比大于7.5dB时分类器的分类精度性能收敛,实现单载波信号100%的精确识别;在大气时变信道弱湍流条件下,在所有湍流强度和信噪比范围内分类器的整体分类精度达到86.7%以上,随着信噪比增加而递增随后收敛;与其他识别方法相比,所提方法在有效提高分类精度和收敛速度的同时具备对信道变化的高鲁棒性。（4）基于多特征输入和混合训练神经网络的多载波信号识别方法在研究大气时变信道下多载波激光信号特征的基础上,提出了一种基于多特征输入和混合训练神经网络的多载波信号识别方法。该方法设计了基于多特征输入的混合训练神经网络（Hybrid Training Neural Network,HTNN）结构,将正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）子载波信号的高阶统计量特征及星座图特征作为网络的双输入特征,训练HTNN自主挖掘高阶关联性特征得到学习模型,实现OFDM子载波信号间的自动调制格式识别,仿真研究了所提方法在自由空间信道和大气时变信道两种传输条件下的识别效果。仿真结果表明,基于所提方法得到的识别模型在自由空间信道中所有信噪比范围内的整体分类精度达到93.37%以上,当信噪比大于7.5dB时学习模型的分类精度性能收敛,实现OFDM子载波信号100%的精确识别;在大气时变信道弱湍流条件下,在所有湍流强度和信噪比范围内学习模型的整体分类精度达到73.5%以上,随着信噪比增加而递增随后收敛;与其他识别方法相比,所提方法在保证分类精度的基础上降低了对信道变化的敏感性,提高了收敛速度,实现了大范围信噪比下对OFDM子载波信号的可靠识别。
勒系遥[3]（2021）在《基于机器视觉的SMT元器件3D重建与缺陷识别方法研究》文中研究表明PCB（Printed Circuit Board,印刷电路板）是电子产品的核心部件,广泛应用于现代社会的各类行业,市场需求量广大。PCB上元器件的缺陷检测是PCB生产的必经环节,而电子元件小型化、高集成化的趋势以及SMT（Surface Mounting Technology,表面贴装技术）的发展使得PCB上贴装的元件密度更大尺寸更小,传统人工检查的方式已无法满足工业上对于检测精度和速度的要求。AOI（Automated Optical Inspection,自动光学检测）是一种基于数字图像处理的具有非接触、高精度、快速等优点的新型检测技术,在PCB缺陷检测上逐渐得到应用,但是一般的2D视觉检测方法难以识别与元件高度相关的缺陷,容易产生漏检,3D的检测手段可以有效识别此类高度缺陷,对保证产品质量,减少报废率起到积极作用,所以研发一套基于机器视觉的SMT元器件的高度缺陷识别系统具有重要的意义和价值。本文以SMT工艺后的PCB元器件为对象,针对元器件的高度缺陷设计了一个视觉识别系统,拟解决PCB图像的精确拼接、SMT元器件的精准三维重建以及SMT元器件的高度缺陷识别等问题,主要研究内容如下:（1）SMT元器件高度缺陷视觉识别系统方案设计。对SMT元器件的高度缺陷检测要求进行分析,完成了图像采集模块和光栅投影模块的硬件设计并搭建系统。根据缺陷识别流程和功能要求,完成了系统软件的结构以及总体图像处理算法的设计。最后设计了基于mark点的PCB图像定位和位姿校正的方案。（2）基于改进SURF配准的PCB图像精准拼接方法。根据PCB图像纹理丰富、特征复杂的特点,提出了基于重合区域与复合条件约束的PCB图像配准方法。为了提高PCB图像拼接的速度和鲁棒性,提出了基于重合区域的特征提取方法与基于图像分块匹配的特征匹配方法。针对PCB图像相似特征多容易出现特征误匹配的问题,提出了基于Hamming距离的特征点粗筛选方法和基于多条件约束的特征点精筛选方法,有效去除误匹配点,提高PCB图像的拼接精度。（3）基于多光栅数据融合的SMT元器件三维重建方法。针对PCB上元器件的遮挡和阴影问题,设计了360°多光栅无阴影3D投影系统结构。针对PCB表面反光等干扰造成的三维模型的高度误差,提出了基于限值滤波的高度误差滤波方法。为进一步消除元器件阴影误差,提高三维重建精度,提出了基于高斯加权平均的多光栅高度数据融合方法。（4）SMT元器件高度缺陷识别方法。针对PCB上尺寸小纹理简单的元器件定位不准的问题,提出了基于多特征的元器件精确定位方法。为了分割PCB元器件本体和引脚区域进行分区域高度提取,提出了基于灰度统计的阈值分割方法。针对大尺寸PCB基板弯曲倾斜等问题引起的高度测量误差,提出了基于HSV颜色的PCB绿油面重构方法以及元器件高度误差校正方法。最后对元器件的四类高度缺陷设计了不同的高度数据处理和判定方法。综上,本文根据SMT元器件缺陷识别的技术要求,设计了一套基于机器视觉的SMT元器件3D重建与缺陷识别系统。本系统采用高性能研华工业控制计算机作为核心处理器,以高速Coa XPress工业相机、高性能Matrox图像采集卡、工业镜头、RGB三色光源和高精度UPOLabs光栅投影仪作为图像采集和光栅投影单元,以西门子PLC作为运动控制核心,进行硬件平台的搭建。然后提出了基于改进SURF配准的PCB图像精准拼接方法、基于多光栅数据融合的SMT元器件3D重建方法以及SMT元器件高度缺陷识别方法。最后基于Windows开发平台和Visual Studio2015、QT软件平台完成了系统软件设计,主要包含离线参数设定功能、在线检测功能以及数据管理功能。经PCB工件的批量测试,本文所设计的系统缺陷识别准确率达99%以上,基本满足生产需求且系统稳定可靠。
杨婧雅[4]（2021）在《基于卷积神经网络的塑料光纤弯曲传感器》文中研究指明光纤弯曲传感器在建筑、航空、医药、平面度监测、机械结构弯曲角度测量等多个领域都有着广泛的应用和重要意义。随着材料技术的发展,传感器在朝着精确、灵敏、智能化、网络化、低成本、易于加工的方向发展。光纤传感器由于其固有的优势受到了科研人员的广泛关注,而增敏型塑料光纤弯曲传感器有着制作简单,可判断弯曲方向,能有效增大光纤弯曲时的传输损耗灵敏度和动态测量范围,可用于分布式光纤传感等优点。随着图像处理器等高性能计算机硬件和移动互联网的发展,人工智能技术数据处理的性能大大提升,将其与光传感技术相结合有望能够提供一种新型的简单、高效的光纤弯曲传感器。本文提出一种利用卷积神经网络的基于可见光源对塑料光纤的单点以及多点弯曲角度及方向进行测量的方法。基于深度学习对携带光纤空间状态信息的输出光斑图样进行判断和识别,对塑料光纤单点和多点弯曲角度和方向进行识别分类,实现分布式传感。其中,分布式光纤弯曲传感器可进行实时多点测量,在公共基础设施的实时结构健康监测,可穿戴设备以及工业机器人技术等领域都有着很高的应用价值。但现有的分布式弯曲传感技术,往往结构复杂,成本高昂,如此便增加了此类传感系统的难度和成本。因此,如何进一步简化分布式光纤弯曲传感系统的架构,提高灵敏度以及性价比的研究就非常有意义。本文的主要工作内容如下:（1）首先对光纤弯曲传感器的研究背景和意义以及国内外的发展状况进行介绍,紧接着对深度学习的关键技术进行详细阐述。研究了光纤弯曲时,模场分布对输出散斑的影响,以及侧抛增敏光纤灵敏度的极性化。（2）提出了基于卷积神经网络的增敏型塑料光纤弯曲传感器,在典型卷积神经网络的基础上设计出面向小规模图像数据集的卷积神经网络,通过对Alex Net模型的输入数据尺寸、输入通道数量、卷积核以及网络层数进行调整,设计了三种模型。塑料光纤弯曲角度间隔为5°时识别准确率达到96%,证明了卷积神经网络能够很好的实现侧抛增敏型塑料光纤弯曲角度的识别分类。（3）相较与其他类型的光纤弯曲传感器,基于强度变化的光纤传感器虽成本低,制造工艺简单,但缺乏复用能力。现有的分布式弯曲传感技术往往需要复杂的架构,成本高昂,因而在单点弯曲角度检测的基础上,提出一种基于多点弯曲检测的增敏型塑料光纤弯曲传感器,通过改变网络参数,引入批归一化处理以及全局平均池化操作构建卷积神经网络DOFBA-Net,利用DOFBA-Net以及支持向量机,决策树,K-means等多种传统机器学习算法对多点弯曲角度与方向的识别进行分类实验验证。对于来自三个增敏区域的19种弯曲类别,识别准确率达到了98%。本次实验为今后进一步提高分布式塑料光纤弯曲传感器的性能研究奠定理论及实验基础。
黄柳[5]（2021）在《基于数字全息的微结构形貌测量关键技术研究》文中指出微纳结构器件的表面形貌特征是评定其质量和性能的重要参数,与可靠性、使用寿命和物理机械特性都紧密相关。随着MEMS芯片的图形密度、深宽比和集成化程度的不断提高,都给微纳米量级的表面形貌测量带来了极大挑战。数字全息技术具有非接触、全视场和实时定量相位成像等特点,被广泛应用于活细胞检测和微结构测量中。本文围绕数字全息中数值重建、相位恢复、畸变补偿和双波长测量等关键技术展开研究,提出了自适应可靠度掩模生成方法和数值相位畸变补偿方法,搭建了四种数字全息实验装置,旨在探索和实现高分辨率、低噪声、无畸变和大测量范围的数字全息技术。论文的主要工作和创新点总结如下:1.对比分析了微结构形貌测量方法的国内外研究现状,总结了目前数字全息领域五个主要研究方向,提出了将数字全息应用于微结构形貌测量中需要解决的关键问题。2.详细阐述了三种常用数字全息方法的记录和再现原理,理论分析了相位畸变产生机理和离轴全息频谱特点。针对不同全息光路和样本所对应的频谱分布差异大的问题,采用了基于区域识别的空间滤波算法,自适应生成滤波窗口来准确提取目标像频谱,实验证明了该算法的有效性。3.针对数字全息系统中相干噪声、相位包裹、条纹位错和畸变叠加等问题,提出了完整的相位恢复方法应该包括相位滤波、相位解包裹和相位畸变补偿三个步骤。对比了多种相位滤波方法,通过仿真实验定量评估出加窗傅里叶滤波WFF算法具有最佳降噪性能。详细分析了三种经典的相位解包裹算法,针对包裹相位图中相干噪声和条纹错位引起的相位异常,提出了具有自适应可靠度掩模的相位恢复方法,仿真与实验结果证明了该方法能准确恢复出可靠的样本轮廓。4.针对数字全息系统中相位畸变补偿问题,实验分析了双曝光法的优势和局限性,详细阐述了远心显微结构、Zernike多项式拟合和双拟合法的畸变补偿原理和实现方案。针对密集型微结构相位畸变补偿困难的问题,提出了具有曲线拟合预处理和自动背景分割的畸变补偿方法。仿真与实验结果证明了该方法能准确补偿复杂密集型微结构中的相位畸变。5.为了准确测量反射式微结构的三维形貌,搭建了无透镜傅里叶变换数字全息装置。当记录距离为13cm时,测试出再现强度像和相位图的实际横向分辨率分别为17.54μm和31.25μm,能观测到MEMS芯片上明显的电极缺陷。搭建了远心像面数字全息显微装置,实验证明了该装置能从光路中补偿二次相位畸变,测试出再现强度像和相位图的实际横向分辨率分别为3.91μm和6.20μm,并验证了所提出的相位恢复算法的有效性。6.为了扩大数字全息的纵向测量范围,搭建了基于干涉复用技术的单曝光双波长数字全息实验装置。采用的双波长为633nm和671nm,构建的合成波长为11.18μm。针对双波长全息中畸变叠加和噪声扩大的问题,提出了基于包裹相位图畸变数值补偿、Curvelet滤波和免疫算法的双波长相位恢复方法。实验测试了高度标称值为1.99μm标准台阶样块,取得了较理想的测量结果。
唐文举[6]（2021）在《基于多特征融合与机器学习的散斑缺陷精确识别》文中研究表明吸波涂层对于现代军事领域实现武器装备的隐身功能有着至关重要的作用,但由于吸波涂层具有厚度薄、涂覆面积大、使用环境恶劣以及工艺复杂等特点,在成型以及使用过程中易受人为因素或者环境影响产生裂纹、撞击及脱粘等缺陷,从而影响吸波材料的隐身性能。常见的吸波涂层裂纹及撞击类缺陷主要表现在物体的表面,有些较为明显的缺陷甚至可以通过肉眼直接进行观察,但吸波涂层的材料结构一般采用的是多层异质吸波涂层,其中,脱粘类的缺陷是常见于此类材料内部的一种缺陷,通常都具有较强的隐蔽性,检测的难度相对比较高,目前常用的无损检测技术诸如超声波、红外热波等检测手段在针对这种类型缺陷的检测上仍然具有很大的局限性,例如采用超声波检测技术仅可以实现对单点而非全场的检测,并且在存在着检测盲区,而受到涂层材料的性质以及结构件的形状、尺寸等特征限制,涡流和红外热波同样不适合雷达吸波涂层结构件脱粘缺陷的检测。激光剪切散斑干涉技术是一种重要的无损检测方法,其优势在于它对环境要求较低,在对被测件的表面和内部的破损及变形进行检测的同时,还可以提供被测件形貌的完整图像,并可用于进行大面积检测,正是由于这些优点,使得散斑剪切干涉技术成为对结构内部缺陷检测进行研究的得力方法。而如何根据得到的散斑剪切干涉图像对被测表面缺陷进行识别及定位,也是自动化检测的必要需求。本文的主要工作如下:1、首先,本文对激光剪切散斑干涉技术的检测原理进行深入的理论研究,通过数理分析证明该技术对于吸波涂层脱粘缺陷进行检测的可行性。并采用有限元仿真软件构建仿真模型,以涂蜡和空气模拟涂层与基底间的脱粘缺陷,通过对吸波涂层进行热加载,分析其热应力从而确定相关热加载参数。2、根据吸波涂层脱粘缺陷检测的检测需求,制定一种基于机器学习与激光剪切散斑干涉技术的缺陷检测方案。搭建基于已改进的迈克尔逊干涉仪的激光剪切散斑实验平台,并设计针对吸波涂层脱粘缺陷进行无损检测的软件系统。3、本文深入研究基于HOG、LBP和GLCM特征融合的剪切散斑缺陷识别算法,制定缺陷识别方案,对剪切散斑缺陷图像进行预处理、特征提取、特征融合、模型训练,从而实现缺陷识别,并利用包含脱粘缺陷的散斑图像进行识别实验,与基于YOLO v3的缺陷识别算法进行对比分析,结果表明,基于HOG、LBP和GLCM特征融合的剪切散斑缺陷识别算法可以高质量的实现脱粘缺陷的精确识别。
王艳娟[7]（2020）在《基于微流控芯片的藻细胞分选与检测技术研究》文中提出微藻是一种重要的自然资源,在海洋环境、生物医疗、清洁能源、食品工程等诸多领域拥有广阔的应用前景,微藻细胞的分选及检测技术是微藻细胞研究领域的两大关键问题。传统的分选及检测方法是使用大型实验室设备进行,设备昂贵、操作复杂、耗时耗力,难以实现现场快速分选及检测。所以,研发一种小型、快速、低成本、易操作的微藻分选及检测技术已成为制约微藻资源研究及利用的瓶颈问题。微流控芯片技术能够在微尺度上实现细胞的培养、反应、操控、分析等,是研究便携式细胞分析和处理技术的有效手段。因此,本文以微流控芯片为研究平台,围绕微藻细胞分选及检测技术的关键问题进行了深入研究。主要研究内容如下:（1）根据微藻细胞尺寸特性的差异,提出基于确定性侧向位移原理的微藻细胞分选方法。分析了芯片几何参数及流速对分选效率的影响,研究了不同情况下微藻细胞的运动轨迹,根据流场特性及运动轨迹的关键临界值,设计并构建了分选芯片系统,以塔胞藻和小球藻作为实验样本,实现了对不同种类微藻细胞的分选。（2）根据微藻细胞尺寸及形状等特性的差异,提出基于螺旋通道惯性原理的微藻细胞分选方法。分析了微藻细胞的惯性迁移效应,从微藻细胞的尺寸、形状及螺旋结构中流场流速等方面,分析了影响微藻细胞在通道中聚焦平衡位置的主要因素,发现了微藻细胞形状特征对聚焦平衡位置影响的规律,设计并构建了微流控惯性细胞分选系统,实现了对不同微藻细胞的分选。（3）根据微藻细胞内部电学特性的差异,提出了基于介电泳原理的微藻细胞分选方法。分析了不同频率下微藻细胞运动特性和受力间的关系,得到了微藻细胞的频率响应特性,研究了外加电场、流场流速、细胞特性等对分选效率的影响,设计并构建了微藻细胞介电泳分选微流控芯片及分选系统,实现了多种微藻细胞的分选。（4）提出基于浓度梯度生成芯片的微藻细胞化学灭活参量快速获取的新方法。基于哈根-泊肃叶定律及对流传质原理,分析了微通道内流阻与通道几何特征间的关系,根据等效电路原理,设计了“圣诞树型”浓度梯度微流控芯片,获得所需化学灭活试剂浓度,并分析了芯片上微藻细胞在不同浓度化学试剂下的处理效果,从而快速获取灭活试剂最佳浓度等参量。（5）提出无透镜全息成像原理的微藻细胞活性检测新方法。通过微藻细胞全息图特征进行细胞活性分析,研究并获得了微藻细胞活性与全息图特征（中央亮斑、一级暗条纹、一级灰度值差值等）间的关系,分析了微藻细胞全息图特征变化与细胞尺寸、折射率、膜透过率等因素间的相关性,设计并构建了微藻细胞无透镜全息成像系统,进行了实验验证。
蒋汉阳[8]（2020）在《三维电子散斑干涉全场高精度应变测试系统研究》文中研究说明用于全场变形测量的散斑干涉测量技术（Speckle Pattern Interferometry,SPI）因具有非接触、高精度等优点,而被广泛应用于科研及工程实践之中。然而多样化的需求增加了各类工程结构及其工况的复杂程度,这对相关的测量测试技术提出了更高的要求,例如需要更高的测量精度和更多的测量维度。目前,用于一维和二维变形测量的SPI已相对成熟,但可用于三维变形测量和缺陷检测的SPI尚未完善。针对这些问题,本文研究了可同步、独立且实时地测量物体三维变形的SPI,设计了变形测量的硬件系统,开发了配套的测试分析软件,并为测试过程中所获取的包裹相位图设计了两种降噪算法。本文的主要研究内容及成果如下:1.设计并搭建了一套电子散斑干涉三维变形测量系统。通过对光路布置的优化,系统仅用一个压电陶瓷实现了对三个干涉光路的相移。由于系统内部测量各变形分量的干涉光路互不相关,因此该测量系统具有更佳的抗干扰能力。实验结果验证了该测量系统的可靠性。2.提出了一种双波长全周剪切散斑干涉方法,搭建了可实现全周缺陷检测且对缺陷形态具有良好鲁棒性的硬件系统。其中双波长剪切散斑干涉方法实现了对待测试样的正交双向离面变形梯度的测量。通过在待测物周围设置辅助反射镜,将待测物表面“展开”,实现了全周缺陷检测。实验结果证实了该系统的有效性和实用性。3.提出了以包裹相位图特征为导向的两种降噪方法。依据包裹相位图的条纹走向,并结合正余弦滤波技术,提出了一种可自动选择滤波窗口大小的自适应滤波法。此外还设计了一种同时考虑相位条纹走向和条纹曲率半径的自适应弧窗滤波法。实验结果表明所提的两种算法不仅能保护那些条纹密度变化较大且形状复杂的包裹相位图的相位跳变信息,而且还能有效滤除这类相位图中的散斑噪声。
吴谊平[9]（2020）在《城镇塑料生活垃圾智能精细分类关键技术研究》文中研究表明人类社会在不断发展,塑料制品和塑料的使用将越来越大。我国现有塑料垃圾分拣设备和技术仍基本处于混合废塑料大类分拣阶段,无法满足当前对废塑料材料单品种精细分拣的急迫需求。加上国家对进口废弃物的管制,迫使我国要实现废弃塑料的精细分类。本文为实现塑料垃圾的高质量回收利用,提出了一种基于独立源分析的塑料生活垃圾光谱图特征提取方法,该方法采用Nicolet iS10傅立叶变换红外光谱仪对五类聚合物进行光谱采集,利用独立源分析法对光谱数据进行分析处理,结合聚合物化学键特性在光谱数据中的稳定特性,对提取的独立组件获得的光谱对应分数图进行分析验证比较,实现了各类聚合物光谱特征的有效提取。研究了一种基于Fisher向量编码与深度卷积神经网络（FV-DCNN）相结合的塑料垃圾精细分类模型。该模型以塑料垃圾光谱图为原数据,经过Origin软件对光谱图进行重现和筛选,接着对光谱图进行去噪处理,最后将深度卷积神经网络与Fisher向量编码相结合建立了塑料垃圾精细分类模型。模型中采用了小波变换与双边滤波相结合的去噪算法和多模态特征FV-DCNN算法。基于小波变换的双边滤波克服了双边滤波在滤波后某些区域会产生的残留噪声,结合小波变换的时频局部化和多分辨率的特点,在保留部分细节的情况下实现噪声的消除。多模态特征FV-DCNN利用融合自动学习特征提取,采用Fisher向量对模型的对数似然性的参数进行编码,批量标准化可缓解内部协变量偏移并防止深度神经网络训练中的梯度弥散,有利于提高训练效率。针对几种典型塑料材料设计了验证实验,实验结果表明,该模型分类精度达到了 91%以上,通过与其他模型之间的对比分析,证明了本文分类模型的精准性。为我国塑料生活垃圾精细化分类提供了模型方法,使塑料垃圾精细分类成为可能。
胡楠楠[10]（2020）在《基于三探头脉诊仪的冠心病脉象特征及中医证候的研究》文中研究表明目的:1.分析冠心病患者的脉诊信息特征,最终建立初步的冠心病诊断的数学模型,为临床提供更可靠的冠心病诊断的客观依据。2.分析冠心病不同中医证型之间脉诊信息特征,最终建立初步的冠心病证型判断的数学模型,为临床提供更可靠的冠心病证型判断的客观依据。方法:1.采用中医脉诊信息采集装置,分别采集在我院住院经冠状动脉造影证实的75例冠心病患者及经体检证明身体正常的75例健康人的脉诊信息,并对所采集的信息进行预处理、周期划分、特征参数的提取、分类判决及建模,以获得初步的冠心病诊断的客观指标。并对两组的一般资料、合并症等进行比较。2.由三名临床工作十年以上高级职称的中医师分别采集冠心病组和健康对照组左右两手的脉象,以2-3个一致性结果为最终脉象判断标准。通过对两组脉象的比较,以获得冠心病的脉象分布特征及部位特异性。3.根据冠心病中医辨证分型标准,采用有监督学习和无监督学习的3种数学分析方法,分析气滞痰浊证、气滞血瘀证、痰瘀互结证、气虚血瘀证四种证型间脉诊信息特征,以获得初步的冠心病中医证型判断的客观指标。结果:1.冠心病组和健康对照组的比较:两组在性别构成比、年龄、身高、体重、BMI方面无统计学差异,具有可比性,P>0.05。冠心病患者合并高血压2级、高脂血症、2型糖尿病的比例明显高于健康对照组,两者比较差异有统计学意义,P<0.05。其中,在合并高脂血症方面差异尤为显着,P<0.01。通过对主观脉象的分析发现,冠心病组的脉象以弦脉类、滑脉类为主,对照组的脉象以滑脉类为主。经统计学分析,两组在弦、涩脉的分布上存在统计学差异,P<0.05,特征差异的部位为左寸、左关、右关和右尺部。通过客观脉象的研究发现,冠心病患者的脉诊信息与健康对照组比较有较大的差异。该差异的主成分分析判决准确率为99%,7参数的LS识别分类准确率为73%,Lasso识别分类准确率为68%。其特征参数的差异体现在时域和频域两个方面,时域参数以h5/h1、W、h1为主,频域方面主要是左寸、左尺、右寸、右尺的变化。2.冠心病患者不同中医证型之间的比较:根据严格的辨证分型标准,冠心病患者可分为气滞痰浊证、气滞血瘀证、痰瘀互结证、气虚血瘀证四种证型,占比分别为48%、20%、18.67%、13.33%。气虚血瘀型与气滞痰浊型冠心病患者脉诊信息之间有较大差异,主成分分析的判决准确率为96%,LS识别的判决准确率为77%,Lasso识别的判决准确率为71%。其特征参数体现在左关相位9、左尺W。气滞痰浊型与痰瘀互结型冠心病患者脉诊信息之间有较大差异,主成分分析的判决准确率为81%,LS识别的判决准确率为79%,Lasso识别的判决准确率为71%。其特征参数体现在左关相位9、右尺相位4、右尺能量7。气滞血瘀型与气滞痰浊型冠心病患者脉诊信息之间有较大差异,主成分分析的判决准确率为91%,LS识别的判决准确率为89%,Lasso识别的判决准确率为83%。特征参数体现在右尺相位5、右寸能量2、右寸能量1、右寸相位7、右尺t5、右尺相位1、右尺能量4为主。气滞血瘀型与气虚血瘀型冠心病患者脉诊信息之间有较大差异,主成分分析的判决准确率为93%,LS识别的判决准确率为92%,Lasso识别的判决准确率为80%。其特征参数体现在左尺能量5、右尺t5、左尺相位8、右关相位2。气虚血瘀型与痰瘀互结型冠心病患者脉诊信息之间有较大差异,主成分分析的判决准确率为96%,LS识别的判决准确率为88%,Lasso识别的判决准确率为75%。其特征参数体现在右尺能量10、左尺相位8、右尺能量7。气滞血瘀型与痰瘀互结型冠心病患者脉诊信息之间有较大差异,主成分分析的判决准确率为90%,LS识别的判决准确率为92%,Lasso识别的判决准确率为82%。其特征参数体现在右寸相位7、左尺t1、左尺t5、右尺能量7。结论:冠心病患者的脉诊信息较健康对照组具有特征性的改变,且冠心病患者不同中医证型之间的脉诊信息也呈现较强的特征性。该差异在使用不同的数学分析方法时,均具有高的判决准确率。本研究为中医在临床研究中从左右手寸、关、尺三部同时采集脉象提供了一定的参考依据,并在一定程度上为冠心病的诊断、证型判断提供了客观依据。
二、干涉图特征信息自动采集方法（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、干涉图特征信息自动采集方法（论文提纲范文）
（1）计算光学成像：何来，何处，何去，何从？（论文提纲范文）
| 0 引言 |
| 1 计算光学成像：何来？ |
| 1.1 成像系统的雏形 |
| 1.2 光学成像系统的诞生——金属光化学摄影 |
| 1.3 第一次成像革命——感光版光化学摄影 |
| 1.4 第二次成像革命——胶卷光化学摄影 |
| 1.5 第三次成像革命——数码相机 |
| 1.6 第四次成像革命——计算成像?! |
| 2 计算光学成像：何处？ |
| 2.1 功能提升 |
| 2.1.1 相位成像 |
| 2.1.2 光谱成像 |
| 2.1.3 偏振成像 |
| 2.1.4 三维成像 |
| 2.1.5 光场成像 |
| 2.1.6 断层(体)成像 |
| 2.1.7 相干测量 |
| 2.2 性能提升 |
| 2.2.1 空间分辨 |
| 2.2.2 时间分辨 |
| 2.2.3 灵敏度 |
| 2.2.4 信息通量 |
| 2.3 成像系统简化与智能化 |
| 2.3.1 单像素成像 |
| 2.3.2 无透镜成像 |
| 2.3.3 自适应光学 |
| 2.3.4 散射介质成像 |
| 2.3.5 非视域成像 |
| 2.3.6 基于场景校正 |
| 3 计算光学成像：何去？ |
| 3.1 优势 |
| 3.1.1“物理域”和“计算域”的协同 |
| 3.1.2 潜在的“通用理论框架” |
| 3.2 弱点 |
| 3.2.1 成本与代价 |
| 3.2.2 数学模型≈甚至于≠物理过程 |
| 3.2.3 定制化vs标准化 |
| 3.2.4 技术优势vs市场需求 |
| 3.3 机会 |
| 3.3.1 科学仪器 |
| 3.3.2 商业工业 |
| 3.3.3 国防安全 |
| 3.4 威胁 |
| 4 计算光学成像：何从？ |
| 4.1 新型光学器件与光场调控机制 |
| 4.2 高性能图像传感器的发展 |
| 4.3 新兴的数学与算法工具 |
| 4.4 计算性能的提升 |
| 4.4.1 专用芯片 |
| 4.4.2 新材料和新器件 |
| 4.4.3 云计算 |
| 4.4.4 光计算 |
| 4.4.5 量子计算 |
| 4.5 人工智能 |
| 5 结论与展望 |
（2）卫星激光通信系统信号传输与识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星激光通信发展现状 |
| 1.2.2 卫星激光通信传输保障性技术现状 |
| 1.2.3 信号调制格式识别技术现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织结构 |
| 第二章 大气湍流特性与信道建模方法 |
| 2.1 引言 |
| 2.2 大气湍流特性概述 |
| 2.2.1 大气湍流产生原理 |
| 2.2.2 柯尔莫哥洛夫湍流理论 |
| 2.3 基于多相位屏的湍流信道建模方法 |
| 2.4 激光的光强分布模型 |
| 2.4.1 Log-Normal模型 |
| 2.4.2 Gamma-Gamma模型 |
| 2.5 本章小结 |
| 第三章 大气激光传播特性与自适应光学补偿方法 |
| 3.1 引言 |
| 3.2 大气激光传输特性 |
| 3.2.1 光的波动方程与菲涅尔衍射 |
| 3.2.2 高斯光束的传输特性 |
| 3.2.3 基于光强变化指数的湍流影响衡量方法 |
| 3.3 基于HIOA的自适应光学补偿方法 |
| 3.3.1 设计思路 |
| 3.3.2 基于HIOA的波前相位重构原理及实现 |
| 3.4 基于HIOA的自适应光学补偿方法性能分析 |
| 3.4.1 仿真设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小节 |
| 第四章 基于分区分形特征和支持向量机的单载波信号识别 |
| 4.1 引言 |
| 4.2 基于分区分形特征和支持向量机的单载波信号识别方法 |
| 4.2.1 设计思路 |
| 4.2.2 基于FDR的特征提取算法 |
| 4.2.3 基于支持向量机的分类器设计 |
| 4.3 基于分区分形特征和支持向量机的单载波信号识别方法性能分析 |
| 4.3.1 仿真设置 |
| 4.3.2 自由空间信道中的识别性能 |
| 4.3.3 大气时变信道中的识别性能 |
| 4.4 本章小节 |
| 第五章 基于多特征输入和混合训练神经网络的多载波信号识别 |
| 5.1 引言 |
| 5.2 基于多特征输入和混合训练神经网络的多载波信号识别方法 |
| 5.2.1 设计思路 |
| 5.2.2 OFDM信号模型及特征 |
| 5.2.3 基于多特征输入的混合训练神经网络结构设计 |
| 5.2.4 基于多特征输入的混合训练神经网络训练过程 |
| 5.3 基于多特征输入和混合训练神经网络的多载波信号识别方法性能分析 |
| 5.3.1 仿真设置 |
| 5.3.2 自由空间信道中的识别性能 |
| 5.3.3 大气时变信道中的识别性能 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 缩略语 |
| 致谢 |
| 攻读学位期间发表的学术论文目录和其他成果 |
（3）基于机器视觉的SMT元器件3D重建与缺陷识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PCB视觉识别技术应用现状 |
| 1.2.2 光学三维重建技术研究现状 |
| 1.2.3 条纹光栅三维重建技术研究现状 |
| 1.3 论文研究内容与结构安排 |
| 第二章 SMT元器件高度缺陷视觉识别系统方案设计 |
| 2.1 引言 |
| 2.2 系统总体方案设计 |
| 2.2.1 识别对象及技术指标 |
| 2.2.2 课题检测要求分析 |
| 2.2.3 系统组成与工作流程 |
| 2.3 硬件系统设计 |
| 2.3.1 相机和镜头选型 |
| 2.3.2 图像采集卡选型 |
| 2.3.3 光源选型 |
| 2.3.4 光栅投影仪选型 |
| 2.3.5 运动控制方案设计 |
| 2.4 软件系统设计 |
| 2.4.1 软件系统结构设计 |
| 2.4.2 软件关键算法设计 |
| 2.5 PCB图像定位方案设计 |
| 2.5.1 基于Hough变换的mark圆检测 |
| 2.5.2 基于mark点的图像位姿校准 |
| 2.6 本章小结 |
| 第三章 基于改进SURF配准的PCB图像精准拼接方法 |
| 3.1 引言 |
| 3.2 基于SURF的特征点提取方法 |
| 3.2.1 常用特征点提取算法性能对比 |
| 3.2.2 SURF和 BRISK算法简介 |
| 3.2.3 PCB图像预处理方法 |
| 3.3 基于重合区域与复合条件约束的PCB图像配准方法 |
| 3.3.1 基于重合区域的图像特征提取方法 |
| 3.3.2 基于分块匹配的特征匹配方法 |
| 3.3.3 基于Hamming距离的特征点粗筛选方法 |
| 3.3.4 基于多条件约束的特征点精筛选方法 |
| 3.4 图像变换与图像融合方法 |
| 3.5 试验测试与结果分析 |
| 3.5.1 试验条件介绍 |
| 3.5.2 特征点匹配方法实时性验证试验 |
| 3.5.3 特征点误匹配筛选效率验证试验 |
| 3.6 本章小结 |
| 第四章 基于多光栅数据融合的SMT元器件3D重建方法 |
| 4.1 引言 |
| 4.2 条纹光栅三维重建系统 |
| 4.2.1 光栅投影系统结构简介 |
| 4.2.2 360°多光栅三维重建系统结构 |
| 4.3 基于四步相移法的PCB三维重建方法 |
| 4.3.1 四步相移法原理简介 |
| 4.3.2 系统标定方法 |
| 4.3.3 单光栅PCB三维重建 |
| 4.4 多光栅数据配准与融合方法 |
| 4.4.1 基于限值滤波的高度滤波方法 |
| 4.4.2 基于高斯加权平均的多光栅数据融合方法 |
| 4.5 试验测试与结果分析 |
| 4.5.1 试验条件介绍 |
| 4.5.2 多光栅数据融合方法性能验证试验 |
| 4.5.3 多光栅三维重建方法精度验证试验 |
| 4.6 本章小结 |
| 第五章 SMT元器件高度缺陷识别方法 |
| 5.1 引言 |
| 5.2 PCB元器件定位与分割方法 |
| 5.2.1 基于多特征的元器件定位方法 |
| 5.2.2 基于灰度统计的阈值分割方法 |
| 5.3 基于三维数据的PCB板弯误差校正方法 |
| 5.3.1 基于HSV特征的PCB绿油面提取方法 |
| 5.3.2 元器件高度校正方法 |
| 5.4 PCB元器件高度缺陷识别方法 |
| 5.4.1 基于区域映射的高度提取方法 |
| 5.4.2 元件高度识别方法 |
| 5.4.3 元件起翘识别方法 |
| 5.4.4 电极起翘识别方法 |
| 5.4.5 电极平整度识别方法 |
| 5.5 试验测试与结果分析 |
| 5.5.1 试验条件介绍 |
| 5.5.2 PCB元器件定位方法性能验证试验 |
| 5.5.3 PCB板弯误差校正方法性能验证试验 |
| 5.5.4 高度缺陷识别方法性能验证试验 |
| 5.6 本章小结 |
| 第六章 缺陷识别系统软件设计与试验分析 |
| 6.1 引言 |
| 6.2 缺陷识别系统软件设计 |
| 6.2.1 离线参数设定模块设计 |
| 6.2.2 在线检测模块设计 |
| 6.2.3 数据管理模块设计 |
| 6.3 系统检测试验与误差分析 |
| 6.3.1 系统检测流程验证试验 |
| 6.3.2 系统缺陷识别准确性试验 |
| 6.3.3 误差分析 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录:攻读硕士学位期间获得的科研结果 |
（4）基于卷积神经网络的塑料光纤弯曲传感器（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 光纤弯曲传感器的应用现状及发展概况 |
| 1.1.1 光纤传感技术概述 |
| 1.1.2 光纤弯曲传感器的分类及发展概况 |
| 1.1.3 塑料光纤弯曲传感器的应用 |
| 1.1.4 多点分布式光纤弯曲传感器的研究现状 |
| 1.2 深度学习在光纤领域的研究现状 |
| 1.3 论文研究目的及主要内容 |
| 2 相关技术研究 |
| 2.1 塑料光纤相关理论 |
| 2.1.1 增敏型塑料光纤弯曲传感原理 |
| 2.1.2 多模塑料光纤成像原理 |
| 2.2 深度学习 |
| 2.2.1 神经网络 |
| 2.2.2 卷积神经网络 |
| 2.2.3 循环和递归神经网络 |
| 2.3 深度学习框架 |
| 2.4 本章小结 |
| 3 基于卷积神经网络的增敏型塑料光纤弯曲传感器研究 |
| 3.1 实验系统搭建及器件介绍 |
| 3.1.1 光纤结构设计 |
| 3.1.2 实验平台及设备 |
| 3.2 典型的卷积神经网络模型 |
| 3.2.1 LeNet模型 |
| 3.2.2 AlexNet模型 |
| 3.2.3 VGGNet模型 |
| 3.2.4 GoogLeNet模型 |
| 3.2.5 ResNet模型 |
| 3.3 基于改进AlexNet的光纤弯曲识别算法 |
| 3.4 实验结果和分析 |
| 3.4.1 数据集 |
| 3.4.2 实验结果 |
| 3.5 本章小结 |
| 4 多点多平面分布式光纤弯曲传感特性研究 |
| 4.1 基于卷积神经网络的多点多平面光纤弯曲传感器 |
| 4.1.1 实验平台搭建 |
| 4.1.2 使用卷积神经网络进行光纤弯曲角度识别 |
| 4.2 基于机器学习算法的多点多平面光纤弯曲传感器 |
| 4.2.1 使用SVM进行光纤弯曲角度识别 |
| 4.2.2 使用K-means进行光纤弯曲角度识别 |
| 4.2.3 使用决策树进行光纤弯曲角度识别 |
| 4.3 实验结果对比 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 本文的主要工作和全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于数字全息的微结构形貌测量关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 论文的研究背景和意义 |
| 1.2 微结构形貌测量方法研究现状 |
| 1.3 数字全息测量方法研究现状 |
| 1.3.1 空间滤波技术 |
| 1.3.2 噪声抑制技术 |
| 1.3.3 相位恢复技术 |
| 1.3.4 双波长全息技术 |
| 1.3.5 数字全息方法小结 |
| 1.4 论文的研究目的和内容安排 |
| 第2章 数字全息基本理论 |
| 2.1 全息图记录 |
| 2.2 全息图再现 |
| 2.3 常用数字全息方法 |
| 2.3.1 数字全息显微方法 |
| 2.3.2 无透镜傅里叶变换数字全息方法 |
| 2.3.3 双波长数字全息方法 |
| 2.4 离轴数字全息空间滤波方法 |
| 2.4.1 离轴全息频谱分布 |
| 2.4.2 基于区域识别的空间滤波方法 |
| 2.5 本章小结 |
| 第3章 数字全息的相位恢复方法研究 |
| 3.1 相位滤波算法 |
| 3.1.1 正余弦滤波 |
| 3.1.2 Curvelet变换滤波 |
| 3.1.3 加窗傅里叶滤波 |
| 3.1.4 数值模拟评价 |
| 3.2 相位解包裹算法 |
| 3.2.1 质量图引导相位解包裹算法 |
| 3.2.2 未加权最小二乘相位解包裹算法 |
| 3.2.3 加权最小二乘相位解包裹算法 |
| 3.3 自适应可靠度掩膜 |
| 3.3.1 不可靠度计算 |
| 3.3.2 区域分割 |
| 3.3.3 迭代阈值处理 |
| 3.4 相位恢复仿真与实验测试 |
| 3.4.1 仿真测试 |
| 3.4.2 实验测试 |
| 3.5 本章小结 |
| 第4章 数字全息显微中相位畸变补偿方法研究 |
| 4.1 物理补偿方法 |
| 4.1.1 双曝光法 |
| 4.1.2 远心显微结构 |
| 4.2 数值补偿方法 |
| 4.2.1 Zernike多项式拟合 |
| 4.2.2 双拟合相位畸变补偿法 |
| 4.3 基于曲线拟合预处理和自动背景分割的相位畸变补偿方法 |
| 4.3.1 曲线拟合预补偿 |
| 4.3.2 背景分割 |
| 4.4 仿真与实验测试 |
| 4.4.1 仿真测试 |
| 4.4.2 实验测试 |
| 4.5 本章小结 |
| 第5章 数字全息在微结构形貌测量中的应用研究 |
| 5.1 无透镜傅里叶变换数字全息系统及应用 |
| 5.1.1 分辨率板实验研究 |
| 5.1.2 MEMS芯片实验研究 |
| 5.2 远心像面数字全息显微系统及应用 |
| 5.2.1 分辨率板实验研究 |
| 5.2.2 MEMS芯片实验研究 |
| 5.3 双波长数字全息系统及应用 |
| 5.3.1 单曝光双波长全息实验装置 |
| 5.3.2 双波长全息再现 |
| 5.3.3 双波长相位恢复 |
| 5.3.4 实验结果及讨论分析 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 主要研究工作与结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（6）基于多特征融合与机器学习的散斑缺陷精确识别（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状和发展态势 |
| 1.2.1 激光剪切散斑干涉技术发展概况 |
| 1.2.2 机器学习理论发展概况 |
| 1.2.3 吸波涂层缺陷图像识别的研究现状 |
| 1.3 研究内容以及章节安排 |
| 第二章 相关理论和技术基础 |
| 2.1 机器学习相关理论 |
| 2.1.1 机器学习的分类 |
| 2.1.2 支持向量机 |
| 2.1.3 YOLO算法 |
| 2.2 散斑的形成 |
| 2.3 激光剪切散斑干涉技术原理 |
| 2.4 仿真分析 |
| 2.5 本章小结 |
| 第三章 剪切散斑缺陷识别系统设计 |
| 3.1 系统设计 |
| 3.1.1 吸波涂层缺陷检测方案 |
| 3.1.2 剪切量估计 |
| 3.2 系统硬件设计 |
| 3.2.1 剪切散斑干涉装置设计 |
| 3.2.2 图像采集系统设计 |
| 3.3 系统软件设计 |
| 3.4 本章小结 |
| 第四章 基于多特征融合与机器学习的剪切散斑缺陷识别方法 |
| 4.1 剪切散斑缺陷图像预处理 |
| 4.1.1 图像滤波 |
| 4.1.2 图像增强 |
| 4.1.3 形态学处理 |
| 4.2 剪切散斑缺陷图像的特征提取及融合 |
| 4.2.1 HOG算子 |
| 4.2.2 LBP算子 |
| 4.2.3 灰度共生矩阵(GLCM) |
| 4.2.4 提取LBP图像的GLCM特征 |
| 4.2.5 图像特征提取流程 |
| 4.2.6 特征融合 |
| 4.3 基于SVM的散斑缺陷识别算法设计 |
| 4.3.1 分类器设计流程 |
| 4.3.2 基于Canny算法的散斑缺陷边缘检测 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 与基于YOLO v3 的剪切散斑缺陷检测方法对比 |
| 5.1 YOLO算法简介 |
| 5.2 基于 YOLO v3 的剪切散斑缺陷识别实验 |
| 5.2.1 实验平台 |
| 5.2.2 数据集的选择 |
| 5.2.3 缺陷检测实验结果及方法对比 |
| 5.3 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 |
（7）基于微流控芯片的藻细胞分选与检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 选题背景 |
| 1.2.1 微藻资源利用 |
| 1.2.2 环境保护 |
| 1.3 选题的目的及意义 |
| 1.4 国内外研究现状 |
| 1.4.1 微流控芯片技术 |
| 1.4.2 微藻分选技术 |
| 1.4.3 微藻检测技术 |
| 1.5 本文主要研究内容和组织结构 |
| 1.5.1 课题的立题依据 |
| 1.5.2 本文主要研究内容 |
| 2 基于确定性侧向位移的微藻细胞分选方法 |
| 2.1 DLD分选原理 |
| 2.2 DLD微藻细胞分选系统设计 |
| 2.2.1 系统总体设计 |
| 2.2.2 微流控芯片设计及仿真 |
| 2.2.3 微流控芯片制作 |
| 2.3 样品制备及实验步骤 |
| 2.3.1 PBS溶液配制 |
| 2.3.2 微藻细胞培养 |
| 2.3.3 实验步骤 |
| 2.4 DLD微藻分选实验结果与讨论 |
| 2.4.1 微藻在芯片中的运动轨迹分析 |
| 2.4.2 微藻分选效率的影响因素分析 |
| 2.4.3 微藻细胞分选实验 |
| 2.5 本章小结 |
| 3 基于螺旋通道的微藻细胞惯性分选方法 |
| 3.1 惯性分选的原理 |
| 3.1.1 通道中粒子的平衡位置 |
| 3.1.2 惯性迁移效应 |
| 3.1.3 弯通道中的截面二次流 |
| 3.2 惯性分选系统设计 |
| 3.2.1 系统总体设计 |
| 3.2.2 芯片设计 |
| 3.2.3 芯片制作 |
| 3.3 样品准备与实验步骤 |
| 3.3.1 聚苯乙烯溶液的配制 |
| 3.3.2 微藻混合液的配制 |
| 3.3.3 实验步骤 |
| 3.4 实验结果与讨论 |
| 3.4.1 基于尺寸特征的粒子分选 |
| 3.4.2 基于形状特征的微藻细胞分选 |
| 3.5 本章小结 |
| 4 基于介电泳技术的微藻细胞分选方法 |
| 4.1 介电泳分选机理 |
| 4.2 介电泳频率响应特性研究 |
| 4.2.1 聚苯乙烯颗粒频率响应特性 |
| 4.2.2 微藻细胞频率响应特性分析的理论依据 |
| 4.2.3 微藻细胞频率响应特性分析 |
| 4.2.4 三种藻细胞频率响应特性比较 |
| 4.3 介电泳分选芯片的设计与仿真 |
| 4.3.1 系统总体设计 |
| 4.3.2 芯片设计 |
| 4.3.3 芯片仿真 |
| 4.4 样品准备与芯片制作 |
| 4.4.1 样品准备 |
| 4.4.2 芯片制作 |
| 4.5 实验结果与讨论 |
| 4.5.1 分选实验条件的优化 |
| 4.5.2 微藻介电泳分选实验 |
| 4.6 本章小结 |
| 5 基于浓度梯度微流控芯片的微藻细胞灭活参量分析 |
| 5.1 浓度梯度生成芯片理论分析 |
| 5.1.1 微通道内流体动力分析 |
| 5.1.2 微通道等效电路分析 |
| 5.1.3 各级通道长度的计算 |
| 5.2 浓度梯度生成与微藻活性检测系统设计 |
| 5.2.1 系统总体设计 |
| 5.2.2 芯片设计及仿真 |
| 5.2.3 芯片制作 |
| 5.3 样品准备与实验步骤 |
| 5.3.1 微藻细胞样品准备 |
| 5.3.2 NaClO溶液的滴定 |
| 5.3.3 实验步骤 |
| 5.4 实验结果与讨论 |
| 5.4.1 系统性能测试 |
| 5.4.2 单种微藻灭活研究 |
| 5.4.3 微藻相对活性研究 |
| 5.5 本章小结 |
| 6 基于无透镜全息成像的微藻检测技术研究 |
| 6.1 无透镜全息成像理论分析 |
| 6.1.1 无透镜全息成像的基本原理 |
| 6.1.2 部分相干光源全息干涉理论 |
| 6.1.3 基于全息图像的微藻细胞粒检测原理 |
| 6.2 无透镜全息成像系统设计 |
| 6.2.1 系统总体设计 |
| 6.2.2 微流控芯片的设计 |
| 6.3 样品准备与实验步骤 |
| 6.3.1 样品准备 |
| 6.3.2 实验步骤 |
| 6.4 实验结果和讨论 |
| 6.4.1 标准样品微粒全息图像的实验与结果分析 |
| 6.4.2 微藻细胞全息图像的实验与结果分析 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（8）三维电子散斑干涉全场高精度应变测试系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 三维变形测量的研究背景及意义 |
| 1.2 全场变形测量技术的研究现状 |
| 1.2.1 电子散斑干涉技术 |
| 1.2.2 剪切散斑干涉技术 |
| 1.2.3 包裹相位图降噪方法 |
| 1.3 本文主要内容 |
| 参考文献 |
| 第二章 散斑干涉变形测量基本原理 |
| 2.1 电子散斑干涉技术 |
| 2.1.1 散斑干涉现象 |
| 2.1.2 离面变形测量原理 |
| 2.1.3 面内变形测量原理 |
| 2.1.4 相位提取技术 |
| 2.1.5 物体变形与相对相位变化 |
| 2.2 剪切散斑干涉技术 |
| 2.2.1 剪切散斑的形成 |
| 2.2.2 变形测量 |
| 2.3 本章小结 |
| 参考文献 |
| 第三章 电子散斑干涉的三维变形同步测量系统 |
| 3.1 引言 |
| 3.2 ESPI三维变形测量方法 |
| 3.2.1 组合测量法 |
| 3.2.2 多光束测量法 |
| 3.2.3 多相机测量法 |
| 3.3 ESPI三维变形同步测量系统 |
| 3.3.1 组合Leendertz干涉光路 |
| 3.3.2 图像采集装置 |
| 3.3.3 光路系统硬件 |
| 3.3.4 软件介绍 |
| 3.4 系统可靠性及测量精度分析实验 |
| 3.5 系统可靠性及测量精度 |
| 3.6 系统优点及局限性 |
| 3.7 本章小结 |
| 参考文献 |
| 第四章 实时全周双向剪切散斑干涉法 |
| 4.1 引言 |
| 4.2 原理 |
| 4.2.1 传统剪切散斑干涉 |
| 4.2.2 双向剪切散斑干涉 |
| 4.2.3 多视图成像 |
| 4.3 系统功能验证实验设计 |
| 4.4 验证实验结果 |
| 4.5 系统优点及局限性 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 基于散斑相位条纹方向的自适应正余弦滤波 |
| 5.1 引言 |
| 5.2 相位条纹图连续化变换 |
| 5.3 包裹相位条纹走向计算 |
| 5.3.1 相位条纹走向间接计算法 |
| 5.3.2 相位条纹走向直接计算法 |
| 5.4 基于条纹走向的自适应滤波 |
| 5.5 实验结果与讨论 |
| 5.5.1 模拟相位条纹处理 |
| 5.5.2 真实相位条纹图处理 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 包裹相位图条纹方向及曲率辅助的自适应滤波法 |
| 6.1 引言 |
| 6.2 自适应弧窗滤波法 |
| 6.2.1 相位条纹方向计算 |
| 6.2.2 等相位曲线获取 |
| 6.2.3 条纹曲率计算 |
| 6.2.4 自适应弧形滤波窗口 |
| 6.3 模拟降噪 |
| 6.3.1 二维窗口傅里叶滤波 |
| 6.3.2 降噪效果定性分析 |
| 6.3.3 误差分析 |
| 6.4 真实包裹相位降噪 |
| 6.5 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 今后工作展望 |
| 致谢 |
| 攻读博士学位期间发表论文 |
（9）城镇塑料生活垃圾智能精细分类关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.3 塑料垃圾分类国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文的主要内容与结构安排 |
| 第2章 城镇塑料生活垃圾精细分类方法原理 |
| 2.1 塑料生活垃圾智能精细分类架构 |
| 2.2 塑料生活垃圾分类特征提取研究工作原理 |
| 2.3 塑料生活垃圾智能精细分类研究工作原理 |
| 2.4 本章小结 |
| 第3章 基于独立源分析的塑料垃圾光谱图特征提取方法 |
| 3.1 应用对象及仪器分析 |
| 3.1.1 精细分类对象 |
| 3.1.2 光谱仪 |
| 3.2 光谱图像特征采集与处理 |
| 3.3 基于独立源的塑料垃圾光谱图特征提取 |
| 3.4 本章小结 |
| 第4章 基于FV-DCNN的塑料生活垃圾精细分类模型 |
| 4.1 塑料生活垃圾精细分类模型框架 |
| 4.2 小波变换与双边滤波相结合的去噪算法 |
| 4.2.1 双边滤波 |
| 4.2.2 二维离散小波变换的分解与重构 |
| 4.2.3 基于小波变换的双边滤波 |
| 4.3 多模态特征FV-DCNN算法 |
| 4.3.1 深度卷积神经网络 |
| 4.3.2 批量标准化 |
| 4.3.3 Fisher向量编码 |
| 4.4 塑料垃圾精细分类模型的建立 |
| 4.5 本章小结 |
| 第5章 塑料垃圾智能精细分类方法实验验证 |
| 5.1 实验设置 |
| 5.2 实验过程 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 研究工作总结 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间研究成果 |
（10）基于三探头脉诊仪的冠心病脉象特征及中医证候的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 综述一 冠心病脉象的研究进展 |
| 1. 中医脉诊的研究 |
| 1.1 传统中医脉诊的研究 |
| 1.2 脉诊客观化研究的现状 |
| 2. 冠心病脉象的研究 |
| 2.1 传统中医对冠心病脉象的认识及研究 |
| 2.2 冠心病脉象的临床研究 |
| 2.3 冠心病脉象的客观化研究 |
| 2.3.1 脉图特征与冠心病诊断的相关性研究 |
| 2.3.2 脉图特征与冠心病证型的相关性研究 |
| 2.3.3 脉图特征与冠心病狭窄程度的相关性研究 |
| 2.3.4 脉图特征与冠心病疗效评价的相关性研究 |
| 2.3.5 脉图特征与冠心病其他方面的相关性研究 |
| 3. 总结 |
| 参考文献 |
| 综述二 冠心病治疗的进展 |
| 1. 药物治疗进展 |
| 1.1 抗血小板药物治疗 |
| 1.2 抗凝药物治疗 |
| 1.3 降脂类药物 |
| 2. 非药物治疗 |
| 3. 结语 |
| 参考文献 |
| 前言 |
| 临床研究 |
| 1. 资料和方法 |
| 1.1 研究对象 |
| 1.2 诊断标准 |
| 1.2.1 冠心病诊断标准 |
| 1.2.2 冠心病中医辨证分型标准 |
| 1.3 纳排标准 |
| 1.3.1 纳入标准 |
| 1.3.2 排除标准 |
| 1.3.3 剔除标准 |
| 1.4 脉诊信息及相关资料的采集 |
| 1.4.1 采集的条件及时间 |
| 1.4.2 一般资料的采集 |
| 1.4.3 临床脉象信息的采集 |
| 1.4.4 脉诊信息的采集装置 |
| 1.4.5 软件分析系统 |
| 1.4.6 脉诊客观化信息的采集 |
| 1.4.7 脉诊信息的分析 |
| 1.4.7.1 脉诊信息的预处理 |
| 1.4.7.2 基于谐波拟合的脉诊信息特征参数的提取 |
| 1.4.8 分类判决 |
| 1.4.8.1 无监督学习的分类判决—主成分分析 |
| 1.4.8.2 有监督学习的分类判决——LS识别 |
| 1.4.8.3 有监督学习的分类判决——Lasso识别 |
| 1.4.9 病例资料的统计方法 |
| 2. 结果 |
| 2.1 冠心病组与对照组一般资料的比较 |
| 2.2 冠心病组与对照组合并症的比较 |
| 2.3 冠心病患者客观脉诊的研究 |
| 2.3.1 无监督学习—主成分分析 |
| 2.3.2 有监督学习—LS识别 |
| 2.3.3 有监督学习—Lasso识别 |
| 2.4 冠心病组与对照组临床脉象的比较 |
| 2.5 冠心病患者不同中医证型之间脉诊信息的研究 |
| 2.5.1 冠心病患者中医证型分布情况 |
| 2.5.2 气虚血瘀型与气滞痰浊型冠心病患者脉诊信息的比较 |
| 2.5.2.1 无监督学习—主成分分析 |
| 2.5.2.2 有监督学习—LS识别 |
| 2.5.2.3 有监督学习—Lasso识别 |
| 2.5.3 气滞痰浊型与痰瘀互结型冠心病患者脉诊信息的比较 |
| 2.5.3.1 无监督学习—主成分分析 |
| 2.5.3.2 有监督学习—LS识别 |
| 2.5.3.3 有监督学习—Lasso识别 |
| 2.5.4 气滞血瘀型与气滞痰浊型冠心病患者脉诊信息的比较 |
| 2.5.4.1 无监督学习—主成分分析 |
| 2.5.4.2 有监督学习—LS识别 |
| 2.5.4.3 有监督学习—Lasso识别 |
| 2.5.5 气滞血瘀型与气虚血瘀型冠心病患者脉诊信息的比较 |
| 2.5.5.1 无监督学习—主成分分析 |
| 2.5.5.2 有监督学习—LS识别 |
| 2.5.5.3 有监督学习—Lasso识别 |
| 2.5.6 气虚血瘀型与痰瘀互结型冠心病患者脉诊信息的比较 |
| 2.5.6.1 无监督学习—主成分分析 |
| 2.5.6.2 有监督学习—LS识别 |
| 2.5.6.3 有监督学习—Lasso识别 |
| 2.5.7 气滞血瘀型与痰瘀互结型冠心病患者脉诊信息的比较 |
| 2.5.7.1 无监督学习—主成分分析 |
| 2.5.7.2 有监督学习—LS识别 |
| 2.5.7.3 有监督学习—Lasso识别 |
| 2.5.8 冠心病不同中医证型之间脉诊信息特征差异分布 |
| 3. 讨论 |
| 3.1 冠心病客观脉诊研究的意义 |
| 3.2 冠心病脉诊信息特征及临床意义 |
| 3.3 冠心病不同证型之间脉诊信息特征及临床意义 |
| 结语 |
| 1. 结论 |
| 2. 本课题的创新性 |
| 3. 课题存在的问题及研究方案 |
| 参考文献 |
| 致谢 |
| 附录 |
| 个人简历 |
四、干涉图特征信息自动采集方法（论文参考文献）
- [1]计算光学成像：何来，何处，何去，何从？[J]. 左超,陈钱. 红外与激光工程, 2022
- [2]卫星激光通信系统信号传输与识别方法研究[D]. 李姗姗. 北京邮电大学, 2021(01)
- [3]基于机器视觉的SMT元器件3D重建与缺陷识别方法研究[D]. 勒系遥. 江南大学, 2021(01)
- [4]基于卷积神经网络的塑料光纤弯曲传感器[D]. 杨婧雅. 北京交通大学, 2021(02)
- [5]基于数字全息的微结构形貌测量关键技术研究[D]. 黄柳. 浙江理工大学, 2021(02)
- [6]基于多特征融合与机器学习的散斑缺陷精确识别[D]. 唐文举. 电子科技大学, 2021(01)
- [7]基于微流控芯片的藻细胞分选与检测技术研究[D]. 王艳娟. 大连海事大学, 2020
- [8]三维电子散斑干涉全场高精度应变测试系统研究[D]. 蒋汉阳. 东南大学, 2020
- [9]城镇塑料生活垃圾智能精细分类关键技术研究[D]. 吴谊平. 南昌大学, 2020(01)
- [10]基于三探头脉诊仪的冠心病脉象特征及中医证候的研究[D]. 胡楠楠. 北京中医药大学, 2020(04)