基于fpga的macro运动控制网络的研究及实现毕业论文(编辑修改稿)

基于fpga的macro运动控制网络的研究及实现毕业论文(编辑修改稿)内容摘要：

数 ；  ,g xy —— 被噪声污染后图像 ，大小均为 MN。 加性 噪声的特性是它与图像信号强度不相 关，也就是噪声与信号之间是相互独立的。 乘性噪声模型表示如下：        , , , ,g x y f x y f x y n x y   (12) 与加性噪声不同的是， 乘性噪声与图像信号的强度相关， 它和原始图像信号的变 图 11 加性噪声模型框图 长春 师范 大学 本科毕业 论文 2 斯分布） ，表示为：  22z21() 2p z e (13) 式中， pz 为 概率密度函数； z 、  、 2 分别表示 图像的像素灰度值 、 期望 、随机 的。 展前景 而被人们广泛研究和关注 ，如今，已经发展起来一套完备的理论框架。 Curvelet 变换 理论 发展简介 （ 注：三级标题： 与后面的文字空一个格，数字要用 Times New Roman，中文用宋体标题小四号字，段落设为：段前： 1 行、段后： 0 行，行距均为：固定值 20 磅。 ） 近 年来 , 小波理论迅速 发展 起来 ,并在数字 图像处理 、信号处理 等工程领域 发挥叶 、压缩、分解和 SAR图像去噪等许多领域，取得了许多具有科学价值的重要成果。 偏微分方程发展简介 三章详细介绍总体变分模型的去噪原理。 全文 研究内容及章节安排 本文研究了 Curvelet 变换和偏微分方程的图像去噪基本理论，在分析了 噪产生的 本 文 结构如下： 第 一 章 首先 介绍了 课题的研究背景及 意义 ，其次简要说明 图像降噪技术的 国内外 介绍。 第 二 章 本章 介绍了 Curvelet 变换 理论 在图像去噪中的 应用 ，简单介绍了第一代法 ， 并对离散 Curvelet 变换系数进行了分析。 第 三 章 介绍 偏微分方程图像去噪 的基础 理论 ， 并对几种经典的去噪模型的原理进行了分析，着重分析了整体变分（ TV）模型的去噪原理。 第 四 章 首先分别对离散 Curvelet 变换和 TV 模型图像去噪进行实验仿真，分析第五章 总结。 对课题进行了总结，提出对今后工作的几点展望。 注： 图 或 表：字体为五号字。 图序及图名置于图的下方，与下面文字之间空一行 ，此空行 段落设为：段前： 0 行、段后： 0 行，行距均为：固定值 20 磅 ； 但若下面是标题，则不空行。 表序及表名置于表的上方，与上面文字之间空 一行 ，此空行 段落设为：段前： 0 行、段后： 0 行，行距均为：固定值 20 磅。 但若表的上方是标题的，也同样不要空行。 长春 师范 大学 本科毕业 论文 3 特殊的地方详见范文所示。 即： 文字 靠的很近的，则在此处加一空行：设为 段前、段后 均 0行，固定值 10 磅 XX 靠的很近的，则在此处加一空行：设为 段前、段后 均 0行，固定值 10 磅 ，则在此处设为 段前、段后 均 0行，固定值 10磅 ，设为 段前、段后 均 0行、 固定值 10 磅） 脚 注：注意 脚注的方式 ，序号加圆 圈放在加注处右上角，例如 ① ； 注释内容排在加注处所在页下方。 每页注释序号均从①开始，不与前页的注释连续编号。 长春 师范 大学 本科毕业 论文 4 第二章 Curvelet 变换 的 基本理论 第一代 Curvelet 变换 理论 Curvelet 变换理论的提出归功于 Candes 和 Donoho 的工作，他们于 1999 年最早描述， 从图中可以看出 Curvelet 对曲线的逼近 明显 优于小波。 常复杂， 因为 Ridgelet 变换 具有相当大的计算冗余度，它的实现过程如图 22所 示： 第二 代 Curvelet 变换 理论 为了克服计算冗余度大的缺点， Donoho 等人又 于 20xx 年 提出了新的 Curvelet再 更加快速、简洁 ，在近几年得到了快速的发展和广泛的应用。 (a) 小波对边缘的描述 (b) Curvelet 对边缘的描述 图 21 小波与 Curvelet 对物体边缘的描述 分块 （ a） Curvelet 变换分解过程 （ b） Curvelet 变换重过 图 22 第一代 Curvelet 变换的分解与重构 长春 师范 大学 本科毕业 论文 5 连续 Curvelet 变换  ,j l k x 为 Curvelet函数 ， 用 j ， l ， k 分别表示尺度，方向，位置参量， 22f L R 表示二维图像 信号 ,从 而 Curvelet变换的 表示 形式如下 ：      2, , , , , , j l k j l kRc j l k f f x x d x  (21) 离散 Curvelet 变换 变换系数可以表示为  12,f t t 与数字曲线波 ,Djlk 的内积：      121 2 , , 1 20, , , ,DD j l kt t nc j l k f t t t t  (29) Curvelet 方法通过在频域的各个子带执行有效的抛物尺度规则来更好地捕捉图像的曲线边缘信息。 下面我们来介绍实现离散曲波变换的两种快速算法： USFFT (Unequallyspace Fast Fourier Transform)方法和 Wrapping 方法。 (1) 对二维图像函数  12,f t t 进行 2D FFT 变换，得到其频域表示： 1, 2[]f nn , 12/ 2 , / 2n n n n   (210) (2) 对每个尺度，方向参数  ,jl 用插值法对 1, 2[]f nn 进行重采样，得到采样值 1, 2 1[ tan ]lf n n n   (211) (3) 将抛物窗 ~jU 乘以 f 得到 ：    ^~, 1 2 1 , 2 1 1 2, [ t a n ] ,j l l jf n n f n n n U n n (212) 是指在具体的实现过程中对任意区域，运用周期化技术一一映射到原点的仿射区域。 Curvelet 系数分析 图 23以大小为 256 256 的标准灰 度图像为例，给出了 Curvelet 在不同尺度空间个方向， 精细尺度上的 Curvelet 波通过对 Curvelet 系数计算纹理特征来表示边缘。