导读:本文包含了图像轮廓提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:轮廓,图像,灰度,层析,特征,光学,深度。
图像轮廓提取论文文献综述
刘晨,于微波,杨宏韬,王国秀,谢家欣[1]（2019）在《工件图像轮廓角点特征提取算法》一文中研究指出将Harris角点检测与基于Snake模型的轮廓提取算法相结合,形成基于角点特征的工件图像轮廓提取算法。(本文来源于《长春工业大学学报》期刊2019年05期）
汪毅,刘珊珊,张玮茜,蔡怀宇,陈晓冬[2]（2019）在《扫频光学相干层析角膜图像轮廓自动提取算法》一文中研究指出在扫频光学相干层析系统中,远心扫描模式造成角膜图像中存在伪影、部分结构缺失及低信噪比区域,影响了角膜轮廓提取的精度.针对该问题,本文提出了一种针对低质量角膜图像的轮廓自动提取算法.该算法首先依据图像标准差分布将图像划分为高、低信噪比区域;针对高信噪比区域,通过峰值点定位法获取角膜轮廓;针对低信噪比区域,通过连续帧图像间配准迭加实现图像增强,为低信噪比区域提供参考轮廓点,再通过权衡参考轮廓点与局部直线拟合结果的优劣,实现角膜轮廓定位;最后,通过全局多项式拟合实现对全区域的角膜整体轮廓信息.对光学眼模型进行实验,结果表明,与已有算法相比,本文算法对角膜轮廓的提取精度平均提高了4.9%.(本文来源于《物理学报》期刊2019年20期）
王超,王也,杨添淏,隆武强[3]（2019）在《复杂背景下燃油喷雾图像中油束轮廓的提取》一文中研究指出提出了一种在复杂背景下燃油喷雾图像中前景油束轮廓提取的新算法,该算法包括油束前景区域预提取、油束轮廓细提取和油束轮廓修补3个步骤.在油束前景区域预提取阶段,利用具有自适应阈值的帧间差分法和形态学填充处理提取出完全覆盖真实油束的前景区域.在油束轮廓细提取阶段,结合像素点在时间维度和空间维度上的信息对预提取获得的油束前景区域内的每个像素点进行多重判断,得到油束轮廓.在油束轮廓修补阶段,结合前景点修补阈值和油束横向、纵向位置边界条件对在视窗污染位置处的油束轮廓进行预测,结果表明:该算法能够精确地提取出处于复杂动态背景下的前景油束轮廓.(本文来源于《内燃机学报》期刊2019年05期）
王涛,潘国富,张济博[4]（2019）在《基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法》一文中研究指出针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。(本文来源于《海洋科学》期刊2019年08期）
张海英[5]（2019）在《海面目标雷达图像多尺度轮廓段特征提取方法》一文中研究指出为了有效提高舰船雷达图像特征识别度,基于当前灰度投影拟合相关技术,提出舰船雷达图像轮廓特征提取方法。根据雷达感应电磁波输入信号排列,通过预设灰度级和拟合高度,根据图像叁原色组成比例,获取灰度图像,利用二维分割法,根据灰度级转换特征,将一维灰度图分割为二维灰度图,通过模糊积累特征识别方法,设置二维灰度图的特征函数,求取隶属函数,建立模糊特征集,实现雷达图像轮廓特征提取。实验数据表明,应用该设计特征提取方法,图像灰度回波提高了32%,灰度纵波提高了29%,图像特征识别精度具有明显提高。(本文来源于《舰船科学技术》期刊2019年12期）
陈超[6]（2019）在《多阈值优化的运动图像轮廓特征提取方法》一文中研究指出针对传统运动图像轮廓特征提取方法存在提取时间较长、提取精度较低的问题,提出多阈值优化的运动图像轮廓特征提取方法.通过运动图像轮廓特征分析,利用最大类间方差模糊约束法获取隶属度函数,利用模糊隶属计算运动图像中目标体轮廓多个阈值,利用约束后的多个阈值计算图像轮廓范围内中心点近邻的两个轮廓点的几何中心值,通过计算曲率角得到曲率符号,依据曲率符号提取运动图像轮廓特征.结果表明,所提方法曲率特征计算误差率低,有效减少了运动图像轮廓特征提取时间,提高了特征信息提取精度.(本文来源于《沈阳工业大学学报》期刊2019年03期）
黄宇豪,李晓丽[7]（2019）在《基于霍夫变换提取鱼眼镜头图像轮廓的算法及实现》一文中研究指出相比传统镜头,鱼眼镜头具有更大的视角,且由于其特殊的光学结构,拍摄的图像具有较大的畸变,而图像校正依赖于鱼眼镜头成像区域圆心和半径。提出了一种基于霍夫变换提取鱼眼镜头图像轮廓的算法。实验表明,相比传统轮廓提取算法,鱼眼镜头极大地缩短了轮廓提取所需要的时间,对成像区域外出现光晕、区域边缘存在黑色像素等特殊情况具备良好的检测性能,实时性高,具备实际应用价值。(本文来源于《科技与创新》期刊2019年08期）
于瑷玮[8]（2019）在《面向图像深度次序推理的遮挡轮廓提取算法研究》一文中研究指出在计算机视觉领域中,单目图像的深度次序推理是将图像中的物体进行分层表达的一种算法,它又被称为2.1D简约图。由于单目图像深度次序推理算法既可以得到图像中物体之间的相对深度,又可以还原物体的准确轮廓,还是图像分析和理解的基础,所以在目标识别、运动分析、机器人避障和自动驾驶中有着非常重要的应用价值。通常,此类算法首先通过图像的过分割算法提取出图像中的过分割边缘,然后利用遮挡轮廓提取算法得到被遮挡物体的轮廓信息,最后基于遮挡轮廓形成的闭合区域提取物体间的局部特征并进行全局深度次序推理,从而得到最终的物体区域的层次关系。本文从单目图像深度次序推理流程特点,提出了面向图像深度次序推理的遮挡轮廓提取算法。首先提出了更加准确的超像素分割算法来加强遮挡轮廓训练样本的准确度;进而,提出了参数自适应的分类训练器来进行遮挡轮廓的提取;在深度次序推理方面,提出了基于图推理模型的全局推理算法来对分离的物体区域进行深度次序推理。本文的主要研究工作分为叁个部分:图像的超像素分割、遮挡轮廓提取和深度次序推理。(1)超像素分割。由于准确的超像素分割边缘是进行遮挡轮廓提取的前提和基础,本文首先提出了对边缘提取更加准确的超像素分割算法来加强遮挡轮廓训练样本的准确度。为此,本文融合了颜色、紧凑度、熵率和边缘等多种边缘加强性特征,探索了不同边缘加强特征对图像超像素边缘召回率的影响,提出了对多边缘加强特征的超像素分割算法。然后,本文在BSDS500数据集上进行了定性和定量的对比实验,实验结果表明所提出的算法在保证一定速度的情况下得到了更加准确的边缘提取效果。(2)遮挡轮廓提取。针对现有Adaboost分类器所存在的边界问题导致遮挡训练的分类器训练不够准确的现象,本文提出了一种参数自适应的Gentle Adaboost分类器。该分类器可以从每次迭代中自适应的调节分类器权重的参数,避免了上一次迭代中正确分类的样本在下次迭代中被错误分类,从而让分类器的训练更加准确,训练速度也更快。此外,由于分类器的测试误差导致提取的遮挡轮廓存在间断点的问题,本文提出利用最短路径和膨胀腐蚀算法对遮挡轮廓进行优化补全的算法,得到了更加准确的闭合遮挡轮廓,为后续的深度次序推理提供了重要的基础。(3)深度次序推理。在利用提取到的遮挡轮廓时,由于物体边缘的多义性,导致边缘产生的T-角点和边缘凹凸行特征很可能存在局部关系的错误推理,本文针对这一问题定义了一种四重描述符,可以有效的利用T-角点和边缘凹凸性特征对对物体的前后关系进行正确判断。此外,为了解决现有方法中无法推理相互分离的物体的前后关系,本文通过引入推理图模型,利用正视图中分离物体的前后关系特征和四重描述符提供的特征,提出了一种新的全局深度次序推理算法。本文通过在Cornell深度次序数据集、BSDS500数据集和NYU2数据集上进行实验验证,得到了令人满意的结果。本文通过提出更加有效的分割算法和遮挡轮廓提取算法,为深度次序推理提供了准确的边缘信息,最终实现了对整个图像的深度次序推理。该论文的工作对于图像理解和图像分析等视觉问题提供了重要的技术支撑。(本文来源于《北京邮电大学》期刊2019-04-20）
袁雷,程岳,牛文生,罗午阳[9]（2019）在《基于深度学习的跑道前视红外图像轮廓线提取》一文中研究指出针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO(You Only LookOnce) V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线。真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求。(本文来源于《电讯技术》期刊2019年02期）
王林海[10]（2018）在《基于轮廓特征提取的图像分割方法研究》一文中研究指出目的在背景差分法和帧间差分法的基础上设计一种新的融合算法,以减少轮廓内部空洞和边缘缺失对图像分割精度的影响。方法首先使用背景差分法建立运动背景模型,将目标与运动背景分离,再使用数学形态学方法对分离的前景目标轮廓进行填补,最后采用帧间差分法对获得的前景运动目标和背景模型进行处理,获得目标轮廓。结果与结论实验数据表明,与当前的图像分割算法相比,本文算法能够较为精确地对图像进行分割,分割出的图像轮廓清晰准确,内部空洞减小,边缘信息丰富。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2018年04期）
图像轮廓提取论文开题报告
（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：
在扫频光学相干层析系统中,远心扫描模式造成角膜图像中存在伪影、部分结构缺失及低信噪比区域,影响了角膜轮廓提取的精度.针对该问题,本文提出了一种针对低质量角膜图像的轮廓自动提取算法.该算法首先依据图像标准差分布将图像划分为高、低信噪比区域;针对高信噪比区域,通过峰值点定位法获取角膜轮廓;针对低信噪比区域,通过连续帧图像间配准迭加实现图像增强,为低信噪比区域提供参考轮廓点,再通过权衡参考轮廓点与局部直线拟合结果的优劣,实现角膜轮廓定位;最后,通过全局多项式拟合实现对全区域的角膜整体轮廓信息.对光学眼模型进行实验,结果表明,与已有算法相比,本文算法对角膜轮廓的提取精度平均提高了4.9%.
（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。
图像轮廓提取论文参考文献
[1].刘晨,于微波,杨宏韬,王国秀,谢家欣.工件图像轮廓角点特征提取算法[J].长春工业大学学报.2019
[2].汪毅,刘珊珊,张玮茜,蔡怀宇,陈晓冬.扫频光学相干层析角膜图像轮廓自动提取算法[J].物理学报.2019
[3].王超,王也,杨添淏,隆武强.复杂背景下燃油喷雾图像中油束轮廓的提取[J].内燃机学报.2019
[4].王涛,潘国富,张济博.基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法[J].海洋科学.2019
[5].张海英.海面目标雷达图像多尺度轮廓段特征提取方法[J].舰船科学技术.2019
[6].陈超.多阈值优化的运动图像轮廓特征提取方法[J].沈阳工业大学学报.2019
[7].黄宇豪,李晓丽.基于霍夫变换提取鱼眼镜头图像轮廓的算法及实现[J].科技与创新.2019
[8].于瑷玮.面向图像深度次序推理的遮挡轮廓提取算法研究[D].北京邮电大学.2019
[9].袁雷,程岳,牛文生,罗午阳.基于深度学习的跑道前视红外图像轮廓线提取[J].电讯技术.2019
[10].王林海.基于轮廓特征提取的图像分割方法研究[J].宝鸡文理学院学报(自然科学版).2018
论文知识图
