点阵匹配论文_楚翘

导读:本文包含了点阵匹配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:算法,点阵,关键词,组织,检出,通信技术,特征。

点阵匹配论文文献综述

楚翘^[1]（2019）在《基于点阵SIFT特征匹配的脑组织提取研究》一文中研究指出随着科技快速发达,医学影像设备广泛应用于临床检测,医学研究中。相较于其他医学成像技术,核磁共振成像技术对人体无创、无电离辐射、成像清晰,对脑部软组织分辨率高,因而在人脑相关研究中得到广泛应用。在核磁共振脑图像中准确、稳定、高效地提取脑组织对于后续临床诊断,脑部功能分析都具有重要影响。当前脑组织提取分为手动提取与自动提取两种方式,手动提取方式准确度高,但是整个过程耗时长,且提取结果具有主观性;自动提取方式处理速度快,提取结果准确度高、稳定性强,但是其中参数数量多且不固定,需要多次手动调节参数以获得较好的提取结果。针对这个问题,本文提出了一种基于点阵SIFT特征匹配的脑组织提取方法。该方法首先在脑组织边界临近处初始化活动点阵,然后利用改进的BET算法对活动点阵进行演化,推动其靠近脑组织边界。在BET算法演化过程中,将活动点阵顶点作为关键点,通过SIFT算法提取其描述子。将描述子的欧式距离与关键点的空间距离作为计算关键点相似性的衡量标准,并将目标图像关键点与模板图像关键点相匹配,根据匹配结果实现参数的自动调优。通过多次BET演化后,再利用图割法对其进行边界细化,得到最终精准的脑组织边界。由于SIFT算法耗时较长,而该方法中频繁使用SIFT算法,因此本文基于CUDA架构对SIFT进行并行优化,以提升SIFT运行速度。通过线程网格的划分,各线程块并行计算点阵中各顶点的主方向、特征描述子,并完成顶点间匹配。实验证明,并行优化的SIFT运算时间大大缩短,可以在较短的时间内完成顶点间的匹配。本文将改进的BET算法与图像匹配方法相结合,对脑组织进行由粗到细的提取过程,实现了参数的自动调节。同时,使用CUDA对SIFT算法进行加速。经过多次实验可以证明本文算法能够得到良好的提取结果。(本文来源于《南昌航空大学》期刊2019-06-01）

王晓^[2]（2016）在《基于点阵SIFT特征匹配的脑组织提取研究》一文中研究指出随着医学图像处理技术的飞速发展,CT、磁共振等医学影像设备在临床中的广泛应用,神经影像分析技术发挥的作用越来越重要,为医学临床诊断奠定了坚实的理论基础。最近几十年,由于具有无创、无电离辐射的优点,磁共振成像技术发展十分快速。目前,根据人工参与程度的不同,磁共振脑组织图像提取技术可分为人工、半自动和自动提取叁种方法。手动的脑组织提取方法精度高,但提取时间长,费时费力,要求操作人员有较高的专业技能,且受主观性影响;自动的脑组织提取方法常采用基于混合的方法,能够达到较高的精度和稳定性,处理时间比手动的快,但是通常对图像缩放和旋转较为敏感、需要手动调节参数,且参数多而且不固定。针对自动提取算法对图像缩放和旋转等敏感的问题,本文提出了一种基于距离约束投票的SIFT特征匹配方法。该方法首先对模板图像和目标图像提取轮廓点阵,并为其提取SIFT描述子,然后分别在向量距离和坐标距离两方面进行匹配,并对匹配结果进行由小到大的排序,选取向量距离和坐标距离的前5个匹配点,若前五个点中存在相同的点则认为匹配成功,最后采取双向匹配的方法,进一步保证准确性。针对需要手动调节参数,且参数多而且不固定的问题,本文提出了一种基于点阵SIFT特征匹配的脑组织提取方法。该方法采用基于距离约束投票的SIFT特征匹配方法,在对目标图像进行处理时引入一个循坏,即首先采用改进的BET算法得到一个初始的离散点阵;然后对离散点阵提取SIFT特征描述子,并根据与模板图像离散点阵的匹配状况自动调节参数,以新生成的参数继续进行轮廓演化,直到达到最大迭代次数;最后得到较为精准的脑组织轮廓。本文采用改进的BET算法和SIFT图像匹配算法相结合的方法,对脑组织进行提取,做到了对图像缩放和旋转不敏感和自动调节参数的目的。经过大量实验进行定性和定量分析,分析结果证明该算法能够得到良好的提取效果。(本文来源于《南昌航空大学》期刊2016-06-01）

刘晓明,冯晓荣,班超帆^[3]（2012）在《基于动态点阵匹配算法的二阶关键词识别》一文中研究指出为了避免关键词权值估计错误,提出了基于上下文相关最大后验概率准则(CDMAP)的改进二阶KWS模型,有效地解决了关键词权值对参数估计的负面影响。同时,采用动态点阵匹配算法(DMPLS)进行错误补偿,解决了由连续语音识别器产生的插入、删除和替换错误而导致识别准确率下降的问题,提高了系统的检出率和鲁棒性。实验结果表明,该模型不仅在较低误警率的条件下检出率得到很大的改善,而且系统鲁棒性也有明显的增强。(本文来源于《吉林大学学报(工学版)》期刊2012年03期）

点阵匹配论文开题报告

（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：

随着医学图像处理技术的飞速发展,CT、磁共振等医学影像设备在临床中的广泛应用,神经影像分析技术发挥的作用越来越重要,为医学临床诊断奠定了坚实的理论基础。最近几十年,由于具有无创、无电离辐射的优点,磁共振成像技术发展十分快速。目前,根据人工参与程度的不同,磁共振脑组织图像提取技术可分为人工、半自动和自动提取叁种方法。手动的脑组织提取方法精度高,但提取时间长,费时费力,要求操作人员有较高的专业技能,且受主观性影响;自动的脑组织提取方法常采用基于混合的方法,能够达到较高的精度和稳定性,处理时间比手动的快,但是通常对图像缩放和旋转较为敏感、需要手动调节参数,且参数多而且不固定。针对自动提取算法对图像缩放和旋转等敏感的问题,本文提出了一种基于距离约束投票的SIFT特征匹配方法。该方法首先对模板图像和目标图像提取轮廓点阵,并为其提取SIFT描述子,然后分别在向量距离和坐标距离两方面进行匹配,并对匹配结果进行由小到大的排序,选取向量距离和坐标距离的前5个匹配点,若前五个点中存在相同的点则认为匹配成功,最后采取双向匹配的方法,进一步保证准确性。针对需要手动调节参数,且参数多而且不固定的问题,本文提出了一种基于点阵SIFT特征匹配的脑组织提取方法。该方法采用基于距离约束投票的SIFT特征匹配方法,在对目标图像进行处理时引入一个循坏,即首先采用改进的BET算法得到一个初始的离散点阵;然后对离散点阵提取SIFT特征描述子,并根据与模板图像离散点阵的匹配状况自动调节参数,以新生成的参数继续进行轮廓演化,直到达到最大迭代次数;最后得到较为精准的脑组织轮廓。本文采用改进的BET算法和SIFT图像匹配算法相结合的方法,对脑组织进行提取,做到了对图像缩放和旋转不敏感和自动调节参数的目的。经过大量实验进行定性和定量分析,分析结果证明该算法能够得到良好的提取效果。

（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。