导读:本文包含了自适应算子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:算子,自适应,卷积,边缘,算法,目标,分数。
自适应算子论文文献综述
韩军,张鸿宇[1]（2019）在《迭代式自适应法在Canny算子中的应用与研究》一文中研究指出为了增提高业机器人的智能水平,需要加装视觉系统,但因其工作环境复杂所以需要对现有机器视觉算法进行改进才能满足工业机器人的实际需要。边缘检测中广泛采用Canny算法,但因为其本身存在一些天然的缺陷不能直接应用于工业机器人上。第一,在进行高低阈值选取时需要人为设定,适应性差并且依赖人的经验。第二,在判断经非极大值处理后处于两阈值中间点是否为边缘点时,判断依据单一,容易混入更多的假边缘。通过研究现有机器视觉成果提出了相应的解决方案。第一,将迭代式自适应阈值法应用于Canny算法中,使算法有自主选择阈值的能力。第二,因为相邻边缘点处于相似的梯度环境中因此,使用梯度方向和(Sum of Gradient Direction简写为SGD)进行辅助判断边缘点。经仿真改进的方法,其结果表明改进的方法在检测精度和自适应方面要优于Canny算法,满足工业机器人对视觉方面的需求。(本文来源于《机械设计与制造》期刊2019年12期）
陈美玲,朱铝芬,张云,石瑶[2]（2019）在《基于自适应滤波的改进Canny算子图像边缘检测》一文中研究指出为解决图像的椒盐噪声污染,可以采用滤波算法滤掉椒盐噪声。滤波算法中最常用的是中值滤波算法,其对椒盐噪声几乎没有过滤效果。本文引用自适应中值滤波算法,通过MATLAB实现,应用Canny提出的边缘检测评价的指标对图像做出评价。自适应中值滤波算法对椒盐噪声的过滤效果较好。(本文来源于《现代机械》期刊2019年05期）
李帅,王伟明,刘先红,闫德立[3]（2019）在《自适应分数阶算子的图像增强》一文中研究指出为了突出图像纹理细节的同时保留平滑区域,节省确定分数阶微分阶次的时间,提出了一种改进的自适应分数阶微分算子。首先将经典Tiansi模板分解为四个不同方向,分别与待处理像素点进行卷积,达到增强图像纹理细节的效果;其次针对Tiansi算子需通过多次实验确定最佳微分阶次的现状,结合图像的局部特征信息,构建了具有自适应能力的分数阶阶次模型,能够获得比原图像更丰富的细节信息。对多组不同场景图像的实验结果表明:构建的自适应分数阶微分算子有效地增强了图像的纹理细节,自适应分数阶微分算子的主观视觉效果和客观评价指标均优于原图像,其客观评价指标中的平均梯度、信息熵、对比度相比原图像平均提高190.3%、8.1%、18.3%;平均梯度、对比度相比Tiansi算子处理后的图像平均提高45.0%、9.6%。(本文来源于《光电工程》期刊2019年09期）
周先春,张敏,吴婷[4]（2019）在《基于分数阶微分算子与高斯曲率相结合的自适应图像去噪》一文中研究指出文中提出分数阶微分算子和高斯曲率相结合的自适应图像去噪方法。将高斯曲率引入偏微分方程模型中,由图像梯度进行边缘检测,再结合高斯曲率和分数阶微分算子的性质,由图像的局部方差建立分数阶微分算子,构建基于分数阶微分算子的自适应图像去噪模型,进行自适应地扩散去噪。结果表明,新算法性能优异,内部信息保护更具完整性,有利于实际应用。(本文来源于《现代电子技术》期刊2019年15期）
罗会兰,石武[5]（2019）在《结合连续卷积算子的自适应加权目标跟踪算法》一文中研究指出目的在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特征,提出了一种结合连续卷积算子的自适应加权目标跟踪算法。方法针对目标定位不准确的问题,提出连续卷积算子方法,将离散的位置估计转换成连续位置估计,使得位置定位更加准确;利用不同卷积层的特征表达,提高跟踪效果。首先利用深度卷积网络结构提取多层卷积特征,通过计算相关卷积响应大小,决定在下一帧特征融合时各层特征所占的权重,凸显优势特征,然后使用从不同层训练得到的相关滤波器与提取得到的特征进行相关运算,得到最终的响应图,响应图中最大值所在的位置便是目标所在的位置和尺度。结果与目前较流行的3种目标跟踪算法在目标跟踪基准数据库(OTB-2013)中的50组视频序列进行测试,本文算法平均跟踪成功率达到85. 4%。结论本文算法在光照变化、尺度变化、背景杂波、目标旋转、遮挡和复杂环境下的跟踪具有较高的鲁棒性。(本文来源于《中国图象图形学报》期刊2019年07期）
石武[6]（2019）在《结合连续卷积算子与时间正则化的自适应加权目标跟踪》一文中研究指出目标跟踪一直都是计算机视觉领域研究的热点之一,已经广泛应用于智能控制(如无人机、机器人等),人机交互,自动驾驶等领域。在视觉跟踪领域中,特征的高效表达是鲁棒跟踪的关键,观察到在相关滤波跟踪中,不同卷积层表达了目标的不同方面特征,提出了一种结合连续卷积算子和时间正则化的自适应加权目标跟踪算法;针对目标定位不准确的问题,提出连续卷积算子方法,将离散的位置估计转换成连续位置估计,使得位置定位更加准确;针对不同卷积层的特征表达能力不同的问题,提出自适应加权方法,利用相关滤波算法自适应融合多层卷积特征,达到削弱背景干扰和增强特征表达的效果;针对有遮挡或者目标发生剧烈形变的情况下容易导致跟踪失败,提出正则化方法,避免训练的相关滤波器过拟合,提高跟踪性能。首先,由于卷积网络不同层的特征的分辨率不同,层数越深,特征图越小,为了能够将多种分辨率的特征融合在一起。首先利用叁次样条插值函数将时域离散特征图转换为时域连续特征图,然后利用连续卷积算子将学习到的连续相关滤波器和连续特征图进行相关滤波,使得目标位置估计更加准确。其次,深度卷积神经网络中不同卷积层表达了目标的不同方面特征,即浅层特征具有更多的位置信息,而深层特征具有更多的语义特征,所以如果能结合它们的不同特征表达能力进行跟踪,会得到相较于只利用深层或浅层特征更好的跟踪效果。首先,深度卷积网络结构提取多层卷积特征,并且通过计算相关卷积响应大小来确定下一帧对应特征层的权重,凸显优势特征,使目标与背景或干扰物更容易区分开来。然后,使用从不同层训练得到的相关滤波器与提取得到的特征进行相关运算,得到最终的响应图,响应图中最大值所在的位置便是目标所在的位置和尺度。最后,通过将时间正则化引入到空间正则化相关滤波器中构建了一个新的模型,结合自适应特征融合算法,得到结合连续卷积算子和时间正则化的自适应加权目标跟踪算法。目标跟踪是一个长时间的跟踪过程,由于多幅图像训练学习的相关滤波器,比较着重于当前帧最近的样本,容易受最近不准确的样本影响,训练得到的滤波器可能会发生过拟合,并在有遮挡等复杂的情况下导致跟踪失败。引入时间正则化后,本文算法不仅可以用上一帧训练样本合理逼近空间正则化相关滤波器通过多帧训练样本训练的跟踪器的效果,而且大大提高了跟踪效率。实验表明,本文算法在光照变化,尺度变化,背景杂波,目标旋转、遮挡和复杂环境下的跟踪具有较高的鲁棒性,且具有良好跟踪效率。(本文来源于《江西理工大学》期刊2019-05-28）
陈锦辉[7]（2019）在《基于GPU的多算子自适应医学超声成像算法研究》一文中研究指出医学超声成像作为一门被广泛使用的影像诊断技术,其成像性能的提升受到了广泛关注,但目前成像质量与成像速度的相互制衡仍然是阻碍医学超声成像技术进一步发展和运用的关键问题。最小方差波束形成算法是一种具有很大提升潜力的基础自适应成像算法,一方面,很多学者对其进行了相关的改进研究,但鲜少有对其进行比较全面的综合性提升研究;另一方面,自适应波束形成算法因其高计算复杂度而难以实现实时性,这阻碍了其在实际临床诊断中的应用。本文针对自适应医学超声成像算法展开相应的研究,通过算子优化及GPU并行加速实现了成像质量和成像速度的同时提升。本文根据其原理流程提出一个提升算法成像质量的算法研究框架,将多算子优化的思想引入自适应医学超声成像算法的研究中,通过算子的针对性优化对自适应波束形成算法进行多方面的改进,从而获得一个成像质量得到极大提升的多算子自适应成像算法。同时,本文基于GPU实现了自适应成像算法中像素估计的粗粒度并行及数据计算的细粒度并行,为此类算法的实现提供一个并行加速框架,以帮助其实现成像计算的实时性。为了验证本文提出的多算子自适应成像算法及GPU并行加速框架的有效性,本文设计了相应的仿真实验对成像相关指标进行较为全面的定量分析。实验结果表明,一方面,本文提出的多算子自适应算法相比于常规自适应算法或单一改进的算法,具有最好的成像分辨率和对比度表现;另一方面,基于本文提出的GPU并行加速框架,可在单GPU上极大地提升此类算法的成像计算速度,相比于传统的CPU实现方案能达到上千倍的加速比,并且在算法最佳成像质量表现处能满足成像计算的实时性要求。可见,本文对于自适应医学超声成像算法的研究,能在成像质量得到提升的同时满足算法成像计算的实时性,为高清成像算法应用于实际临床诊断打下坚实的基础。(本文来源于《华南理工大学》期刊2019-04-23）
王越,邱飞岳,郭海东[8]（2019）在《一种带变异算子的自适应惯性权重二进制粒子群优化算法》一文中研究指出针对离散二进制粒子群优化算法在寻优过程中收敛速度慢、搜索精度不高和易陷入局部最优的问题,本文提出一种带变异算子的自适应惯性权重二进制粒子群优化算法(MABPSO).首先,采用非线性递增策略优化惯性权重,平衡二进制粒子群算法的全局探索与局部探索性能;其次,引入对未知空间搜索的变异算子,改进速度更新公式,使粒子的寻优范围扩大,增强算法多样性,有效避免陷入局部最优解.通过在六个基准测试函数上进行测试所得到的实验结果表明,本文对二进制粒子群优化算法所做的优化相比于其它叁种算法,具有较好的逃离局部最优解的能力,提高了算法的收敛性能.(本文来源于《小型微型计算机系统》期刊2019年04期）
曲志坚,陈宇航,李盘靖,刘晓红,李彩虹[9]（2019）在《基于多算子协同进化的自适应并行量子遗传算法》一文中研究指出量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.(本文来源于《电子学报》期刊2019年02期）
许四祥,李天甲,翟健健,李晨晨,王洋[10]（2019）在《基于Prewitt算子的自适应弱小目标检测》一文中研究指出针对工业现场中复杂背景下镁熔液弱小目标实时检测的难题,从图像识别的角度提出了基于Prewitt算子的自适应背景预测算法。该算法首先使用Prewitt算子对原始图像进行处理从而计算出图像最大灰度差,其次根据最大灰度差与每个像素点的灰度差的差异选择背景预测模型进行处理得到背景预测图像,然后用原始图像减去背景预测图像得到残差图像,接着对残差图像作帧差运算以及阈值分割运算得到二值图像,最后使用形态学运算获取最终的目标,并将该算法与最小一乘法的检测性能进行对比。Matlab仿真结果表明,该算法不仅可检测到弱小目标,并且检测到的目标点面积增大了60%,检测时间减少了96.92%,为图像处理技术应用于工业现场实时检测镁熔液中弱小目标奠定了基础。(本文来源于《红外技术》期刊2019年02期）
自适应算子论文开题报告
（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：
为解决图像的椒盐噪声污染,可以采用滤波算法滤掉椒盐噪声。滤波算法中最常用的是中值滤波算法,其对椒盐噪声几乎没有过滤效果。本文引用自适应中值滤波算法,通过MATLAB实现,应用Canny提出的边缘检测评价的指标对图像做出评价。自适应中值滤波算法对椒盐噪声的过滤效果较好。
（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。
自适应算子论文参考文献
[1].韩军,张鸿宇.迭代式自适应法在Canny算子中的应用与研究[J].机械设计与制造.2019
[2].陈美玲,朱铝芬,张云,石瑶.基于自适应滤波的改进Canny算子图像边缘检测[J].现代机械.2019
[3].李帅,王伟明,刘先红,闫德立.自适应分数阶算子的图像增强[J].光电工程.2019
[4].周先春,张敏,吴婷.基于分数阶微分算子与高斯曲率相结合的自适应图像去噪[J].现代电子技术.2019
[5].罗会兰,石武.结合连续卷积算子的自适应加权目标跟踪算法[J].中国图象图形学报.2019
[6].石武.结合连续卷积算子与时间正则化的自适应加权目标跟踪[D].江西理工大学.2019
[7].陈锦辉.基于GPU的多算子自适应医学超声成像算法研究[D].华南理工大学.2019
[8].王越,邱飞岳,郭海东.一种带变异算子的自适应惯性权重二进制粒子群优化算法[J].小型微型计算机系统.2019
[9].曲志坚,陈宇航,李盘靖,刘晓红,李彩虹.基于多算子协同进化的自适应并行量子遗传算法[J].电子学报.2019
[10].许四祥,李天甲,翟健健,李晨晨,王洋.基于Prewitt算子的自适应弱小目标检测[J].红外技术.2019
论文知识图
