导读:本文包含了轮廓提取论文开题报告文献综述、选题提纲参考文献，主要关键词:轮廓,树冠,层析,视觉,光学,深度,卷积。
轮廓提取论文文献综述写法
白蕾,王聪慧,蒋超[1]（2019）在《基于早期认知视觉的图像轮廓提取》一文中研究指出早期认知视觉是连接早期视觉和认知视觉的中间平台。与像素携带的弱的语义信息相比,提出了一种基于视觉基元的图像轮廓的表示方法。首先由早期认知视觉系统提取出图像的基元,基元是图片小块,有丰富的语义信息包括位置、方向、相位和叁色值;通过基元的共色性和共线性得到图像的轮廓。实验结果表明,此方法能将图像的轮廓完好地提取出来,有效地保留了图像的必要信息并具有强抗噪性。由此得到的轮廓所具有的几何信息和表面信息能很好的用于物体模型的学习及未知物体的抓取等。(本文来源于《国外电子测量技术》期刊2019年12期）
张晓东,张力飞,陈关州,朱坤[2]（2019）在《基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型》一文中研究指出随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。(本文来源于《测绘地理信息》期刊2019年06期）
王东航,周斌,张辉,明德烈[3]（2019）在《基于循环一致生成对抗网络的地物主轮廓提取方法》一文中研究指出遥感图像的地物轮廓提取在实际生产生活中有重要的意义。论文采用以深度残差网络作为生成器,深度卷积神经网络作为判别器,采用循环一致生成对抗网络的训练方式,训练出一个可以用来提取地物轮廓的生成网络。该训练方法可以不使用严格对齐的训练图对。论文采用了灰度图和梯度强度图作为生成器的输入,对比分析了两种输入方法的效果和性能,验证了网络的泛化能力。(本文来源于《计算机与数字工程》期刊2019年11期）
全迎,李明泽,甄贞,郝元朔[4]（2019）在《运用无人机激光雷达数据提取落叶松树冠特征因子及树冠轮廓模拟》一文中研究指出为探究无人机激光雷达(UAVLS)获取单木树冠叁维结构的能力,利用无人机载激光雷达数据,对人工长白落叶松进行单木树冠特征因子的提取以及树冠轮廓的模拟,并与机载激光雷达(ALS)单木树冠特征因子的提取进行比较。结果表明:利用UAVLS数据1∶1匹配的单木数量远高于利用ALS数据匹配的单木数量,且UAVLS单木位置探测的精度达到0.338 1 m,比ALS提高了0.185 1 m;UAVLS单木树高的提取精度达到0.578 5 m,比ALS提高了1.294 5 m;对于冠幅及冠基高的提取,UAVLS也有更高的精度。与ALS相比,UAVLS不仅具有更高的单木探测精度,也具有更高的单木树冠结构参数提取精度;3种树冠轮廓模型拟合的R~2均高于0.75,表明3种常用的轮廓模型都能够很好的描述从UAVLS数据中获取的树冠外部轮廓,其中二次抛物线模型具有最强的模拟效果(M_(AE)=0.256 4,M_(RAE)=4.59%)。因此,无人机激光雷达数据提取单木树冠结构,可以提高林业调查的效率。(本文来源于《东北林业大学学报》期刊2019年11期）
李兴坤,肖世德,董庆丰[5]（2019）在《基于双目视觉的小场景叁维轮廓提取》一文中研究指出为实现机器人移动过程中自主避障及轨迹修正,研究了小场景内基于立体视觉的环境信息的叁维重构技术。用MATLAB双目相机标定工具箱对相机进行标定,SGM算法计算出相机左右视图的视差图,叁角测距原理求取场景的叁维点云信息。为适当简化环境参数,提出了基于二维轮廓图的叁维轮廓提取方法,并借助模板匹配算法验证叁维重建的准确性。在MATLAB环境下进行试验,结果表明:使用的方法比较准确地实现了小场景的叁维轮廓的提取,说明提出的方法可以为机器人移动及其路径规划提供相应参考。(本文来源于《传感器与微系统》期刊2019年11期）
王利强,李绍朋,吕志杰[6]（2019）在《基于轮廓提取的刀具磨损量检测研究》一文中研究指出为了提高车削加工过程中的刀具磨损检测效率,降低生产成本,提出了一种基于轮廓提取的刀具磨损量检测算法。由CCD相机获取刀具磨损图像,通过图像预处理、图像的形态学处理、阈值分割、改进的轮廓找寻算法实现了刀具磨损区域的连通域轮廓点集的提取,通过连通域外接矩形实现了刀具磨损量的精确测量。开展刀具切削磨损检测试验,通过与光学显微镜测量结果对比,结果表明:该算法能够实现较高的检测精度,能够利用算法搭建刀具在机检测系统。(本文来源于《制造技术与机床》期刊2019年11期）
霍芃芃,侯妙乐,杨溯,侯庆明,周庆[7]（2019）在《机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述》一文中研究指出建筑物作为城市中最主要的人工地物,其叁维模型是智慧地球建设的重要数据支撑,实现精准自动化叁维重建至关重要。机载激光雷达(Light Detection and Ranging, LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天候获取地物空间信息等优势,已成为自动提取建筑屋顶轮廓线辅助建筑叁维重建的主要数据源。首先对建筑屋顶轮廓线提取技术的发展历程进行简要回顾,再根据以往研究内容总结出一套较为通用的技术流程;该技术流程4个关键步骤为点云滤波、建筑物提取、屋顶轮廓线提取和轮廓线规则化;对每一步骤的实现方法、常用算法、发展现状以及面临问题进行详细阐述和对比分析。最后,对本技术面临的挑战和未来发展趋势进行讨论。(本文来源于《地理信息世界》期刊2019年05期）
杨帆,刘桂雄,黄坚[8]（2019）在《基于数据集优化标记DeepLabCut女性人脸轮廓提取方法》一文中研究指出人脸轮廓提取应用广泛,研究一种用于完成人脸轮廓提取的数据集标记方案,提出基于关键点识别深度卷积网络DeepLabCut的人脸轮廓提取方法。首先对女性平均人脸轮廓进行曲率分析,将人脸轮廓划分成3个部分,设计出分配方案并实验,获得较优分配布点方法;进一步分析人脸轮廓提取评价指标平均IOU与标定点数关系,得到30个标记点数即可满足要求;应用优化的标记方案标记指定小样本数据集,对DeepLabCut进行迁移学习,获得得到轮廓提取方法所采用的模型;实验结果表明本文方法比Niko软件包识别效果提高5. 5%。(本文来源于《激光杂志》期刊2019年10期）
刘晨,于微波,杨宏韬,王国秀,谢家欣[9]（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[10]（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）
轮廓提取论文开题报告范文
（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：
随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。
（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。
轮廓提取论文参考文献
[1].白蕾,王聪慧,蒋超.基于早期认知视觉的图像轮廓提取[J].国外电子测量技术.2019
[2].张晓东,张力飞,陈关州,朱坤.基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型[J].测绘地理信息.2019
[3].王东航,周斌,张辉,明德烈.基于循环一致生成对抗网络的地物主轮廓提取方法[J].计算机与数字工程.2019
[4].全迎,李明泽,甄贞,郝元朔.运用无人机激光雷达数据提取落叶松树冠特征因子及树冠轮廓模拟[J].东北林业大学学报.2019
[5].李兴坤,肖世德,董庆丰.基于双目视觉的小场景叁维轮廓提取[J].传感器与微系统.2019
[6].王利强,李绍朋,吕志杰.基于轮廓提取的刀具磨损量检测研究[J].制造技术与机床.2019
[7].霍芃芃,侯妙乐,杨溯,侯庆明,周庆.机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述[J].地理信息世界.2019
[8].杨帆,刘桂雄,黄坚.基于数据集优化标记DeepLabCut女性人脸轮廓提取方法[J].激光杂志.2019
[9].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
[10].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