导读:本文包含了图像检测论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,卷积,神经网络,深度,图像处理,模型,边缘。
图像检测论文文献综述写法
黄志坚,张成,王慰慈[1]（2019）在《基于回归深度卷积网络的船舶图像与视频检测》一文中研究指出为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network, FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.920 9,召回率为0.981 8,平均交并比为0.799 1,在视频检测中每秒钟检测的帧数为78～80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。(本文来源于《上海海事大学学报》期刊2019年04期）
王铭民,许栋栋,陈曦,高建[2]（2019）在《基于图像识别技术的变电站设备短路损耗工况检测模型算法》一文中研究指出传统检测模型中变电站设备运行工况识别目标与背景分界模糊,导致变电站涉及短路损耗工况检测效率较低,针对该问题,提出了基于图像识别技术的检测模型算法。将图像转化为二值图像,提取二值图像特征矢量,采用支持向量机识别变电站设备运行工况。结合图像识别技术有效分离出待识别目标与背景,以计算机集成制造系统CIM资产为基准,建立运行待识别目标工况检测模型,由此完成变电站设备运行工况检测模型算法研究。通过实验对比结果可知,该模型最高检测效率可达到97%,能够有效反映变电站设备运行工况,进而减轻调度工作人员的工作强度,提高检测效果,对变电站在线检测系统研发具有参考价值。(本文来源于《科技通报》期刊2019年12期）
罗昕,闵祥娜[3]（2019）在《FPGA图像处理在带钢表面缺陷视觉检测中的应用研究》一文中研究指出计算机图像处理技术在带钢表面缺陷视觉检测过程中的应用,可以自动识别各类缺陷问题,为带钢质量检验提供支持。文章首先对带钢表面缺陷视觉检测常用技术进行介绍,探讨FPGA图像处理技术的视觉检测工作原理。在此基础上,研究FPGA图像处理技术在汽车焊管用冷轧带钢表面缺陷视觉检测中的具体应用对策。(本文来源于《内燃机与配件》期刊2019年24期）
李维嘉,陈爽,张雷,吴正灏[4]（2019）在《基于深度学习图像处理的肺部造影检测研究》一文中研究指出深度学习算法由于善于处理复杂多变的信号数据,在各个行业的实际生产中得到了广泛应用,且其潜力巨大。在图像处理领域,深度学习中的卷积神经网络解决了诸多机器视觉上的难题。在医学图像处理领域,针对其分辨率低,人眼容易误判等问题,为达到辅助医务工作者看清图像、识别病变区域的目的,从神经网络的结构优化、训练方案和预测能力叁个方面进行探讨,训练出了专用的卷积神经网络用来判断病变区域。并在肺部医学图像上得到了准确的判断结果,初步证实了卷积神经网络在医学图像领域的实用性和可靠性。(本文来源于《自动化与仪器仪表》期刊2019年12期）
李建蕊,李九生,史叶欣[5]（2019）在《基于对数模型的自适应太赫兹图像目标检测》一文中研究指出实验采用搭设的常温实时太赫兹成像系统,对隐藏在PVC材料下的金属剪刀进行局部成像,但成像结果对比度低,背景信息复杂,存在很强的噪声干扰。为更精准识别存在背景噪声和信息的太赫兹图像,提出一种基于对数模型的自适应太赫兹图像目标检测算法。该算法由以下几部分组成:(1)高斯模糊;(2)在对数域中,获得对数增强因子;(3)自动确定不同像素区域的动态双阈值和映射方式;(4)根据太赫兹图像自身的局部特性进行初始化分割;(5)通过条件迭代进行图像自动分割,五个步骤逐一进行。与经典算法相比基于对数模型的目标检测算法可以滤去图像的背景噪声,对目标物的形状和边缘的提取更为清晰,对图像的目标检测能力更强,为其在安检和医学领域的应用提供了保证。(本文来源于《激光杂志》期刊2019年12期）
张思雨[6]（2019）在《基于阈值递归选取和引导滤波的航拍图像云检测》一文中研究指出为了检测出航拍图像中的云区,提出一种基于阈值递归选取和引导滤波的云检测算法。首先基于HSI色彩空间构建云区显着图,拉伸云区和非云区的差异;再根据最大类间、类内方差比法进行阈值递归选择,综合云区统计特征得到初步云检测结果;然后利用引导滤波优化薄云和半透明云检测,最后通过形态学闭运算得到最终的云检测结果。对比试验表明,该算法的结果具有更低的错误率,更符合人的视觉检测效果。(本文来源于《计算机与数字工程》期刊2019年12期）
刘珍娟,傅迎霞,张羽,彭飞,张宗军[7]（2019）在《不同CT图像重建算法下基于深度学习的肺结节检测算法效能》一文中研究指出目的探索CT图像重建算法对于基于深度学习(DL)的肺结节检测算法的影响。方法选取298例接受肺部CT检查患者,依次采用肺窗重建、纵隔重建、骨窗重建3种算法重建CT图像。先由2名主治医师对入组病例进行标注,结果不一致时由1名高年资医师进行审核,以结果作为金标准。以深度神经网络为基础构建肺结节检测算法,与医师标注结果进行比对,得到算法在不同重建方法下检出肺结节的敏感度、准确率、F分数等指标以及模型检出的假阳性分布,对比分析模型在不同CT图像重建算法下的诊断效果。结果基于DL的肺结节检测算法在肺重建、纵隔重建和骨重建3种重建方法下的敏感度分别为92.33%(313/339)、86.97%(287/330)及92.73%(319/344),准确率分别为23.55%(313/1 329)、37.91%(287/757)及27.84%(319/1 146),F分数分别为0.38、0.53及0.43,3种算法重建下模型检出敏感度、模型误检结节类型与医师漏标结节类型差异均无统计学意义(P均>0.05)。结论基于DL的肺结节检测算法在肺窗、纵隔和骨窗重建下均性能优良,能帮助医生提高工作效率和诊断质量。(本文来源于《中国医学影像技术》期刊2019年12期）
周晶,李俊陶,邓杨逍[8]（2019）在《基于图像识别的面板边缘检测分拣装置的设计》一文中研究指出针对目前大板玻璃切割断裂后的单片面板的边缘质量检测以人工为主,效率低下的现象,设计了一套基于图像识别的面板边缘检测分拣装置。通过设计面板边缘检测分拣装置的整体方案、机械结构、控制系统的功能及控制流程,采用两条单片拾取处理机构A线和B线组成下料分拣检测部分,4台机器人双线程同时对前道工序输出的单片面板进行拾取检测,运行速度快,精度高,稳定性好,提高了工作效率。采用线阵相机实时地拍摄高精度的图像,对目标边缘像素采用最小二乘法拟合比较,建立模板和误差响应函数对面板边缘与拟合结果滤波后统计误差,可有效地检测单片面板的边破和角破,并将不良品分拣处理。实验结果表明该系统能够提高单片面板的边缘检测效率,降低人工成本。(本文来源于《组合机床与自动化加工技术》期刊2019年12期）
陈浩[9]（2019）在《图像经典边缘检测算子的研究与比较》一文中研究指出图像边缘是图像的重要结构属性,图像边缘检测在图像处理和计算机视觉中具有重要的作用。研究了4种经典的边缘检测算子,并通过对一幅图像使用相应算子进行边缘检测,比较和分析了相应的检测结果,剖析了各个算子的特点及优势。(本文来源于《电脑编程技巧与维护》期刊2019年12期）
谢未央,陈彦博,王季勇,李强,陈群[10]（2019）在《基于卷积神经网络的CT图像肺结节检测》一文中研究指出为帮助医生降低工作强度,减少诊断错误,提升准确率,提出一种基于叁维卷积神经网络的肺结节检测算法。根据肺结节在CT图像中的特点,设计改进的叁维候选区域推荐网络进行结节初始检测。在此基础上,使用多尺度、多网络融合的分类网络去除初检结果中的假阳性。在LUNA16数据集上验证了所提算法的准确性和有效性,并将结果与其它算法进行比较,讨论了该肺结节检测算法的性能。(本文来源于《计算机工程与设计》期刊2019年12期）
图像检测论文开题报告范文
（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：
传统检测模型中变电站设备运行工况识别目标与背景分界模糊,导致变电站涉及短路损耗工况检测效率较低,针对该问题,提出了基于图像识别技术的检测模型算法。将图像转化为二值图像,提取二值图像特征矢量,采用支持向量机识别变电站设备运行工况。结合图像识别技术有效分离出待识别目标与背景,以计算机集成制造系统CIM资产为基准,建立运行待识别目标工况检测模型,由此完成变电站设备运行工况检测模型算法研究。通过实验对比结果可知,该模型最高检测效率可达到97%,能够有效反映变电站设备运行工况,进而减轻调度工作人员的工作强度,提高检测效果,对变电站在线检测系统研发具有参考价值。
（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。
图像检测论文参考文献
[1].黄志坚,张成,王慰慈.基于回归深度卷积网络的船舶图像与视频检测[J].上海海事大学学报.2019
[2].王铭民,许栋栋,陈曦,高建.基于图像识别技术的变电站设备短路损耗工况检测模型算法[J].科技通报.2019
[3].罗昕,闵祥娜.FPGA图像处理在带钢表面缺陷视觉检测中的应用研究[J].内燃机与配件.2019
[4].李维嘉,陈爽,张雷,吴正灏.基于深度学习图像处理的肺部造影检测研究[J].自动化与仪器仪表.2019
[5].李建蕊,李九生,史叶欣.基于对数模型的自适应太赫兹图像目标检测[J].激光杂志.2019
[6].张思雨.基于阈值递归选取和引导滤波的航拍图像云检测[J].计算机与数字工程.2019
[7].刘珍娟,傅迎霞,张羽,彭飞,张宗军.不同CT图像重建算法下基于深度学习的肺结节检测算法效能[J].中国医学影像技术.2019
[8].周晶,李俊陶,邓杨逍.基于图像识别的面板边缘检测分拣装置的设计[J].组合机床与自动化加工技术.2019
[9].陈浩.图像经典边缘检测算子的研究与比较[J].电脑编程技巧与维护.2019
[10].谢未央,陈彦博,王季勇,李强,陈群.基于卷积神经网络的CT图像肺结节检测[J].计算机工程与设计.2019