导读:本文包含了图像合成论文开题报告文献综述、选题提纲参考文献，主要关键词:孔径,图像,神经网络,卷积,医学,特征值,目标。
图像合成论文文献综述写法
李超华,田晶晶,姜乐怡[1]（2019）在《基于排序合成的两层体系刑侦图像检索方法》一文中研究指出论文提出一种用于刑侦图像检索的两层体系方法。该方法包含两个步骤,首先使用线性核支持向量机分类器和图像的方位梯度直方图特征判别查询图像的语义类别;其次根据类别在仅包含该语义类图像的数据集上使用按例检索方法进行检索。按例检索时使用了排序合成模型以提高检索效率。在一个包含4501幅,10个语义类的刑侦图像库上进行了初步试验。实验结果表明提出方法的检索精度优于传统的按例检索方法。(本文来源于《计算机与数字工程》期刊2019年12期）
于娜,王清,靳晨聪[2]（2019）在《基于合成孔径雷达图像处理的舰船目标检测与优化》一文中研究指出合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。(本文来源于《舰船科学技术》期刊2019年20期）
董大伟[3]（2019）在《PhotoShop中利用图层蒙版进行图像合成》一文中研究指出Photoshop因其强大的图形、图像处理功能,在平面设计、网页设计及数码照片处理等方面得到了广泛运用。蒙版是Photo Shop中最重要的功能之一,用于图像合成。本文主要阐述了蒙版之一的图层蒙版的概念,并利用图层蒙版进行图像合成的方法和效果。(本文来源于《传播力研究》期刊2019年30期）
张杰,赵惠军,李贤威,王亚林,张梦圆[4]（2019）在《基于生成式对抗网络技术合成医学图像的研究进展与展望》一文中研究指出介绍了生成式对抗网络(generative adversarial networks,GAN)的基本架构及其在几个方面的改进,在同模态医学图像的合成、不同模态医学图像的转换、医学图像的降噪与超分辨力、医学图像的重建以及叁维医学图像处理5个方面分析了基于GAN的医学图像合成研究进展。指出了在不同模态的图像重构过程中引入GAN,提高图像质量和重构效率;通过GAN处理医学图像,运用获取的丰富信息实现对临床诊疗的直接支持,是下一步的重点研究方向。(本文来源于《医疗卫生装备》期刊2019年10期）
朱文维,李俊峰[5]（2019）在《基于非下采样剪切波变换和特征合成的医学图像融合算法》一文中研究指出针对融合后的医学图像时常存在细节纹理不够清晰的问题,本文提出一种新的基于非下采样剪切波变换(Non-Subsampled Shearlet Transform, NSST)的医学图像融合算法,对多模态医学影像进行融合,增强细节结构提取的能力,提高图像融合质量,为医疗诊断提供依据.首先,将已配准的源图像进行NSST分解,得到低频子带和一系列高频子带;其次,对于低频子带系数,提出利用局域平均能量与局域标准差的合成值进行子带之间选择的融合策略,有利于完整保存基础信息,对于高频子带系数,利用改进的拉普拉斯能量和(New Sum of Modified Laplacian,NSML)的方法进行融合;接着,将融合过后的低、高频子带进行NSST的逆过程变换,从而得到融合之后的图像;最后,在灰度和彩色医学多模态图像上进行大量的实验,并选择信息熵(IE),空间频率(SF),标准差(SD)和平均梯度(AG)对融合后的图像进行质量评价.仿真结果表明,本文算法在主观视觉效果以及客观评价指标上均取得较大改善.与其他算法相比,信息熵,标准差,空间频率和平均梯度的平均值分别提高了2.99%, 4.06%, 1.78%和1.37%,融合后的图像包含更丰富的细节纹理信息,视觉效果更好.(本文来源于《计算机系统应用》期刊2019年10期）
杨宏鑫[6]（2019）在《船目标逆合成孔径雷达图像的方位维定标问题研究》一文中研究指出距离——多普勒算法(Range-Doppler,RD)重构的船目标逆合成孔径雷达图像(InverseSynthetic Aperture Radar,ISAR)仅表示了目标散射点在RD域上的分布,要想更好的使用目标ISAR像,则需要对图像进行方位维定标处理。然而,传统的方位维定标算法都是基于目标匀速转动情况下进行的。为了解决这一问题,本文提出了基于仿射投影矩和加权平均法相结合的数学模型。该模型首先利用仿射投影矩对多幅ISAR图像进行规格化处理,消除船目标在ISAR图像序列中的尺度差异;然后定义一个相关函数作为评价准则,分别求解图像序列中相邻两幅图像对应的角速率;最后,采用加权平均的方式来估计目标某一时刻或者某一较短时间内的转动速率,进而实现船目标ISAR像方位维定标。仿真和实测数据的处理结果验证了该方法的有效性。(本文来源于《第十六届沈阳科学学术年会论文集（理工农医）》期刊2019-10-10）
冯伟业,廖可非,欧阳缮,牛耀[7]（2019）在《基于胶囊神经网络的合成孔径雷达图像分类方法》一文中研究指出针对合成孔径雷达(synthetic aperture radar,SAR)图像的目标分类,传统的卷积神经网络(convolutional neural network,CNN)需要大量的数据样本进行训练,无法在小样本条件下进行,其应用受到限制。提出将胶囊神经网络(capsule network,Capsnet)算法用于SAR雷达图像的分类,针对小样本SAR数据集对Capsnet结构进行轻量化设计,并在MSTAR数据集上验证了该算法的有效性。结果表明,与CNN相比,基于Capsnet的SAR目标分类抗过拟合性强,泛化效果较好,具有更高的准确性,能够很好地实现SAR图像样本的分类。(本文来源于《科学技术与工程》期刊2019年28期）
钟何平,唐劲松,马梦博,吴浩然[8]（2019）在《共享内存环境下的干涉合成孔径声呐复图像配准及优化方法》一文中研究指出提出了一种共享内存环境下的干涉合成孔径声呐(interferometric synthetic aperture sonar,InSAS)复图像配准优化方法。首先在分析复图像配准算法各处理步骤计算特点和并行性的基础上,针对粗配准和精配准计算中大量的滑动窗口计算操作,根据相邻窗口数据之间的关系进行了计算方法优化设计;然后采用OpenMP指令对粗配准、精配准、复图像插值和干涉相位提取计算步骤进行了并行化设计和计算任务分配,以充分利用多核计算资源加速复图像配准过程;最后通过InSAS复图像的并行配准试验验证了所提方法的正确性和高效性。(本文来源于《武汉大学学报(信息科学版)》期刊2019年08期）
樊书辰,水鹏朗[9]（2019）在《形态学边缘信息引导的区域合并合成孔径雷达图像分割算法》一文中研究指出针对基于区域合并的合成孔径雷达(SAR)图像分割中,初始分割过度碎片化影响后续区域合并效率和质量的问题,提出了利用形态学边缘信息引导的区域合并(MEI-RCBLP)SAR图像分割算法。首先利用高斯和伽马函数赋权的加权中值滤波构造各向异性形态学方向比率算子,提取图像的边缘强度映射来表征边缘响应的强弱,并对边缘强度映射进行阈值化处理和分水岭变换得到高质量的初始分割;然后利用现有的相对公共边界长度惩罚区域合并技术,迭代地合并初始分割中最相似的相邻区域,直到满足合并终止条件,输出最终的分割结果。实验结果表明,相比利用统计区域生长、MISP超像素和均值比边缘信息引导的分割算法,所提出的MEI-RCBLP算法显着改善了初始分割质量,在保证最终分割质量的前提下初始分割区域数目减少了25%以上,同时最终的分割结果在不同的性能评价指标上总体优于上述对比算法。(本文来源于《西安交通大学学报》期刊2019年10期）
胡显,姚群力,侯冰倩,宋红军,雷宏[10]（2019）在《基于卷积神经网络的合成孔径雷达图像目标识别》一文中研究指出为了解决现有合成孔径雷达(SAR)图像目标识别算法识别率不高、泛化能力不足的问题,提出一种基于卷积神经网络的SAR图像目标识别模型CMNet网络。通过设计针对SAR图像特点的特征提取网络,在损失函数中引入中心损失与Softmax损失联合监督训练过程,兼顾类内聚合和类间分离,提高算法精度和泛化能力。网络模型中所有卷积层后引入批量归一化层加快模型收敛速度、防止过拟合。实验使用美国运动和静止目标获取与识别数据库进行测试,10类目标平均识别率达到99. 30%。结果表明,提出的CMNet网络模型具有较高的识别率和泛化能力,在公开数据集上取得较好结果。(本文来源于《科学技术与工程》期刊2019年21期）
图像合成论文开题报告范文
（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：
合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。
（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。
图像合成论文参考文献
[1].李超华,田晶晶,姜乐怡.基于排序合成的两层体系刑侦图像检索方法[J].计算机与数字工程.2019
[2].于娜,王清,靳晨聪.基于合成孔径雷达图像处理的舰船目标检测与优化[J].舰船科学技术.2019
[3].董大伟.PhotoShop中利用图层蒙版进行图像合成[J].传播力研究.2019
[4].张杰,赵惠军,李贤威,王亚林,张梦圆.基于生成式对抗网络技术合成医学图像的研究进展与展望[J].医疗卫生装备.2019
[5].朱文维,李俊峰.基于非下采样剪切波变换和特征合成的医学图像融合算法[J].计算机系统应用.2019
[6].杨宏鑫.船目标逆合成孔径雷达图像的方位维定标问题研究[C].第十六届沈阳科学学术年会论文集（理工农医）.2019
[7].冯伟业,廖可非,欧阳缮,牛耀.基于胶囊神经网络的合成孔径雷达图像分类方法[J].科学技术与工程.2019
[8].钟何平,唐劲松,马梦博,吴浩然.共享内存环境下的干涉合成孔径声呐复图像配准及优化方法[J].武汉大学学报(信息科学版).2019
[9].樊书辰,水鹏朗.形态学边缘信息引导的区域合并合成孔径雷达图像分割算法[J].西安交通大学学报.2019
[10].胡显,姚群力,侯冰倩,宋红军,雷宏.基于卷积神经网络的合成孔径雷达图像目标识别[J].科学技术与工程.2019