导读:本文包含了图像数据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:图像,卷积,数据,量子,数据处理,电力,电子显微镜。
图像数据论文文献综述
山毓俊,王凤伟,刘娜,李凡[1]（2019）在《利用图像比较实现纸质原始记录关键数据区域自主提取与识别》一文中研究指出针对检测过程中产生的纸介原始记录关键数据区域的提取与识别进行了探索,提出了利用图像比较和对差异图像让计算机学习查找边界、标记关键区域图像,进而借助OCR识别控件识别图像,并通过编程予以实现。(本文来源于《电脑编程技巧与维护》期刊2019年12期）
孙颖馨[2]（2019）在《一种用于增强拼接图像成像质量的数据处理系统》一文中研究指出传统图像拼接技术往往由计算机完成图像数据的处理,但计算机系统存在尺寸大、成本高、便携性差的缺点,为此,设计一种基于图像增强算法的嵌入式系统。该系统由FPGA完成图像采集与增强处理,然后将优化后的两组图像传输给DSP,最终完成两组图像的拼接。设计图像增强算法,对拼接区域不同灰度条件下进行了分类处理,从而实现了对图像特征点的增强;设计基于特征点向量距离比较的匹配算法,从而优化了图像拼接效果。对比该系统的测试结果与传统算法的拼接效果可知,在灰度变化较小的图像区域中,两种方法的拼接结果基本一致;而在灰度变化较大的图像区域中,传统方法的平均处理造成了特征点区域弥散,从而产生一定的失真,相比之下,该系统在1,2,3特征区域拼接效果明显优于传统方法。(本文来源于《现代电子技术》期刊2019年24期）
王锐,刘美玲[3]（2019）在《基于Matlab在大学物理实验中的数据处理及图像仿真》一文中研究指出近年来,随着计算机技术的普及,MATLAB具有强大的计算机处理功能,为物理实验数据处理带来了很大方便,使得数据的运算更加简单准确,在物理实验中引入MATLAB可以极大地促进实验教学。本文将MATLAB引入大学物理实验课中用于数据处理,适应目前课程信息化建设的需要。(本文来源于《河北农机》期刊2019年12期）
谭如超,夏候玮明,杨济海,王华,周洋[4]（2019）在《量子图像水印技术在电力大数据中的应用》一文中研究指出为保证电力大数据的安全和处理效果,本文提出一种基于量子图像水印技术的嵌入及提取方法。该方法首先将原载体灰色图像用量子表示,并利用量子小波变换四次分解原载体图像得到子图,再通过量子离散余弦变换对子图进行系数转换。通过对系数矩阵进行奇异值分解得到对角矩阵,再利用量子广义Arnold变换和Logistic映射对水印进行置乱,并进行奇异值分解,从而实现量子水印的嵌入。嵌入的水印图像被分解后,每个像素的灰度信息为一个均衡的量子迭加态,测量后整幅图像为一个均匀的白噪声。水印图像的提取过程为嵌入的逆过程。仿真结果表明,相对经典图像水印,量子图像水印技术计算复杂度更低,计算速度更快,嵌入的水印图像具有很好的安全性,并且不影响载体图像的视觉效果。(本文来源于《2019年江西省电机工程学会年会论文集》期刊2019-12-06）
白江华[5]（2019）在《用同步数据采集法读取电子显微镜的模拟图像（英文）》一文中研究指出本项目对老式电子显微镜翻新,使其拥有强大的图像处理能力,同时还介绍了模拟图像的数字化采集和处理的方法。将NI PCI-6259多用途数据采集卡与电子显微镜的模拟显示电路相连,把原来用光栅扫描法传送到模拟显示器的信号输入到PCI-6259的数据缓冲区中; 2路输出通道分别扫描显示电路的横纵坐标, 1路输入通道采集各坐标点的亮度信号,数据采集卡的2路输出通道与1路输入通道工作在同步方式下,以实现对模拟图像的最快速数字采集。数字图像采集之后,就立即显示并自动存储在硬盘中。文章详细描述了硬件连接与软件设计,是快速同步数据采集、虚拟仪器的高级应用和用LabVIEW结构化地设计底层驱动程序的良好范例。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2019年04期）
徐军,叶靖[6]（2019）在《利用MSCT原始数据的图像重建在颅骨细小骨折诊断中的应用》一文中研究指出目的:研究MSCT原始数据重建在颅骨细小骨折诊断中的应用。方法:收集了外伤后常规头颅CT诊断结果存在"可疑骨折"的病例资料共43例,所有颅骨可疑骨折病例的原始数据对兴趣区进行优化重建,包括调整图像组织算法、缩小重建的层厚及层间距、缩小重建的兴趣区范围,总结分析MSCT原始数据重建在颅骨细小骨折诊断中的应用价值。结果:经过优化重建后的图像可见显示颅骨骨折直接征像的达31例,额骨骨折5例,颞骨骨折10例、顶骨骨折8例,枕骨骨折5例,颅底骨折1例,眶尖骨折2例。仅可显示颅骨骨折间接征像的有5例,其中位于颞部的3例、顶部1例,额部1例。剩余全部7例均未见颅骨骨折的直接征像以及间接征像。结论:利用MSCT的Raw～Data重建技术,对颅骨的可疑骨折区进行多参数优化重建,所获得的优化重建图像对细小骨折结构的显示能力有了明显提高,明显增高的诊断正确率。(本文来源于《包头医学》期刊2019年04期）
樊春玲[7]（2019）在《数据驱动的图像感知和质量评价方法》一文中研究指出随着数字媒体技术的飞速发展,人类已经进入到一个信息时代,海量的图像出现在人们生活的方方面面并发挥着重要的作用。由于在图像的采集、传输、存储到显示等各个环节都不可避免存在噪声,因此最终显示在用户端的图像会存在质量损失,即图像失真。在流媒体应用中用户对高质量的体验需求又在不断提高,因此需要预先对图像的失真程度进行评估,即图像质量评价。为了保证用户良好的观看体验,图像感知和质量评价成为一项必不可少的工作。随着大数据时代的到来,从图像数据中发掘规律,即数据驱动的图像质量评价方法显得尤为重要。本论文以图像感知为出发点,着重考虑人眼视觉系统特性,构建符合人眼视觉系统特性的质量评价方法,主要有以下几个方面的研究:1.针对图像失真类型多样性影响图像质量评价问题,提出一种基于多专家卷积神经网络的无参考图像质量评价方法。在实际应用中,图像失真类型多种多样,现有的图像质量评价方法并不能在每一种失真类型上都表现最佳,本文首先识别图像失真类型,得到该图像属于若干个失真类型的概率值;接着,针对每一种或一组失真类型训练特定的专家网络;最后,将识别模型输出的概率值和多专家网络预测结果融合起来得到图像的质量分数。通过实验分析发现,针对特定失真类型训练的专家网络与单一网络模型相比性能有很大的提升,说明专家网络能够学习到对特定失真类型敏感的有效的特征表达。在LIVE II和CSIQ数据集上的实验结果表明提出的基于多专家卷积神经网络的无参考图像质量评价方法预测结果与人眼视觉系统有很强的相关性。2.提出了基于深度学习的图像质量和用户满意度(Satisfied User Ratio,SUR)预测方法。根据人眼视觉系统的恰可察觉失真特性,人眼并不能察觉图像中的微小失真,只有当失真达到一定的阈值才能被感受到,这个阈值被称为JND。传统的JND模型关注像素域或者子带域,但是由于掩蔽效应等,图像中某个或者某些像素值超过其JND范围时并不一定能够被人眼察觉,本文关注的是图像级JND(Picture-level JND,PJND)。由于人眼的生理结构、视力状况、知识储备等不同,不同个体的PJND阈值也有所差异,因此为了表达群体的PJND,引入用户满意度的概念。用户满意度是指群体中对当前质量满意的用户比例。本文提出了基于深度学习的2D图像的SUR和PJND预测模型。对压缩图像的SUR进行预测更具实际意义,在给定用户满意度的条件下,可预测出最大编码参数、最大失真等级和最小码率。研究成果可直接应用于流媒体领域,节省图像编码码率进而大大减少流媒体运营商的成本。3.构建了基于PJND的对称和非对称压缩立体图像数据集。立体图像给人身临其境的视觉体验,这更符合人眼对周围真实世界的感受,然而,人眼对立体图像的PJND特性还需要进一步的探索,并且在本文之前还未出现基于PJND特性的立体图像数据集。本文通过主观实验研究立体图像的PJND特性,包括设置实验环境、收集立体图像数据、组织实施实验过程、对实验结果进行统计分析等。实验发现随着失真等级增大,SUR不断减小,说明失真等级越高导致用户的满意度越低。实验还发现JPEG2000非对称压缩的PJND左、右视点质量差异均值是2.12 d B,H.265非对称压缩的PJND左、右视点质量差异均值是2.38 d B。最后,构建了基于PJND的对称和非对称立体图像数据集,分别命名为SIAT-JSSI和SIAT-JASI,该数据集已经公开发布在IEEE Dataport平台。4.基于本文构建的面向PJND的立体图像数据集SIAT-JSSI,本文提出了立体图像的感知质量和用户满意度预测方法。首先,考虑到立体视觉的双目竞争机制和双目融合机制,从参考图像和失真图像对中提取特征,包括立体图像质量特征、单目视觉特征和双目视觉特征。然后,从提取的特征中选择关键特征并将特征融合再输入支持向量回归模型,学习特征空间到用户满意度的映射函数。由于立体图像数据集规模较小,采用了跨任务的迁移学习减少过拟合。在SIAT-JSSI数据集上的实验结果表明提出的方法性能较好。(本文来源于《中国科学院大学(中国科学院深圳先进技术研究院)》期刊2019-12-01）
张陵,常喜强,高宝琪,王学民,王志远[8]（2019）在《基于最优鉴别特征的电力设备铭牌图像边缘纹理数据识别》一文中研究指出为解决电力纹理图像精准识别率低下的问题,提出基于最优鉴别特征的电力模糊图像边缘纹理智能识别方法。在电力模糊图像的最优特征鉴别子集中,通过计算提取复杂度的方式,统计图像纹理的邻类参量,完成基于最优鉴别特征的电力模糊图像边缘纹理参量提取。在此基础上,利用边缘神经网络中电力图像节点的分布情况,计算智能平滑参数,并根据现有模糊图像的具体数量,对识别流程进行完善创新,实现新型智能识别方法的搭建。与现有识别手段相比,应用基于最优鉴别特征的电力模糊图像边缘纹理智能识别方法后,横波、纵波电力纹理图像识别准确率的最大值均超过90%,精准识别率低下的问题得到有效解决。(本文来源于《自动化与仪器仪表》期刊2019年11期）
张素杰,杨凯欣[9]（2019）在《基于数据挖掘叁维数字图像模糊增强系统设计》一文中研究指出目前对于叁维数字图像模糊增强使用的系统存在图像处理耗时过长的问题。为了解决此问题,设计基于数据挖掘叁维数字图像模糊增强系统。设计系统整体框架包括电源模块、外围接口模块、核心处理模块以及存储模块。在整体框架基础上,使用ARM处理器,设计电源电路和外围接口电路,完成系统的框架搭建。利用数据挖掘技术对叁维数字图像特征进行提取,并计算模糊特征值,通过模糊特征值和模糊隶属函数实现图像模糊增强,至此系统整体设计完成。测试结果表明,与传统的图像模糊增强系统相比,基于数据挖掘叁维数字图像模糊增强系统的处理图像所耗时间缩短了25.86%,适合应用在叁维数字图像增强中。(本文来源于《现代电子技术》期刊2019年22期）
蒋芸,张海,陈莉,陶生鑫[10]（2019）在《基于卷积神经网络的图像数据增强算法》一文中研究指出提升卷积神经网络的泛化能力和降低过拟合的风险是深度卷积神经网络的研究重点。遮挡是影响卷积神经网络泛化能力的关键因素之一,通常希望经过复杂训练得到的模型能够对遮挡图像有良好的泛化性。为了降低模型过拟合的风险和提升模型对随机遮挡图像识别的鲁棒性,提出了激活区域处理算法,在训练过程中对某一卷积层的最大激活特征图进行处理后对输入图像进行遮挡,然后将被遮挡的新图像作为网络的新输入并继续训练模型。实验结果表明,提出的算法能够提高多种卷积神经网络模型在不同数据集上的分类性能,并且训练好的模型对随机遮挡图像的识别具有非常好的鲁棒性。(本文来源于《计算机工程与科学》期刊2019年11期）
图像数据论文开题报告
（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：
传统图像拼接技术往往由计算机完成图像数据的处理,但计算机系统存在尺寸大、成本高、便携性差的缺点,为此,设计一种基于图像增强算法的嵌入式系统。该系统由FPGA完成图像采集与增强处理,然后将优化后的两组图像传输给DSP,最终完成两组图像的拼接。设计图像增强算法,对拼接区域不同灰度条件下进行了分类处理,从而实现了对图像特征点的增强;设计基于特征点向量距离比较的匹配算法,从而优化了图像拼接效果。对比该系统的测试结果与传统算法的拼接效果可知,在灰度变化较小的图像区域中,两种方法的拼接结果基本一致;而在灰度变化较大的图像区域中,传统方法的平均处理造成了特征点区域弥散,从而产生一定的失真,相比之下,该系统在1,2,3特征区域拼接效果明显优于传统方法。
（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。
图像数据论文参考文献
[1].山毓俊,王凤伟,刘娜,李凡.利用图像比较实现纸质原始记录关键数据区域自主提取与识别[J].电脑编程技巧与维护.2019
[2].孙颖馨.一种用于增强拼接图像成像质量的数据处理系统[J].现代电子技术.2019
[3].王锐,刘美玲.基于Matlab在大学物理实验中的数据处理及图像仿真[J].河北农机.2019
[4].谭如超,夏候玮明,杨济海,王华,周洋.量子图像水印技术在电力大数据中的应用[C].2019年江西省电机工程学会年会论文集.2019
[5].白江华.用同步数据采集法读取电子显微镜的模拟图像（英文）[J].JournalofMeasurementScienceandInstrumentation.2019
[6].徐军,叶靖.利用MSCT原始数据的图像重建在颅骨细小骨折诊断中的应用[J].包头医学.2019
[7].樊春玲.数据驱动的图像感知和质量评价方法[D].中国科学院大学(中国科学院深圳先进技术研究院).2019
[8].张陵,常喜强,高宝琪,王学民,王志远.基于最优鉴别特征的电力设备铭牌图像边缘纹理数据识别[J].自动化与仪器仪表.2019
[9].张素杰,杨凯欣.基于数据挖掘叁维数字图像模糊增强系统设计[J].现代电子技术.2019
[10].蒋芸,张海,陈莉,陶生鑫.基于卷积神经网络的图像数据增强算法[J].计算机工程与科学.2019
论文知识图
