导读:本文包含了图像表达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,意象,对称轴,深度,卷积,视觉,神经网络。
图像表达论文文献综述
王超群[1]（2019）在《情感激发与意象表达：新媒体事件图像传播的受众视觉框架研究》一文中研究指出本文着重探讨新媒体事件中的图像,如何通过受众对其"视觉框架"的解读,最终实现关于新媒体事件的舆论生成与表达。选取2007年至2015年九年来有着明显热点图像传播现象的50件新媒体事件作为研究对象,共搜集65张图片作为样本进行分析。综合运用多模态话语分析、中文情感语义识别研究方法和视觉修辞分析方法,探讨了"视觉框架"通过刺激受众"情感激发"和营造"文化意象"两种途径实现舆论生成与表达的过程,并大胆提出建构新媒体事件"情感范型"图像传播模式的可能性。(本文来源于《国际新闻界》期刊2019年10期）
严桃梨[2]（2019）在《图像识读:以美术审美定义儿童审美表达》一文中研究指出图像识读是基于当今图像传播方式变革的需要而提出的,也是人们在学习、生活、工作时一种必不可少的素养。在小学美术课堂中,教师需要解读"图像识读"的意义、价值,在教学中,创构立体物象,生成图像语言,关注教师素养,发展图像思维,建构审美意象,凸显图像表达。(本文来源于《江苏教育研究》期刊2019年26期）
陈武杰,高旭宁,许茂盛[3]（2019）在《基于CT图像及纹理分析技术预测胃癌患者HER2蛋白表达情况》一文中研究指出目的:基于CT图像及纹理分析技术预测胃癌患者HER2蛋白表达情况。方法:对来自浙江中医药大学附属第一医院的89例临床病理证实为胃癌的患者进行回顾性研究。所有患者均在术前接受CT增强检查。使用开源软件ITK-SNAP 3.6软件对每个原发病灶进行全体积勾画后再进行纹理特征的提取与分析。数据集分为训练组(n=62)和验证组(n=29)。从每位患者中各提取总共1305个影像学特征,使用LASSO逻辑回归(本文来源于《中国中西医结合学会医学影像专业委员会第十七次全国学术大会暨甘肃省中西医结合学会医学影像专业委员会第六届学术年会资料汇编》期刊2019-08-22）
董珊,杨占昕,龙腾,庄胤,陈禾[4]（2019）在《基于结构化稀疏表达的高分辨率光学遥感图像的船只检测》一文中研究指出为克服近岸船只检测中复杂港内背景干扰和基于深度学习算法的大视场光学遥感图像标注工作量大的困难,本文提出了基于小样本集的结构化稀疏表达方法来实现近岸船只检测的算法。构建由近岸船只目标,背景干扰信息和误差矩阵等叁部分子字典组成的结构化稀疏表达字典,经小样本集的字典训练过程生成判别性稀疏编码。首先将多方向近岸船只目标样本与港内复杂背景信息样本经过HOG特征提取和PCA分析对原子进行初始化,然后使用K-SVD和LASSO算法对字典进行训练。在字典中引入误差矩阵对样本的类内差异进行表示,增强了稀疏编码的判别能力和系统鲁棒性。最后提出船只目标区域提取的置信度计算方法,对生成的结构化稀疏编码进行判别,提取船只目标区域,实现船只检测。通过对不同尺寸字典模型、引入误差矩阵前后的结构化稀疏表达模型进行实验,实验结果表明提出的引入误差矩阵的结构化稀疏表达方法的有效性,以及在小样本集下比现有技术方法具有更好的检测性能。(本文来源于《信号处理》期刊2019年06期）
王芳,高忠水[5]（2019）在《二次函数图像与表达中系数符号判断问题》一文中研究指出根据二次函数的图像判断表达式中a、b、c的符号,以及a、b、c组成的代数式的符号,是近几年中考的热点问题,考察数形结合思想,学生普遍会感觉困难,关键是缺乏解决问题的策略,如果探究出其存在的规律,问题就会迎刃而解,下面仅举几例说明:(本文来源于《中学生数学》期刊2019年12期）
周子渊[6]（2019）在《再现与象征:少儿绘本图像叙事的意义表达》一文中研究指出在少儿绘本图像叙事中,图像的再现功能与象征功能不是截然分开的,二者往往在共同作用下表达某种意义。会讲故事的图像是少儿绘本意义产生的决定性要素,所以绘本图像在讲故事时,要力求达到意象性的再现与象征性的哲理统一,潜移默化中使儿童在绘本故事的人文精神、审美意趣、科学知识等构建的体系中浸润。(本文来源于《编辑之友》期刊2019年06期）
邓芮[7]（2019）在《基于视觉感知和数据紧凑表达的图像美感质量评估方法》一文中研究指出美是人类感知、认知和情感相互作用的结果。在计算机领域,图像美学质量评估的目的是让计算机能够模拟人类的审美系统,自动对图像的美感进行判别。研究人员通常将其转化为一个机器学习问题,即让模型在人类标注的数据上进行训练,学习如何预测图像的美学等级。而学习到的模型能在很多劳动力密集的主观任务中发挥作用,如智能照片编辑、图像推荐或搜索、海报横幅生成,其应用前景十分广泛。目前,基于大规模数据训练的深度卷积模型在可计算美学评估中被广泛使用,但是仍然存在两个难题:包括如何处理CNN的识别机制与人类审美感知识别机制之间的差异性,以及如何从大量数据中学习到更好的美学规则。本文主要通过研究将人类视觉感知和数据紧凑表达的知识应用于基于深度卷积网络的美学质量评估任务,以提升美学评估模型的性能,主要工作如下:1)提出了一种基于视觉感知的双层神经网络(Visual Perception Network),用于启发性地学习图像中与视觉感知相关的特征。该网络包含两个子网络,感兴趣区域子网络和多尺度信息子网络,分别用于学习图像中的感兴趣区域特征和多层次细粒度特征。另外,为了学习到图像中的感兴趣区域,我们还提出一种新颖的感兴趣区域搜索算法,用于搜索出图像中吸引力强的局部区域。实验结果表明,该算法能够有效地融合图像中不同层次的信息,获得较好的效果。2)设计了一种基于数据紧凑表达的训练策略。该策略关注于美学数据的有效利用问题,分阶段利用聚合程度不同的图像,学习简单到复杂的美学规则。该策略先计算数据集中图像的局部密度和距离,将数据集分为叁个聚合程度不同的子集,紧凑的、稀疏的、高度稀疏的。接着从紧凑的数据开始训练,逐步加入稀疏的数据,以一种从紧凑到稀疏(Compact-to-Sparse)的方式逐步训练。实验结果表明,这种学习方式不仅能够有效地提高模型的泛化性能,而且可以学习到数据集中样本的聚合程度。本文设计的算法是在深度卷积神经网络的基础上,结合人类视觉感知的知识,从网络结构、训练数据、训练策略叁方面对CNN进行改进。实验结果表明,在大规模美学数据集AVA上,我们的算法能达到较为领先的水平。(本文来源于《华南理工大学》期刊2019-06-05）
殷国君[8]（2019）在《基于深度学习的图像特征理解与语义表达》一文中研究指出图像的特征理解与语义表达是一门涉及了计算机视觉、自然语言处理、机器学习等多学科的交叉学科,是计算机视觉与图像处理等领域一直关注的重点以及难点,同时也是计算机视觉的智能化的重要组成部分,可以服务于生活与工业的各个领域,具有非常重要的研究意义。随着深度神经网络的发展,本文将进行基于深度学习的图像特征理解与语义表达的相关研究。图像的特征理解与语义表达以深度神经网络作为工具,构建从图像的基础视觉特征映射到高层次语义描述的网络模型,针对复杂的目标图像,得到一个基于图像语义内容的自然语言描述。这样就可以将图像中包含的语义信息翻译成自然语言文本。本文关注其中叁个关键问题:(1)如何学习图像中语义区域之间的视觉关系,理解图像中目标之间的关系,解决无法有效识别目标之间复杂的视觉关系问题;(2)如何学习目标区域的自然语言描述生成模型,解决单一模块生成的语言描述不准确、不丰富的问题;(3)如何融合自然语言文本的语义信息,生成相关视觉内容,解决语言文本与生成图像之间的语义信息不一致以及细节丢失问题。针对上述问题,本论文的主要研究工作和创新成果包括:1)提出了一种结合空间位置、上下文信息以及外观特征的视觉关系识别网络。本文所提出的网络结构中包含特有的“空间-上下文-外观”模块,该模块可以在主语、谓语、宾语的视觉特征学习阶段有效的利用相对空间位置关系进行上下文信息交互,进行更深入全面的特征学习。同时,类比卷积与反卷积操作,本文提出反感兴趣区域池化操作可以解决局部区域特征图映射到全局空间的问题。另外,针对大规模的有噪声、歧义的视觉关系标签数据,本文提出了一种全新的类内多层语义标签树。利用标注的类别标签之间存在的潜在关系,对已有标签进行语义聚类、词性分析等操作,在原始标签的基础上,获得更高层次的语义标签,再利用这些高层语义标签对目标分类进行修正与补充,增强模型训练效果,解决无法利用粗糙标签进行大规模视觉关系识别的问题。2)提出了一种基于上下文信息融合以及语言属性监督的密集型图像描述生成网络。本文所提出的密集型图像描述生成网络包括基于非局部个体信息融合模块以及基于语言属性损失函数的上下文信息融合模块,解决了目标区域的描述文本不够生动、丰富的问题。所提出的基于非局部均值算法的个体特征提取模块利用目标区域之间的相关性对目标区域进行建模,学习图像内区域之间的相似性图模型,利用多个目标之间的上下文信息,对目标描述语言生成模型进行增强。同时,针对目标的描述文本太过单一、不够丰富生动的问题,介绍了一种全新的多层级语言属性损失函数。这样,语言文本生成模型(LSTM网络)除了传统语句级(sentence-level)监督以外,还会受到额外的单词级(word-level)或者语言属性级(attribute-level)的监督,使原有的单一的语言生成模型,变成一个多层级从粗到细的语言生成网络。3)提出了一种基于自然语言文本进行高清图像合成的语义解析生成对抗网络。本文所提出的语义解析生成对抗网络利用Siamese结构,蒸馏学习表达形式各异的自然语言文本的共同语义信息,通过对比度损失函数保持语言文本与生成图像之间的语义一致性,解决了因语言文本表达形式不同,生成图像出现语义偏差的问题。而且为了解决Siamese结构可能会忽略语义多样性的问题,提出了一种全新的语义条件批量归一化算法。利用个体语言文本的语义特征,对图像生成器的视觉特征图的批量归一化参数进行修正,增强视觉语义嵌入,解决文本生成高清图像中的生成图像难以包含文本细节、保持图像语义多样性的问题。(本文来源于《中国科学技术大学》期刊2019-05-01）
庞树茂[9]（2019）在《基于局部线性表达和深度学习的医学图像分析》一文中研究指出医学图像分割和医学图像定量测量是医学图像分析领域的关键问题,在许多疾病的辅助诊断和评估中占有重要临床意义。深度学习是解决众多医学图像分析问题通用有效的方法,但是深度学习中往往没有用到己有的先验知识,模型通常比较复杂,而医学图像数据稀缺,深度学习在解决医学图像分析问题时容易出现过拟合现象。局部线性表达是指流形上的样本可以由其近邻样本的线性组合近似表示,基于流形假设和局部线性表达,可以利用一些已有的先验知识(如局部线性映射、样本在流形上的分布规律等)简化模型。结合局部线性表达和深度学习,可以简化模型,提高模型的泛化能力。基于局部线性表达和深度学习的模型,本文在磁共振(Magnetic Resonance,MR)图像海马体分割和MR图像脊柱自动定量测量方面做了以下两项工作:(1)基于迭代局部线性映射(Iterative Local Linear Mapping,ILLM)的MR图像海马体分割。我们把海马体分割问题分解为多输出回归问题和阈值分割问题,多输出回归问题中,我们用MR图像块的特征预测其所对应的距离场(Distance Field,DF)图像块。DF图像中体素的绝对值表示该点距离海马体边界的最近距离,其符号表示该点是否属于海马体。预测出测试图像的DF图像后,由阈值为零的阈值分割即可得到分割结果。我们把深度学习模型融入到局部线性表达中,提出半监督深度自编码器,利用局部结构保留的流形正则化(Local Structure-preserved Manifold Regularization,LSPMR)对MR图像块提取到有鉴别力的特征,利用解剖空间约束的字典更新去除字典中的奇异点,确保了特征流形的局部性、DF流形的局部性以及这两个流形局部结构的一致性,从而提高海马体分割精度。本实验数据包含68个1.5T的T1加权和67个3.0T的T1加权MR图像,结果表明ILLM在不需配准的情况下能实现精确的海马体分割,对1.5T和3.0T数据的海马体分割Dice系数分别为0.8852和0.8783。(2)基于级联放大器回归网络(Cascade Amplifier Regression Network,CARN)的MR图像脊柱自动定量测量。腰椎体的高度和腰椎间盘的高度的测量有助于腰椎间盘突出、腰椎间盘退行性变等疾病的辅助诊断。本文把局部线性表达融入到深度学习中,提出CARN对腰椎体高度的15个指标和腰椎间盘高度的15个指标实现了精确的自动测量。我们用级联放大器网络(Cascade Amplifier Network,CAN)提取到有表现力的特征,用LSPMR提取到有鉴别力的特征,把深度学习模型的输出限制在局部线性表达所表示的输出流形上,缓解过拟合。本实验数据包含215个病人的T1加权MR图像和20个病人的T2加权MR图像。实验结果表明,CARN能实现精确的MR图像脊柱自动定量测量,对脊柱30个指标测量的平均绝对误差为1.22mm。(本文来源于《南方医科大学》期刊2019-05-01）
李乃刚[10]（2019）在《中国古代诗歌的图像化表达》一文中研究指出中国传统文艺理论普遍认为,诗与画是相通的。两者相互借鉴,以达成各自的发展。从古代诗歌的角度来看,它从传统绘画中吸收了意象、布局、视点以及留白等表现技法,并将其完美地融入诗歌创作,实现了诗歌的图像化表达。(本文来源于《池州学院学报》期刊2019年02期）
图像表达论文开题报告
（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：
图像识读是基于当今图像传播方式变革的需要而提出的,也是人们在学习、生活、工作时一种必不可少的素养。在小学美术课堂中,教师需要解读"图像识读"的意义、价值,在教学中,创构立体物象,生成图像语言,关注教师素养,发展图像思维,建构审美意象,凸显图像表达。
（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。
图像表达论文参考文献
[1].王超群.情感激发与意象表达：新媒体事件图像传播的受众视觉框架研究[J].国际新闻界.2019
[2].严桃梨.图像识读:以美术审美定义儿童审美表达[J].江苏教育研究.2019
[3].陈武杰,高旭宁,许茂盛.基于CT图像及纹理分析技术预测胃癌患者HER2蛋白表达情况[C].中国中西医结合学会医学影像专业委员会第十七次全国学术大会暨甘肃省中西医结合学会医学影像专业委员会第六届学术年会资料汇编.2019
[4].董珊,杨占昕,龙腾,庄胤,陈禾.基于结构化稀疏表达的高分辨率光学遥感图像的船只检测[J].信号处理.2019
[5].王芳,高忠水.二次函数图像与表达中系数符号判断问题[J].中学生数学.2019
[6].周子渊.再现与象征:少儿绘本图像叙事的意义表达[J].编辑之友.2019
[7].邓芮.基于视觉感知和数据紧凑表达的图像美感质量评估方法[D].华南理工大学.2019
[8].殷国君.基于深度学习的图像特征理解与语义表达[D].中国科学技术大学.2019
[9].庞树茂.基于局部线性表达和深度学习的医学图像分析[D].南方医科大学.2019
[10].李乃刚.中国古代诗歌的图像化表达[J].池州学院学报.2019
论文知识图
