导读:本文包含了感兴趣区域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:感兴趣,区域,卷积,神经网络,视觉,小波,深度。
感兴趣区域论文文献综述
朱威,王东洋,欧全林,郑雅羽[1]（2019）在《基于智能目标检测的HEVC感兴趣区域编码方法》一文中研究指出现有的感兴趣区域编码方法主要是利用运动信息等低级视觉特征检测感兴趣区域(ROI),易受图像噪声干扰、复杂场景下的检测效果不佳并且没有检测具体内容的能力.为了能够利用高级视觉特征指导视频编码,本文提出了一种基于智能目标检测的HEVC感兴趣区域编码方法.首先利用深度卷积神经网络检测用户感兴趣的目标对象,然后根据检测结果确定以编码树单元(CTU)为基本单位的ROI区域和非ROI区域,再通过分析视频图像中每个像素的方向属性,进而判别CTU是否为平坦纹理、结构化纹理和随机纹理,并生成纹理感知图,最后对非ROI区域的CTU按纹理感知权重值进行DCT频率系数分级压制,以减少非ROI区域的码率消耗,对ROI区域的CTU按纹理感知权重下调编码量化参数(QP),以保证ROI区域的图像质量,从而实现智能视频编码.实验结果表明,与HEVC参考方法相比,本文方法在定QP条件下平均降低5. 67%左右的码率;在定码率条件下,ROI区域的PSNR平均提高0. 61dB,并且主观图像质量明显提升.(本文来源于《小型微型计算机系统》期刊2019年12期）
张烨,王树奇,武风波[2]（2019）在《基于圆形感兴趣区域的图像检索算法》一文中研究指出传统的基于内容的图像检索系统在检索时往往通过获取整幅图像的全局特征进行计算,必然含有一些冗余信息,从而给检索带来过多的计算量和不准确性。因此将检索的区域范围从全局缩小到局部,提出一种改进的图像感兴趣区域提取算法。首先使用Harris算法提取出图像的显着点,通过对显着点进行条件筛选截取出一个圆形感兴趣区域,然后对该区域提取多种特征并进行归一化处理,最后用距离函数实现图像间的相似度比较。实验结果表明,所提算法能够对图像的感兴趣区域进行有效提取,提高了运行效率,同时获得了较好的检索效果。(本文来源于《现代电子技术》期刊2019年20期）
杨延竹,路敉,韩阜益[3]（2019）在《基于机器视觉的冲压件感兴趣区域尺寸测量》一文中研究指出针对生产线上对冲压件尺寸的高精度测量要求,利用机器视觉技术,设计了对冲压件中感兴趣区域(ROI)尺寸的在线测量系统,实现了自动化在线尺寸测量。设计ROI提取算法,主要提取两条直线分别与半圆弧相切的特殊几何特征。通过最小二乘法和最小平方中值法,对提取的几何特征进行精确拟合。利用量块对系统进行标定,通过标定测量出工件实际尺寸。实验结果表明,这里算法能精确地测量出冲压件的ROI尺寸,达到精度要求,能够满足实际生产的需要。(本文来源于《机械设计与制造》期刊2019年10期）
杨金锋,石滨萌[4]（2019）在《手指双模态特征图像感兴趣区域稳定定位方法研究》一文中研究指出为了改善指静脉成像质量和稳定获取指静脉、指节纹的感兴趣区域(ROI),本文提出了一种新的手指双模态成像系统及指静脉、指节纹ROI定位方法。首先,设计了一种含有多光谱、多亮度等级光源的手指拱起成像模型,该模型可较好改善指静脉的成像质量。然后,利用手指拱起产生的拐点实现对指节纹感兴趣区域的稳定定位,并利用双目摄像头下指静脉和指节纹成像区域之间的位置关系确定指静脉特征的感兴趣区域。实验结果表明本文所提出的方法能够较好提高指静脉血管的成像质量和指静脉、指节纹感兴趣区域的定位精度。(本文来源于《信号处理》期刊2019年07期）
颜煜,侯小毛,肖鹰,延晓雪[5]（2019）在《基于感兴趣区域和小波变换的图像融合算法（英文）》一文中研究指出为了提高图像融合效率,保持良好的边缘支持度,以便更好完成图像重构,提出了基于小波变换的图像融合算法。利用小波变换对信号多方向特征提取的优势,将多维图像信号分析化繁为简,在融合规则制定中,权衡图像融合的清晰度和融合算法复杂度,对图像信号低频信号和高频信号分开处理,低频进行加权平均,而高频进行局部方差处理,最后进行小波逆变换得到重构图像。实验证明,该方法重构图像效果清晰,且信噪比高。(本文来源于《机床与液压》期刊2019年12期）
张秀玲,张逞逞,周凯旋[6]（2019）在《基于感兴趣区域的CNN-Squeeze交通标志图像识别》一文中研究指出在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用K-means对交通标志图像进行叁角形、圆形图像二聚类,并利用制作的切割模板切割ROI并提取HOG特征;然后,利用卷积神经网络(Convolutional Neural Network, CNN)对HOG特征进行过滤、降维,并通过Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与BP网络、SVM及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.(本文来源于《交通运输系统工程与信息》期刊2019年03期）
穆中凯[7]（2019）在《基于感兴趣区域的视频目标检索方法及应用研究》一文中研究指出视频目标检索技术是一种利用计算机视觉算法判断视频中是否存在特定目标的技术,该技术具有十分广泛的应用前景,如智能安防、无人超市和人机交互等场景的特定目标检索和追踪。近年来,受益于深度学习算法的进步,目标检索方法发展迅猛,然而,大多数的相关工作以图像为单位展开研究,很少有人以视频为出发点解决目标检索任务·,除此之外,目前的端到端目标检索算法中一直存在由于检测损失和重识别损失相互干扰而导致的损失函数难以收敛的问题,该问题也限制了目前算法的发展。本文围绕实际应用场景,针对性的提出了一套关键帧的多级提取方法,应对视频数据存储空间要求高、信噪比低的问题。同时,设计了一种基于感兴趣区域的视频目标检索算法,解决相关研究中损失函数难以收敛的问题。具体的研究成果如下:(1)提出一种针对视频目标检索任务的级联式关键帧提取方法。本文调研了现有的关键帧提取技术,并针对检索视频应用场景设计了基于边缘轮廓变化率的镜头分割和基于层次聚类的级联式关键帧提取算法,实验证明,本文设计的关键帧提取算法可以去除大部分冗余信息,将视频内容的存储成本压缩至之前的23%。(2)提出基于感兴趣区域的目标检索算法来解决检索损失难以收敛的问题。本文设计的算法借鉴了RPN网络的候选框提取思想,在其基础上引入全新的感兴趣区域特征加权机制进行验证式模型训练。实验证明,该设计与目前最先进的检索算法相比,F1值从53.24提升到了79.35。有效的解决了检索损失难以收敛的问题,实现目标定位精度和检索准确率的提升。(3)本文针对自然保护区跨摄像头行人检索的实际应用场景,构建了相关数据集,并将本文提出的模型框架应用其中,成功在算法上实现了基于视频的行人检索。可以预见,该技术的应用能有效提高工作人员对自然保护区的监控管理能力。(本文来源于《北京邮电大学》期刊2019-05-27）
张哲为[8]（2019）在《基于感兴趣区域率失真优化的视频压缩编码通信系统设计》一文中研究指出基于感兴趣区域模式的视频压缩编码近年来成为视频压缩、计算机视觉领域研究的热点课题。从广义上来讲,视频中的感兴趣区域指视频帧中引起人们注意的像素部分区域。它通常包括视频中运动的目标、色彩变化的区域。感兴趣区域视频编码的关键思想在于,对这部分区域以较小的量化步长进行压缩编码,以获得较高的编码精度。而对于非感兴趣区域部分,则采用较大的量化步长进行粗糙编码,以降低整体编码输出的比特。依据人体视觉系统的要求,感兴趣区域视频编码的目的是将特定的感兴趣区域在解码端得以清晰的呈现,而对于非感兴趣区域,人们的关注点并不在这部分,因此并没有必要完全保证这部分的编码质量。换句话说,在某种特定应用场景下,为尽可能减小编码速率,仅保留感兴趣区域部分的编码精度以达到不影响人们对视频内容理解的目的。本文设计了一套基于感兴趣区域率失真优化的视频编码通信系统,该系统包括感兴趣区域提取模块、感兴趣区域视频编码率失真模块与感兴趣区域视频流传输模块。设计这套系统的目的在于实现低比特视频流通信同时不影响对视频内容的理解。围绕这一系统展开,本文主要研究这叁大模块中的叁个核心技术:感兴趣区域提取技术、感兴趣区域视频编码的率失真优化技术、感兴趣区域视频流在无线网络环境下的传输技术。其中,感兴趣区域提取技术主要研究如何从视频帧数据中提取感兴趣区域,它主要指运动的区域以及一些特定的目标物体。这一部分区域作为视频帧的前景部分,而其它区域则作为背景部分。感兴趣区域视频编码的率失真优化技术主要解决视频编码中的速率和失真权衡的问题。即给定一组视频序列,使得速率受限制的约束条件下,该组序列的失真达到最小。在解决这一优化问题时,如何建立恰当准确的速率失真模型是其中的关键部分。速率失真模型可对感兴趣区域编码模式下的速率、失真进行数学描述。通过速率失真模型列出率失真优化问题的目标函数以及约束条件,并对其进行求解,得到视频组序列每帧的比特分配方案,进而设计速率控制策略。感兴趣区域视频流传输技术主要以异构无线网络为背景,通过对视频帧中编码单元的编码信息进行封装,组成网络层的传输单元并将这些传输单元分配到不同属性的无线信道进行传输。异构无线网络的传输的模式仍基于端到端的传输模式,然而终端具有多家乡接入属性。通常上讲,终端具有多元化网络接入单元接口,可同时接入不同属性的无线网络。感兴趣区域编码模式下的视频流传输力图保证包含感兴趣区域信息的传输单元能够具有较少的传输失真与解码失真。同时,视频流的传输需满足实时性要求。对于超过时延截止部分的视频流分组则会被丢弃以节约网络资源。此外,传输过程中引入信道差错控制编码技术,通过引入额外监督位降低误码率,并尽可能满足感兴趣区域部分信息得以完整的解码与重建。本文针对上述内容,对感兴趣区域视频编码的关键技术进行了深入详细的研究,主要内容包括:(1)研究了感兴趣区域提取技术。结合传统的数字图像处理理论以及当前流行的深度学习理论。本文分别提出了两种新的感兴趣区域提取检测方法:级联模型算法与基于文本主题模型的边界框修正算法。其中,级联检测算法四个级联步骤:全局运动补偿,运动块提取,多层像素分割和模型更新。前面两个步骤提取前景运动块并形成运动遮罩,后面两个步骤移除属于运动遮罩内背景的像素,并更新背景模型的颜色分布。另外,提出了基于块到像素的检测思路以实现检测灵活性。所提出的方法的另一个好处是它可以嵌入视频编解码器中以进行实时ROI检测和编码。实验结果表明,该方法在检测精度和时间消耗方面都实现了改进的性能。文本主题模型的边界框修正算法属于机器学习算法。它包含两个阶段:模型训练与验证。在训练阶段,它将检测目标图像的特征点信息转换成文本信息。在文档主题生成模型(Latent Dirichlet Allocation,LDA)的基础上,本文提出了一个具有单词共现先验的主题模型,其中图像特征之间的共现信息被充分利用。在验证阶段,本文提出了一种基于边界框(Anchor-box)的修正算法,该算法可以从一些传统算法中快速检测与预训练主题模型相对应的检测结果,并具有快速检测时间。对各种数据集的实验表明,所提出的方法可以在效率和计算成本方面提高检测性能。它对于颜色,光照,尺度等不同的物体也具有鲁棒性。有趣的是,所提出的方法可以与许多快速但有失准确性的感兴趣区域提取算法相结合,并增强了系统模型的灵活性。(2)研究了感兴趣区域视频压缩的率失真优化与速率控制技术。本文提出了一种基于DCT残差系数的混合分布与径向基函数神经网络的适合感兴趣区域编码模式下的速率失真模型。通过将编码单元分类为不同的深度、纹理特征来对其速率失真进行建模。在此之后,利用所提出的速率失真模型,列出率失真优化问题的目标函数以及约束条件,并根据凸优化理论对其进行求解。同时,设计针对感兴趣区域编码模式下的速率控制策略。通过实验验证,所提出的方法在解码重构的视觉质量,速率失真性能和比特率精度等方面取得了相应的改进。它针对感兴趣区域部分取得了较高的编码精度,同时保持编码缓冲器稳定输出,失真满足在可控范围内。(3)研究了感兴趣区域编码模式下视频流在无线异构网络环境下的传输技术。本文提出了一种基于感兴趣编码模式视频传输框架,该框架基于多家乡接入终端的异构无线网络环境。它包含感兴趣区域提取模块和帧分离器的模块,其中编码单元被分类封装到网络传输单元中。该框架还包括监视每个通信路径状态的信道监视器,并将反馈信号发送至视频流控制器来进行分组调度控制。本文提出了用于信道状态预测的深度学习方法。为了解决视频流分组传输问题,本文设计了适用于感兴趣区域编码模式下的视频流传输的速率失真模型,并制定传输调度策略。该策略传输延迟和失真之间寻求平衡点。它还保证具有ROI内容的数据包在具有足够带宽和低损耗的路径上进行传输。通过与其他传输方法的比较的模拟实验,验证了所提出的方案在视频传输质量,端到端延迟以及播放流畅度方面均取得了良好的效果。(本文来源于《北京交通大学》期刊2019-05-01）
潘锡英,何元烈,孙盛,陈佳腾[9]（2019）在《基于图像感兴趣区域的机器人闭环检测算法》一文中研究指出基于深度学习的机器人闭环检测算法在复杂光照条件下具有一定的鲁棒性,但在视角变化明显的场景下检测效果不佳,为此本文提出一种利用图像感兴趣区域的闭环检测新方法.首先,通过多尺度感兴趣区域网络(MSRPN)获得图像中的感兴趣区域,用改进的PlaceCNN(基于Place数据集的卷积神经网络)提取感兴趣区域的特征.然后,采用先粗匹配后细匹配原则,提出一种基于RPOI PlaceCNN(基于图像感兴趣区域的PlaceCNN)的闭环检测算法,并利用双向匹配对之间的空间约束,去除不正确的匹配对,以提高闭环检测的整体准确性.在GardensPoint、Mapillary、Norland叁种公开数据集上对方法的有效性进行了实验验证.实验结果表明,本文提出的闭环检测算法在光照、视角和不同变化组合引起的显着变化场景下依然能表现出较强的鲁棒性.(本文来源于《机器人》期刊2019年05期）
陈青,李伟,卜莹[10]（2019）在《基于整数小波变换与矩阵分解的感兴趣区域可逆水印算法研究》一文中研究指出目的针对传统感兴趣区域水印算法抵抗几何攻击能力较弱的缺陷,提出一种基于IWT-Schur的感兴趣区域可逆水印算法。方法首先对载体图像做小波变换,筛选出各子带ROI系数,接着采用Arnold变换加密水印图像,加密水印图像做整数小波变换得到一系列分量。最后结合Schur分解,将水印各分量对应加至载体各子带的ROI。结果采用整数小波变换IWT与矩阵Schur分解的嵌入方式,使得含水印图像的视觉质量良好,算法实现容易。含水印图像没有受到干扰时检测到的水印与原水印一致,含水印图像受到攻击时,也表现出良好的性能,检测到的水印品质较好。结论实验证明,此方案水印提取正确,且感兴趣区域无损恢复。(本文来源于《包装工程》期刊2019年05期）
感兴趣区域论文开题报告
（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：
传统的基于内容的图像检索系统在检索时往往通过获取整幅图像的全局特征进行计算,必然含有一些冗余信息,从而给检索带来过多的计算量和不准确性。因此将检索的区域范围从全局缩小到局部,提出一种改进的图像感兴趣区域提取算法。首先使用Harris算法提取出图像的显着点,通过对显着点进行条件筛选截取出一个圆形感兴趣区域,然后对该区域提取多种特征并进行归一化处理,最后用距离函数实现图像间的相似度比较。实验结果表明,所提算法能够对图像的感兴趣区域进行有效提取,提高了运行效率,同时获得了较好的检索效果。
（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。
感兴趣区域论文参考文献
[1].朱威,王东洋,欧全林,郑雅羽.基于智能目标检测的HEVC感兴趣区域编码方法[J].小型微型计算机系统.2019
[2].张烨,王树奇,武风波.基于圆形感兴趣区域的图像检索算法[J].现代电子技术.2019
[3].杨延竹,路敉,韩阜益.基于机器视觉的冲压件感兴趣区域尺寸测量[J].机械设计与制造.2019
[4].杨金锋,石滨萌.手指双模态特征图像感兴趣区域稳定定位方法研究[J].信号处理.2019
[5].颜煜,侯小毛,肖鹰,延晓雪.基于感兴趣区域和小波变换的图像融合算法（英文）[J].机床与液压.2019
[6].张秀玲,张逞逞,周凯旋.基于感兴趣区域的CNN-Squeeze交通标志图像识别[J].交通运输系统工程与信息.2019
[7].穆中凯.基于感兴趣区域的视频目标检索方法及应用研究[D].北京邮电大学.2019
[8].张哲为.基于感兴趣区域率失真优化的视频压缩编码通信系统设计[D].北京交通大学.2019
[9].潘锡英,何元烈,孙盛,陈佳腾.基于图像感兴趣区域的机器人闭环检测算法[J].机器人.2019
[10].陈青,李伟,卜莹.基于整数小波变换与矩阵分解的感兴趣区域可逆水印算法研究[J].包装工程.2019
论文知识图
