导读:本文包含了显着边缘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:边缘,淋巴瘤,淋巴结,图像,模糊,视觉,区域。
显着边缘论文文献综述
王长荣[1]（2019）在《淋巴结边缘区淋巴瘤伴显着滤泡植入1例临床病理分析》一文中研究指出目的探讨淋巴结边缘区淋巴瘤伴显着滤泡植入的临床病理学特征。方法对1例淋巴结边缘区淋巴瘤伴显着滤泡植入进行镜下观察、免疫组化及荧光原位杂交检测,并结合文献进行分析。结果光镜检查示淋巴结正常结构消失,呈结节状结构紧密排列,肿瘤细胞小到中等大小,胞质丰富透亮,细胞核不规则,免疫组化表达CD20、PAX5、BCL2、CD21、CD23示残存滤泡树突网完全破坏或虫噬样破坏。荧光原位杂交FISH检测提示BCL2基因无重排,IGH基因有重排。确诊并接受化疗后随访7个月好转。结论 "伴显着滤泡植入"是原发淋巴结边缘区淋巴瘤的少见生长方式,形态上易与其他呈结节状生长的淋巴瘤混淆,结合临床病史、免疫组化及FISH检测有助于诊断与鉴别诊断。(本文来源于《浙江实用医学》期刊2019年05期）
时斐斐,张松龙,彭力[2]（2019）在《基于深度残差网络与边缘监督学习的显着性检测》一文中研究指出针对复杂背景下,图像显着区域显着值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显着性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显着图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的叁分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显着目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显着目标与背景。(本文来源于《激光与光电子学进展》期刊2019年15期）
费奕繁[3]（2019）在《基于显着性检测和边缘决策的多尺度遥感图像融合算法》一文中研究指出遥感图像融合,是图像融合领域的一个重要分支。随着现代卫星技术的发展,搭载在卫星上的传感器越来越多,为了得到综合各种信息的图像,遥感图像融合技术被提出。遥感图像融合技术有很多方向,本文研究的是光-谱图像融合,具体来说,从卫星上获取的图像,有侧重于空间分辨率的全色图像,也有侧重于光谱信息的多光谱图像,为了得到既蕴含丰富空间信息又蕴含丰富光谱信息的图像,光-谱遥感图像融合技术被提出。融合得到的遥感图像被广泛应用于军事侦察、地理勘探、城市规划等诸多领域。本文首先对遥感图像融合算法的相关概念和研究现状进行了介绍和分析,并详细介绍和说明了多尺度分解工具-非下采样Contourlet变换(NSCT变换)的原理。之后,提出了一种基于NSCT变换的多尺度遥感图像融合算法(SR-GUIDE)。针对NSCT变换分解后的低频子带信息,本文采用了一种基于稀疏表示的低频子带信息融合规则。关于稀疏表示过程中需要使用的超完备字典,首先通过离散余弦变换(DCT变换)构建初始化字典,之后对输入的源图像进行分块并转换为向量,再对初始化DCT字典进行训练,最后得到理想化的超完备字典。这样可以有效地提升超完备字典的自适应性,减少光谱信息的缺失。针对NSCT变换分解后的高频子带信息,本文提出了一种基于引导滤波的高频子带融合规则,首先使用引导滤波对高频子带信息进行过滤,提取出空间细节信息,然后利用注入法对高频子带进行融合。这种方法可以有效地保留高频子带中的空间细节信息。之后进行了相关实验,采用控制变量法对融合算法中的可变参数进行了参数控制实验,并选取了最优的参数,然后将新的融合算法从主客观两方面与对比算法进行比较,说明本算法在主客观两方面都优于对比算法。最后,本文对之前算法进行了优化。在低频部分,提出了一种基于显着性检测的低频子带融合规则,首先基于图像的颜色和空间对比度得出显着性矩阵,根据显着性矩阵确定图像哪些区域蕴含丰富的光谱信息,然后以显着性矩阵为指导,在特定区域以加权的方式进行融合,这样既优化了原来算法在低频融合时运行效率过低的问题,又保证了低频子带信息的完整性。在高频部分,提出了一种基于边缘决策的高频子带融合规则。首先利用高频子带进行分析决策,分别得到边缘区域和非边缘区域,然后针对不同的区域采取不同的方式进行融合,在边缘区域采用替换的方式进行融合,在非边缘区域,提出了基于相关区域综合梯度为阈值判断的融合方法。改进后的高频融合规则将高频子带信息细化分解,有效地改善了之前算法在高频子带融合过程中容易出现的信息丢失的情况。然后,将改进后的算法与之前的算法进行了主客观两个方面的比较。由多组实验结果可知,优化后的算法(EDGE-SL)在各项指标和主观表现力方面均优于第3章实验(SR-GUIDE)和对比算法,在运行效率上,平均将算法时间加快了9s左右。(本文来源于《吉林大学》期刊2019-04-01）
郭迎春,李卓[4]（2019）在《基于边缘特征和自适应融合的视频显着性检测》一文中研究指出针对目前大多数视频显着性检测中背景复杂以及显着目标边缘模糊、显着目标内部存在空洞不能一致高亮的问题,提出了一种基于动静态边缘和自适应融合的视频显着性检测算法。该算法利用静态边缘和运动边缘信息融合后初步定位显着目标,并对其进行一系列平滑操作获得目标的精确边缘然后计算梯度获得初始显着图。然后,考虑前一帧对当前帧的有效性约束,计算相邻两帧的颜色直方图进而得到两帧的相似度,由相似度决定两帧在自适应融合时各自的比重,得到当前帧的最终显着图。在公开视频显着性数据集ViSal上算法F值接近0.8,MAE接近0.06,表明该方法性能优于目前主流算法,对复杂背景有较强鲁棒性,同时能够快速、清晰而准确地提取出视频序列中的显着性目标。(本文来源于《河北工业大学学报》期刊2019年01期）
谢更新,张恒,罗正平[5]（2018）在《EAST上基于图像显着性的快速边缘提取算法》一文中研究指出为了满足东方超环(EAST)在等离子体位形实时控制中对系统延迟的要求,对EAST等离子体的边界特点进行分析后,提出一种基于图像显着性的快速边缘提取算法。该方法通过对显着性算法进行改进,计算图像数据的显着性值,可以获取等离子体图像显着性区域并寻找显着值的极值位置,从而得到等离子体的边界信息。为验证算法的有效性,对EAST等离子体放电的不同阶段分别进行了测试。实验结果表明,该方法可以有效、快速地获取等离子体的图像边缘并满足系统的实时性要求,在数据诊断方面为实现基于可见光的EAST等离子体位形实时控制提供了有效的支持。(本文来源于《计算机应用与软件》期刊2018年10期）
王豪聪[6]（2018）在《基于边缘信息的显着性区域检测算法的研究》一文中研究指出人类视觉系统可以将远超人类大脑处理能力的视觉信息在短时间内高效、准确地处理好,这得益于人类视觉注意机制可以利用场景中事物的独特性(即图像的显着性)优先处理视觉场景。显着性区域检测算法即是利用图像本身的特征,提取图像中信息最丰富的区域。本文针对目前显着性区域检测算法存在的问题,将研究重点放在充分利用边缘信息来提高算法检测效果上,主要研究以下几个方面:(1)针对传统算法中单一特征对比度决定显着值容易发生误检和漏检的问题,提出一种融合边界信息和颜色特征的显着性区域检测算法。本算法首先对图像进行加权中值滤波处理以提取更好地边界信息并进行超像素分割。然后,以边界信息和颜色特征融合作为先验概率,以Graph-based分割得到初步显着图代替凸包,优化了条件概率,利用贝叶斯法则得到最终的显着图。(2)针对复杂背景图的显着性检测,提出一种基于前景增强与背景抑制的显着性区域检测算法。首先,利用边界信息精确选取背景种子,并分别构建基于区域对比和基于背景先验的显着图,在两幅显着图中运用能量函数更准确地区分显着区域和非显着区域,通过对Seam Carving方法发散思考,利用显着图能量边界生成前景增强且背景抑制的模板图。最后,叁图融合形成最终的显着图。(3)针对传统的利用神经网络进行显着性检测的模型中二分类学习的不足以及池化层丢失信息的问题,提出一种基于多尺度空洞卷积和轮廓学习的显着性区域检测算法。本算法通过前景、背景和轮廓叁分类来训练神经网络,有效降低了背景中类前景区域误检的发生。在VGG16网络架构基础上应用多尺度空洞卷积层,以空洞卷积为卷积核,使算法可以精确获取前景信息,得到更加准确和高显着值的前景区域。(本文来源于《江南大学》期刊2018-06-01）
唐红梅,裴亚男,周亚同,吴士婧[7]（2018）在《多标签传播和边缘局部分析的显着性检测》一文中研究指出针对显着性检测中显着目标周围模糊的现象,提出了一种基于多标签传播和边缘局部分析的图像显着性检测算法。首先提取最信赖的目标和背景标签,通过基于元胞更新策略的多标签传播算法,准确定位显着目标;然后提出了一种新颖的分析边缘局部线索并完成分类标记的策略,以消除目标边缘的模糊现象。公开数据集上的实验结果显示,检测结果有效地抑制了目标周围的背景,解决了目标周围的模糊问题,清晰均匀地突出了显着目标。(本文来源于《计算机工程与应用》期刊2018年24期）
岳朋飞,王化雨,郑元杰,赵彦会,崔嘉[8]（2018）在《结合边缘模糊的景深显着性在图像缩放中的研究》一文中研究指出针对内容敏感图像缩放技术调整图像尺寸时会出现重要信息丢失、物体边缘扭曲、非显着区域结构信息不完整等问题,提出基于边缘模糊的景深显着性算法.根据心理学原理,引入非显着区域结构信息保持的概念.采用边缘模糊特性进行景深估算,通过学习得到模糊字典提出模糊景深描述子,并以模糊景深描述子辅助进行显着性计算;为了达到在图像缩放时保持结构均衡,通过改进传统的区域型显着计算,提出显着性边缘分布特征,能够在保持显着信息、边缘完整的同时,有效减少结构信息的丢失或损坏,使缩放后的图像更符合人们的视觉体验.通过与经典算法和最新算法的对比实验,验证了文中算法的有效性.(本文来源于《计算机辅助设计与图形学学报》期刊2018年03期）
王耀辉,李惠,申龙树,刘春样,章宜芬[9]（2018）在《颈部淋巴结边缘区淋巴瘤累及脾脏并伴显着肉芽肿反应病理分析》一文中研究指出目的探讨颈部淋巴结边缘区淋巴瘤(nodal marginal zone lymphoma,NMZL)累及脾脏并伴显着肉芽肿反应的临床病理学特征和鉴别诊断要点。方法回顾性分析1例颈部NMZL累及脾脏并伴显着肉芽肿反应临床资料,分析其病理组织学和免疫表型、基因检测特征。结果男,34岁,因低热、消瘦、盗汗16个月,全身淋巴结及脾脏增大14个月就诊,初步诊断为脾功能亢进行脾脏切除术。脾脏活检及免疫组织化学染色(免疫组化)示:脾脏组织内多个结节样结构,周边见较多小中淋巴样细胞与组织细胞混合存在,部分结节间见较多淋巴样细胞,小中淋巴样细胞浸润红髓。脾脏内结节区CD68和CD163阳性表达,结节周围有较多CD20阳性的小中淋巴样细胞,部分结节间区淋巴样细胞聚集融合,Ki-67阳性率30%。倾向低级别B细胞淋巴瘤。右颈部淋巴结活检示:淋巴结仅见少量残存淋巴滤泡,小中淋巴细胞弥散分布。免疫组化示:淋巴结内小中淋巴样细胞CD20、CD43阳性,Bcl-2(部分阳性),Ki-67阳性率约40%。淋巴结基因检测发现克隆性基因重排。最终诊断:右颈部NMZL累及脾脏并伴显着肉芽肿反应。结论肉芽肿病变可能掩盖淋巴瘤的形态学改变,临床病理诊断时除需注重特殊染色排除特殊感染或其他病因,还需仔细分析肉芽肿之间的淋巴细胞,综合临床、形态学、免疫组化及分子遗传学检查结果以排除淋巴瘤的可能。(本文来源于《临床误诊误治》期刊2018年01期）
申瑞杰,张军朝,郝敬滨[10]（2017）在《基于边缘盒与低秩背景的图像显着区域检测算法》一文中研究指出针对现有显着性区域边界不明确和检测效果鲁棒性较差等问题,提出了一种新颖的图像显着区域检测方法,该方法结合了边缘盒粗定位和低秩背景模型细筛选来提高显着区域的检测性能。首先,对基于边缘盒的图像显着区域检测方法进行改进,采用OTSU方法自适应计算边缘模值的最佳分割阈值,以替代固定分割阈值,降低边界点检测误差;其次,在基于边缘盒检测到的可疑显着区域上,采用鲁棒主成分分析方法获取图像的低秩分量,构建背景模型,并基于背景差分方法剔除背景区域,减少显着区域的虚检现象。在PASCAL VOC 2007数据集上的实验结果表明,提出的方法明显提高了显着区域检测的精确度和召回率,同时具有较高的检测效率。(本文来源于《计算机科学》期刊2017年12期）
显着边缘论文开题报告
（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：
针对复杂背景下,图像显着区域显着值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显着性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显着图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的叁分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显着目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显着目标与背景。
（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。
显着边缘论文参考文献
[1].王长荣.淋巴结边缘区淋巴瘤伴显着滤泡植入1例临床病理分析[J].浙江实用医学.2019
[2].时斐斐,张松龙,彭力.基于深度残差网络与边缘监督学习的显着性检测[J].激光与光电子学进展.2019
[3].费奕繁.基于显着性检测和边缘决策的多尺度遥感图像融合算法[D].吉林大学.2019
[4].郭迎春,李卓.基于边缘特征和自适应融合的视频显着性检测[J].河北工业大学学报.2019
[5].谢更新,张恒,罗正平.EAST上基于图像显着性的快速边缘提取算法[J].计算机应用与软件.2018
[6].王豪聪.基于边缘信息的显着性区域检测算法的研究[D].江南大学.2018
[7].唐红梅,裴亚男,周亚同,吴士婧.多标签传播和边缘局部分析的显着性检测[J].计算机工程与应用.2018
[8].岳朋飞,王化雨,郑元杰,赵彦会,崔嘉.结合边缘模糊的景深显着性在图像缩放中的研究[J].计算机辅助设计与图形学学报.2018
[9].王耀辉,李惠,申龙树,刘春样,章宜芬.颈部淋巴结边缘区淋巴瘤累及脾脏并伴显着肉芽肿反应病理分析[J].临床误诊误治.2018
[10].申瑞杰,张军朝,郝敬滨.基于边缘盒与低秩背景的图像显着区域检测算法[J].计算机科学.2017
论文知识图
