导读:本文包含了边缘细化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,算子,图像,模型,皮层,斜坡,直线。
边缘细化论文文献综述
李浩谊,马春庭[1]（2019）在《基于递归细化和局部方差的目标靶边缘检测》一文中研究指出为了快速精确地提取目标靶的边缘信息,提出了基于递归细化和局部方差的目标靶边缘检测方法。首先采用基于积分图像和Otsu方法的局部方差的边缘快速检测算法对原始图像进行边缘检测,然后建立强边缘宽度-频数图并获取直线宽度,设定直线最小宽度作为递归终止条件,若不满足条件,对原始图像进行遍历八方向法的直线细化处理,然后再重复上述步骤直至满足递归终止条件,得到边缘检测结果。实验结果表明:相比其他常用边缘检测算法,该算法边缘检测准确性和实时性较好,具有较好的抑制噪声能力。(本文来源于《舰船电子工程》期刊2019年04期）
冯辉,王露露,周晓晓[2]（2017）在《基于暗通道边缘细化的图像快速去雾算法研究》一文中研究指出指出了在雾霾天气下,镜头获得的户外图像必然会出现降质和退化等问题,暗通道先验算法能够很好地解决有雾图像复原的问题,但是其时效性较低.针对这些问题,提出了一种对暗通道图进行边缘细化修正的改进图像快速去雾算法.该算法对暗通道边缘进行细化,并对透射率进行适度修正,以加快透射率的细化过程并提高图像复原的性能.实验结果表明:所提算法在图像复原质量和速度上都有了较大的提升,具有一定的实用价值.(本文来源于《中南民族大学学报(自然科学版)》期刊2017年03期）
孙林,程锐涵,王莎莎[3]（2017）在《混合像元分解下二维激光图像亚像素边缘细化研究》一文中研究指出针对传统方法边缘细化不准确、效率低的问题,提出混合像元分解下的二维激光图像亚像素边缘细化方法。首先通过非局部均值算法对二维激光图像进行去噪,提取二维激光图像亚像素边缘特征,然后对二维激光图像非极大值进行抑制,引入自适应加权平均融合法,最后结合反扩散思想法,实现对二维激光图像亚像素边缘的细化。结果表明,本文方法的细化结果相比传统细化方法在细化误差、信噪比方面均有一定的提高。(本文来源于《激光杂志》期刊2017年08期）
江宇博,刘波[4]（2017）在《小波模极大值法与数学形态学边缘检测细化结果》一文中研究指出图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。(本文来源于《计算机测量与控制》期刊2017年03期）
张健,孔勇奇[5]（2014）在《边缘宽度细化与交叉皮层模型结合的图像分割算法》一文中研究指出针对弱边缘图像分割中交叉皮层模型产生目标几何尺寸失真等问题,提出了一种基于边缘宽度细化与交叉皮层模型结合的图像分割算法。该算法借助prewitt边缘算子和边缘斜坡模型,细化图像边缘宽度。在此基础上,利用二维直方图将交叉熵扩展至二维空间,以获得交叉皮层模型的最优分割阈值。实验结果表明,该算法不仅能克服边缘模糊的影响,对弱边缘图像进行精确分割,而且处理速度也大幅提升了。(本文来源于《激光杂志》期刊2014年12期）
郭猛,邵国金[6]（2014）在《边缘宽度细化与交叉皮层模型结合的图像分割算法》一文中研究指出针对弱边缘图像分割中交叉皮层模型产生目标几何尺寸失真等问题,提出了一种基于边缘宽度细化与交叉皮层模型结合的图像分割算法。该算法借助prewitt边缘算子和边缘斜坡模型,细化图像边缘宽度。在此基础上,利用二维直方图将交叉熵扩展至二维空间,以获得交叉皮层模型的最优分割阈值。实验结果表明,该算法不仅能克服边缘模糊的影响,对弱边缘图像进行精确分割;而且处理速度也大幅提升了。(本文来源于《科学技术与工程》期刊2014年30期）
沈德海,鄂旭,侯建[7]（2014）在《一种改进的Sobel算子边缘检测及细化算法》一文中研究指出针对经典的Sobel算子存在的边缘定位精度不高和边缘提取较粗等缺点,对经典Sobel算法进行了改进:在原有的两个方向模板基础上增加了135°和45°2个方向模板,并通过非极小值抑制和邻域标准差迭加获取梯度图像,提高了边缘定位精度和增强边缘强度;对梯度图像在3×3邻域内采用梯度阈值结合边缘方向进行了边缘细化处理;实验证明,该算法不仅有效地解决了Sobel算法提取边缘过粗及定位不精确的问题,而且使图像边缘更连续、清晰.(本文来源于《渤海大学学报(自然科学版)》期刊2014年03期）
刘继承,张琳,董青松,石祥华[8]（2014）在《基于二进小波变换的多尺度边缘细化检测》一文中研究指出对采用小波变换多尺度边缘检测得到的图像进行细化,并与传统的5种边缘检测算法的检测结果进行比较。选取不同小波变换的尺度,将图像信噪比作为评价指标对边缘检测算法进行度量。实验结果表明:基于二进小波变换的多尺度边缘细化检测算法在存在噪声干扰时可取得满意的边缘提取效果,在边缘信噪比方面优于传统边缘检测算法。(本文来源于《化工自动化及仪表》期刊2014年06期）
秦严严,郭建兴,许宏科[9]（2014）在《基于Sobel和LoG相结合的边缘检测与细化方法》一文中研究指出鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。(本文来源于《微型机与应用》期刊2014年07期）
许宏科,秦严严,潘勇[10]（2014）在《一种改进的边缘细化方法》一文中研究指出针对Sobel算子检测出的图像边缘较粗且检测效果受噪声影响大的问题,提出了一种结合自适应平滑滤波并改进原细化算法的方法来抑制噪声并细化边缘。使用新的自适应平滑滤波梯度模板对原始图像滤波,在平滑噪声的过程中锐化图像边缘;在Sobel算子检测出边缘后使用改进的细化算法剔除伪边缘点。试验比较表明:在迭代次数相同的情况下,新的自适应平滑滤波模板比原梯度模板总体效果更好;改进的边缘细化算法在保证与原算法运算时间相当的条件下,保留了更多的边缘细节信息,细化结果更加准确。(本文来源于《激光与红外》期刊2014年03期）
边缘细化论文开题报告
（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：
指出了在雾霾天气下,镜头获得的户外图像必然会出现降质和退化等问题,暗通道先验算法能够很好地解决有雾图像复原的问题,但是其时效性较低.针对这些问题,提出了一种对暗通道图进行边缘细化修正的改进图像快速去雾算法.该算法对暗通道边缘进行细化,并对透射率进行适度修正,以加快透射率的细化过程并提高图像复原的性能.实验结果表明:所提算法在图像复原质量和速度上都有了较大的提升,具有一定的实用价值.
（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。
边缘细化论文参考文献
[1].李浩谊,马春庭.基于递归细化和局部方差的目标靶边缘检测[J].舰船电子工程.2019
[2].冯辉,王露露,周晓晓.基于暗通道边缘细化的图像快速去雾算法研究[J].中南民族大学学报(自然科学版).2017
[3].孙林,程锐涵,王莎莎.混合像元分解下二维激光图像亚像素边缘细化研究[J].激光杂志.2017
[4].江宇博,刘波.小波模极大值法与数学形态学边缘检测细化结果[J].计算机测量与控制.2017
[5].张健,孔勇奇.边缘宽度细化与交叉皮层模型结合的图像分割算法[J].激光杂志.2014
[6].郭猛,邵国金.边缘宽度细化与交叉皮层模型结合的图像分割算法[J].科学技术与工程.2014
[7].沈德海,鄂旭,侯建.一种改进的Sobel算子边缘检测及细化算法[J].渤海大学学报(自然科学版).2014
[8].刘继承,张琳,董青松,石祥华.基于二进小波变换的多尺度边缘细化检测[J].化工自动化及仪表.2014
[9].秦严严,郭建兴,许宏科.基于Sobel和LoG相结合的边缘检测与细化方法[J].微型机与应用.2014
[10].许宏科,秦严严,潘勇.一种改进的边缘细化方法[J].激光与红外.2014
论文知识图
