导读:本文包含了自适应分块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:自适应,图像,特征,采样率,阈值,启发式,灰度。
自适应分块论文文献综述
李烁,王慧,王利勇,于翔舟,杨乐[1]（2019）在《自适应分块加权Wallis并行匀色》一文中研究指出针对区域范围内多幅待镶嵌影像之间的色彩差异问题,提出一种基于GPU的分块加权Wallis并行匀色算法。首先,根据变异系数对影像自适应分块并利用双线性插值确定每一个像素的变换参数,利用加权Wallis变换消除影像间的色彩差异。然后,为了控制区域整体的匀色质量,利用Voronoi图和Dijkstra算法确定影像间的处理顺序。最后,利用GPU技术进行并行任务设计并从配置划分、存储器访问和指令吞吐量等方面进行优化,提高算法运算效率。实验结果表明,本文方法既能有效地消除影像间色彩差异,又能消除影像间的对比度差异。与CPU串行算法相比,GPU并行算法显着减少了计算时间,加速比最高达到60倍以上。(本文来源于《遥感学报》期刊2019年04期）
邓辉,王长龙,胡永江,张玉华[2]（2019）在《基于非下采样双树复轮廓波与自适应分块的红外与可见光图像融合》一文中研究指出为提高融合效率,解决基于多尺度变换的融合方法中融合系数选择错误的问题,提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分;然后对低频系数采用自适应尺寸分块法进行融合,图像块的尺寸由改进的果蝇算法优化求解,精细化处理低频融合结果,得到一幅能精确到每个系数来源的标签图;再利用高频分量的邻域系数差结合该标签图对高频系数进行融合;最后重构得到融合图像.实验结果表明,该算法能够提高融合速度,解决了空域分块融合容易产生块效应的问题.(本文来源于《光子学报》期刊2019年07期）
杜秀丽,张薇,顾斌斌,陈波,邱少明[3]（2018）在《基于灰度共生矩阵的图像自适应分块压缩感知方法》一文中研究指出分块压缩感知的提出很好地弥补了大尺寸图像占用资源多、重构耗时长等不足,但重构后的图像存在明显的块效应。针对现有图像纹理复杂度分析不够准确,导致自适应采样率分配后块效应降低不理想的问题,提出了一种基于灰度共生矩阵的图像自适应分块压缩感知方法。该方法通过共生矩阵分析图像的纹理特性,自适应分配采样率,在总采样率不变的前提下使纹理复杂度高的子块获得较高的采样率,纹理复杂度低的子块获得较低的采样率,并用SAMP(Sparsity Adaptive Matching Pursuit)算法实现重构。仿真结果显示,所提方法能够有效地解决块效应问题,尤其对于局部图像而言,重构图像的画质得到了明显改善。(本文来源于《计算机科学》期刊2018年08期）
李如春,程云霄,李林,常丽萍[4]（2018）在《自适应分块压缩感知的图像压缩算法》一文中研究指出均匀分块压缩感知对图像信号进行压缩采样,无法有效地分离出重要区域和背景区域.为此,给出一种基于图像内容的自适应分块算法,以图像内相邻像素间的灰度差值作为块大小分割的依据,利用四叉树算法进行图像自适应块大小的划分;并将分块结果根据相邻像素DCT系数的差值大小分成快速变化块、缓慢变化块和过渡块3类,适时分配相应采样率.实验结果表明:给出的算法对仿真实验选取的图像重构质量高于均匀分块方法1~3dB,且重构时间减少20~40ms;在重构质量近似的情况下,重构时间比基于图像块像素方差的块分类方法减少40~60ms.(本文来源于《浙江工业大学学报》期刊2018年04期）
杜恩宇,张宁,李艳荻[5]（2018）在《基于自适应分块编码SVM的车道导向箭头多分类方法》一文中研究指出针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题,提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测,利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选,根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域;再利用几何不变矩特征训练SVM分类器;对分类结果进行二进制编码,从而实现单一种类SVM下多种导向箭头的分类。算法在实拍获取的500帧图像中进行测试,识别率优于96.8%。结果表明:所提算法不需逆透视变换,利用一种SVM二分类器即可实现导向箭头的识别,有效提高了导向箭头识别的准确率和运行效率。(本文来源于《光学学报》期刊2018年10期）
吴睿[6]（2018）在《基于图像特征的自适应分块压缩感知的研究》一文中研究指出在利用压缩感知处理二维自然图像时,传统的方法是直接对整幅图像进行采样,这样做的弊端是需要规模庞大的观测矩阵才能完成对整幅图像的观测,然而过大的观测矩阵是不利于计算和存储的。分块压缩感知的引入解决了这一问题,它可以快捷地完成对整幅图像的观测和重构,且具有实时性。传统的分块压缩感知理论对图像的所有子块都采用相同的采样率进行观测,而事实上,由于每个图像块都蕴含着不同的信息量,对其均采用相同的采样率会造成资源的不合理分配。针对这一不足,本文对传统分块压缩感知做了以下改进工作:(1)本文根据各图像块蕴含信息量的不同,首先分别研究了将灰度熵和边缘信息作为标准的分块压缩感知采样率自适应分配策略,通过对图像进行预采样得到预估计图像,然后对每一个图像块都根据其预估计图像特征为其分配一个合适的采样率,从而实现了空域的采样率自适应分块压缩感知算法。在上述算法思想的基础上,本文引入全变差作为采样率自适应分配的标准,提出了基于全变差的采样率自适应分块压缩感知算法。实验结果表明,基于图像特征的采样率自适应分块压缩感知相对于传统分块压缩感知提升了重构图像质量和视觉效果,而只增加了少许计算复杂度,并且本文提出的基于全变差的采样率自适应分块压缩感知算法相对于基于灰度熵和边缘信息的同类算法拥有更好的重构性能。(2)多尺度分块压缩感知是一种对传统分块压缩感知的改进算法,它将图像变换到多尺度小波域,对不同尺度的小波系数块自适应地分配采样率,提升了重构效果。然而,多尺度分块压缩感知对同一尺度的小波系数仍然使用相同的采样率,并且没有利用到包含大量先验信息的低频系数。针对以上不足,本文通过完整保留的低频系数获取预估计图像,根据预估计图像块的图像特征将采样率自适应分配运用到同一尺度的小波系数块之间,分别研究了小波域的基于灰度熵和边缘信息的采样率自适应多尺度分块压缩感知。同样引入全变差作为采样率自适应分配的标准,提出了基于全变差的采样率自适应多尺度分块压缩感知算法。实验结果表明基于图像特征的采样率自适应多尺度分块压缩感知相对于原始的多尺度分块压缩感知改善了重构效果,并且本文提出的基于全变差的采样率自适应多尺度分块压缩感知算法与基于灰度熵和边缘信息的同类算法相比重构性能相对较好。(本文来源于《电子科技大学》期刊2018-05-18）
李艳荻,徐熙平,王佳琪[7]（2017）在《基于自适应分块金字塔匹配核的特征提取算法》一文中研究指出为实现全景视场下人体行为特征的有效提取,在原始形状上下文特征匹配算法的基础上,提出一种基于自适应分块思想的金字塔匹配核算法.结合光学成像原理及全景视场下人体投影特点,计算图像二阶中心矩对人体轮廓主轴方向进行补偿.然后对轮廓点进行均匀采样,对各采样点提取形状上下文特征,在匹配过程中分析高维特征空间中采样点的分布特点,采用自适应分块的思想对金字塔匹配核函数的收敛策略进行改进,根据各维度上数据的分布范围自适应地调整收敛系数,以保证各个维度上的点集收敛速度一致.最后通过室内摔倒检测实验来验证算法的可靠性,使用K均值聚类方法进行识别,识别率可达92.9%.该特征提取算法为智能监控系统的稳定性提供了保障.(本文来源于《光子学报》期刊2017年12期）
余文苑[8]（2017）在《基于自适应分块压缩感知的视频图像重构算法研究》一文中研究指出压缩感知(Compressed Sensing,CS)理论突破了传统视频图像信号采样定理的限制,用远低于Shannon-Nyquist采样率的速度进行采样,实现了采样和压缩同时进行,由此避免采集大量冗余数据,从而有效地节省了系统的时间和资源。在CS理论的基础上,L Gan等人提出了分块压缩感知(Block Compressed Sensing,BCS)理论,其主要思想是把原始图像分割成若干尺寸相等的图像块,然后用固定的采样数目对每个图像块进行独立测量,最后重构出每个图像块并将其拼接成原始图像。BCS的提出,在很大程度上避免了视频图像在重构过程中的大内存、高计算复杂度问题。在运用BCS理论对视频图像进行处理的过程中,重构算法是其核心环节,直接关系到最终重构的视频图像质量。而目前,大部分基于BCS框架下的重构算法存在图像块采样不充分及计算复杂度过高等问题。因此,研究有效的自适应采样方法和高效的重构算法十分必要。基于以上分析,本文主要研究工作如下:(1)在BCS的基础上,分析了小波系数和方差能表征图像细节信息的这一特性,分别制定了基于小波系数和方差的自适应采样方案,在此基础上,提出了两种不同采样方式下的图像分块自适应压缩感知方法,分别为基于小波系数的图像分块自适应压缩感知和基于方差的图像分块自适应压缩感知。(2)在基于统计信息的自适应BCS的基础上,针对迭代收缩阈值(Iterative Shrinkage Thresholding,IST)算法在收敛速度和重构精度上的不足,将全变分(Total Variation,TV)作为正则化约束项来替代1l范数,提出了一种改进的BCS-IST算法。实验结果表明,该算法相比于传统的BCS-IST算法,能更好地保留图像的结构和纹理信息,获得更佳的图像重构效果,且在一定程度上加快了算法收敛速度。(3)通过深入分析视频信号的时空相关性,提出了一种基于时空特征的自适应分块压缩感知视频重构方法。该方法首先通过克罗内克积运算来构造适用于视频信号的测量矩阵,实现视频信号的整体压缩测量;然后将多假设(Multiple Hypothesis,MH)模型与最小TV模型相结合,构建联合时空特征的预测-残差重构模型,并通过迭代求得当前帧的预测帧;最后采用本文所提的改进的BCS-IST算法计算各块残差,并与当前帧的预测帧相结合以重构出当前帧。实验结果表明,该方法在有效提高视频重构质量的同时,进一步降低了计算复杂度,加快了算法运算速度。(本文来源于《华东交通大学》期刊2017-06-30）
陈鸿昶,陈雷,李邵梅,朱俊光[9]（2017）在《基于显着度融合的自适应分块行人再识别》一文中研究指出针对基于分块匹配的行人再识别中对分块的规则和大小缺乏指导,以及不同分块间的区分度差异问题,该文提出基于显着度融合的自适应分块行人再识别方法。首先,利用启发式思想确定初始聚类中心,并根据图像内容自动确定分块的大小和数目。然后,利用归一化部分曲线下面积计算各块的图像间显着度,利用结构化支持向量机学习各块的图像内显着度,并融合两类显着度得到各块的权重作为匹配得分融合的依据。实验证明,在常用的行人再识别数据集上,该方法能取得较好的识别结果。(本文来源于《电子与信息学报》期刊2017年11期）
别秀德[10]（2017）在《复杂场景下基于自适应分块的多目标跟踪方法研究》一文中研究指出随着计算机硬件和多媒体技术的发展,以及各国政府和民众对安防的高度重视,智能视频监控的应用变得越来越广泛,而多目标跟踪技术作为智能视频监控领域最基本的核心技术,具有重要的研究意义和广阔的应用前景,受到来自世界各地的学术界和工业界科研人员的普遍关注和研究。目前,多目标跟踪技术的研究取得了长足进步,但仍存在许多难题需要解决,如复杂的跟踪场景、非刚体目标的姿态变化、目标遮挡以及跟踪的实时性等。本文针对复杂场景下存在目标遮挡、表观变化以及相似目标的问题,对多目标跟踪进行了研究,主要研究内容及成果为:(1)介绍了多目标跟踪的基本理论。对贝叶斯理论框架下的卡尔曼滤波和粒子滤波的基本原理做了简单介绍,并分析了算法的优缺点。介绍了均值漂移算法和模糊C均值算法的基本原理,并研究了算法的基本步骤。(2)在对多个目标进行跟踪过程中经常存在遮挡、相似目标的情况,为此研究了一种基于自适应分块的粒子滤波多目标跟踪方法。该方法根据目标的灰度分布进行自适应分块,提高遮挡情况下准确跟踪多目标的能力;在粒子滤波跟踪时,利用均值漂移和模糊C均值聚类获取每个目标对应的粒子群,得到目标最优状态估计;引入加权Bhattacharyya距离计算子块的匹配度,考虑了子块可靠性对粒子权重的影响。(3)为了解决多目标跟踪过程中还经常存在的相似目标相互遮挡以及目标表观变化问题,提出了一种基于自适应分块的多特征融合多目标跟踪方法。该方法在上一方法的基础上加入了多特征融合策略,融合颜色直方图和HOG特征对目标进行描述;在粒子滤波跟踪时,依据子块可靠性以及粒子的空间分布及时调整目标模型中子块的权重;并且为减少过程中目标变化对跟踪结果的影响,采取权重更新方法动态更新目标特征模型。实验结果表明,该方法在多目标跟踪过程中存在表观变化、目标相似以及目标遮挡或者相似目标相互遮挡的复杂情况下,均能准确鲁棒地跟踪多个目标。(本文来源于《山东大学》期刊2017-05-20）
自适应分块论文开题报告
（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：
为提高融合效率,解决基于多尺度变换的融合方法中融合系数选择错误的问题,提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分;然后对低频系数采用自适应尺寸分块法进行融合,图像块的尺寸由改进的果蝇算法优化求解,精细化处理低频融合结果,得到一幅能精确到每个系数来源的标签图;再利用高频分量的邻域系数差结合该标签图对高频系数进行融合;最后重构得到融合图像.实验结果表明,该算法能够提高融合速度,解决了空域分块融合容易产生块效应的问题.
（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。
自适应分块论文参考文献
[1].李烁,王慧,王利勇,于翔舟,杨乐.自适应分块加权Wallis并行匀色[J].遥感学报.2019
[2].邓辉,王长龙,胡永江,张玉华.基于非下采样双树复轮廓波与自适应分块的红外与可见光图像融合[J].光子学报.2019
[3].杜秀丽,张薇,顾斌斌,陈波,邱少明.基于灰度共生矩阵的图像自适应分块压缩感知方法[J].计算机科学.2018
[4].李如春,程云霄,李林,常丽萍.自适应分块压缩感知的图像压缩算法[J].浙江工业大学学报.2018
[5].杜恩宇,张宁,李艳荻.基于自适应分块编码SVM的车道导向箭头多分类方法[J].光学学报.2018
[6].吴睿.基于图像特征的自适应分块压缩感知的研究[D].电子科技大学.2018
[7].李艳荻,徐熙平,王佳琪.基于自适应分块金字塔匹配核的特征提取算法[J].光子学报.2017
[8].余文苑.基于自适应分块压缩感知的视频图像重构算法研究[D].华东交通大学.2017
[9].陈鸿昶,陈雷,李邵梅,朱俊光.基于显着度融合的自适应分块行人再识别[J].电子与信息学报.2017
[10].别秀德.复杂场景下基于自适应分块的多目标跟踪方法研究[D].山东大学.2017
论文知识图
