导读:本文包含了分割与拼接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,图形,多维,输电线,特征,长方体,基底。
分割与拼接论文文献综述
马旭[1]（2019）在《图形的分割与拼接》一文中研究指出在对图形进行分割时,既要动手,又要动脑,只要手脑结合,问题就会迎刃而解。请看下面的例子:将这个图形分割成两块,然后拼成一个正方形。思路点睛:这个图形有16个小方格,如果每个小方格的边长为1,那么拼成的正方形的边长应是多少?很显然,16=4×4,拼成的正方形的边长应是4。(本文来源于《小学生学习指导》期刊2019年31期）
张侨平,邢佳立[2]（2019）在《空间观念的培养——以“立体图形的分割和拼接”为例》一文中研究指出一、引言培养学生的空间观念是中小学数学教学的重要目标。《义务教育数学课程标准(2011年版)》对于培养学生的空间观念给出了一些具体要求,包括"能够由几何图形联想出实物的形状,由实物的形状抽象出几何图形,进行几何体与其叁视图、展开图之间的转化……"[1]等。学者麦基(Mc Gee M. G)将空间观念划分为两个重要类别:空间定向能力(spatial orien-(本文来源于《小学数学教师》期刊2019年09期）
毛一鸣,王建明,晏涛,陈丽芳,刘渊[3]（2019）在《基于空间平面分割和投影变换的光场图像拼接算法》一文中研究指出提出了一种基于空间平面分割和投影变换的光场图像拼接算法。依据光场深度信息对目标场景进行平面拟合和分割,并根据颜色信息利用马尔可夫模型对分割结果进行了优化。利用不同视点间的光流信息求解投影变换矩阵,将对应的分割区域投影变换到同一视点。通过计算最小缝合线拼接重迭区域,并采用泊松优化的方法融合拼接区域。实验结果表明,所提算法能够生成大视野的光场图像,且光场中光线对齐准确,无明显几何畸变。(本文来源于《激光与光电子学进展》期刊2019年10期）
赵超然[4]（2018）在《基于超像素分割的图像拼接定位检测算法研究》一文中研究指出随着计算机技术以及多媒体技术的迅猛发展,拍照已经成为人们日常生活的一部分。日益发展的数码技术也使得拍照越来越简单便捷。而各种数字图像修改软件的广泛应用,使得人们修改图像的手段日渐丰富。因而,生活中篡改图像的数目呈井喷式的增加。图像拼接作为图像篡改的一种重要手段,在日常生活中有着普遍地应用。拼接图像给人们带来了许多欢乐,但是也带来一些负面影响。大量拼接图像的存在使得人们对图像信息的真实性抱有较大怀疑,随之而来问题也越来越多。在某些场合,图像的真实性是极为重要的,所以人们迫切地需要一种有效手段来确定图像是否经过篡改,因而诞生了图像篡改盲检测技术。而某些被恶意篡改的图像需要人们掌握被篡改的确切区域,所以众多学者针对图像篡改盲检测技术中的图像拼接定位检测算法进行深入研究。针对目前图像拼接定位检测算法准确率较低、误判率较高的问题,本文进行了大量的研究。首先,通过对图像取证技术及图像拼接定位检测算法的背景及意义介绍,肯定了本文研究课题的重要性;其次,详细分析国内外图像拼接定位检测算法的研究现状,并分类进行介绍;最后,基于对大量模型的深入研究,提出两种基于超像素分割的图像拼接定位检测算法。本文的研究工作具体如下:1.针对现有图像拼接定位检测算法准确率低、边缘信息保留较差的问题,提出基于超像素分割和噪声估计的图像拼接定位检测算法。首先,利用简单线性迭代聚类算法对待检测图像进行超像素分割;其次,利用FAST快速噪声估计算法计算每个超像素子块的噪声估计值;最后,对噪声值序列进行聚类和统计处理,确定属于背景区域和拼接区域的超像素块,从而定位拼接区域。本文算法在哥伦比亚彩色拼接图像库上进行实验,并与基于块分割和基于像素点的图像拼接定位算法进行对比。实验结果表明:该算法能更平滑地保留拼接区域的边缘信息,并能在保证图像拼接定位检测效率的前提下有效提高定位检测的准确率。2.针对基于超像素分割和噪声估计的拼接定位算法存在的漏检测和误检测问题,本文在上述方法的基础上融合RC算法的思想并考虑像素块之间的空间距离及颜色相似度的影响,对图像拼接定位检测算法进行进一步的研究。首先,仍使用SLIC超像素分割算法对图像进行分块并进行噪声值估计;其次,计算像素块大小、像素块之间的颜色相似性及空间距离;再次,将像素块大小、像素块之间空间距离、颜色相似性及噪声特征加权计算;最后,根据权值对全部像素块进行二值分类,从而定位图像中的拼接区域。由实验结果可知:该方法能进一步提高图像拼接定位检测的准确率。(本文来源于《吉林大学》期刊2018-04-01）
李新华[5]（2017）在《咔嚓!咔嚓!——图形的分割与拼接》一文中研究指出(本文来源于《数学大王(低年级)》期刊2017年Z2期）
孙苗苗,姜媛媛,李振璧,王政,刘钊[6]（2017）在《基于图像拼接和帧间差分输电线路图像分割方法》一文中研究指出针对无人机载红外摄像仪拍摄的输电线路红外图像易于受背景信息干扰且不易于分割出输电线信息,提出了一种基于图像拼接和帧间差分相结合的算法,来实现输电线分割定位信息。采用基于SIFT的图像配准算法来实现图像拼接,再将得到的两幅图像的重合部分进行帧间差分,初步实现了输电线的分割;采用Canny算法,对分割得到的输电线进行边缘检测,采用霍夫变换检测出分割出来的输电线,最终对输电线定位。(本文来源于《红外技术》期刊2017年02期）
丁翠,杨云涛,张建[7]（2017）在《遥感影像并行分割的无缝拼接算法》一文中研究指出针对影像数据分块并行处理造成的接边问题,该文基于构建缓冲区的方法提出了一种新的拼接算法。该算法只在每一个数据分块的右侧和下侧构建缓冲区,消除拼接线的原则是保证分割边界的准确性和拓扑关系的正确性。数据分块完成后采用并行的策略对第一个块进行分割,然后将每一块的分割结果与相邻的块进行拼接,在缓冲区内按一定规则判断各块分割对象是否保留并对拓扑关系进行检查,拼接完各块后并行输出对象矢量化后的结果。通过实验验证,该算法不仅保证了分割边界的准确性,而且能够处理大影像,提高了工作效率。(本文来源于《测绘科学》期刊2017年04期）
王晓坤[8]（2016）在《基于宽视场拼接成像的目标分割与跟踪算法研究》一文中研究指出无论是民用领域的矿产资源勘查、土地规划利用、环境监测、海洋开发、气象预报及地理信息服务还是军事领域侦察监视、精确制导、超视距攻防对抗等都需要有足够宽的视场和足够高的分辨率以完成对目标的广域范围监测、搜索和跟踪。对基于宽视场高分辨成像系统海量图像数据的处理、分析和利用是该类系统建构的核心价值所在。其中,高分辨率传感器拼接成像过程中将涉及到对海量数据的实时处理,计算过程有着极高的复杂度,因此,图像拼接算法的准确性和实时性将成为影响系统性能的主要因素之一。此外,对于宽视场高分辨场景下动态目标的跟踪技术也成为后期图像分析的研究热点。同时,由于这类系统应用的环境自身的复杂性(背景变化、光照变化、阴影变化等)和动态目标固有的一些特性(非刚体、姿态多变等),使得可实用的目标跟踪技术仍然非常具有挑战性。针对以上需求,本文围绕宽视场成像系统的图像拼接和目标跟踪问题开展研究,主要研究工作如下:本文采用了一种将先验信息和统一计算设备架构(CUDA)相结合的自适应并行加速算法用于提高大视场全景拼接成像的实时性。在图像拼接之前,先利用高精度标定平台对各成像单元的重迭区域进行预标定。标定之后,利用基于CUDA的快速鲁棒特征检测方法提取参考图像与待配准图像的候选特征点集,再利用基于随机KD-Tree索引的近似最近邻搜索算法选取参考图像与待配准图像的初始匹配点对,本文还采用了基本线性代数运算子程序用于加速算法搜索速度。对于参考图像与待配准图像误匹配点对的删除和空间变换矩阵的参数估计,本文采用的是一种在传统的渐近式抽样一致性算法基础上改进的基于CUDA的并行算法。实验结果表明本文采用的算法极大地提高了图像拼接速度,可以满足图像拼接实时性的工程应用要求。为了对场景中动态飞行目标进行识别,提出一种基于混沌双种群进化策略的图像分割方法。利用进化策略能从选定的初始解出发,通过逐代迭代进化逐步改进当前解,直至最后收敛于最优解或满意解的特点和优势,将其用于图像分割阈值最优解的求解上。为了克服传统基于阈值的图像分割方法的缺点,例如较高的复杂度和早熟问题,本文提出了一个高效的基于进化策略的图像分割算法,它通过使用多种群进化策略来计算阈值。在进化过程中同时存在局部种群和全局种群两个群体,进而确保算法的全局和局部搜索能力。该算法的每一步迭代过程中,首先,基于混沌理论生成若干个初始个体,并将这些个体分别加入局部种群和全局种群,计算这些个体的适应度函数值。然后,将选择、重组、变异等进化操作算子作用于局部种群和全局种群,进行迭代进化,进化后的个体集合中选择最好的若干个体放入局部种群,其余放入全局种群,直至收敛。最后,种群中的最优个体即为所求的解。实验结果表明,本文提出的方法比传统的遗传算法有着更快的收敛速度。种群多样性信息能有效指导进化策略的进化过程,因此本文又提出了改进的混沌双种群进化策略算法,采用了多动机强化学习算法设定初始种群和本地种群数值,动态学习种群比例,以使进化策略的局部搜索能力和全局搜索能力进一步均衡化。动机层的引入为先验知识和领域知识的引入提供了条件,由此可以加速强化学习的学习进程。本文根据图像分割问题实际,定义了动机集合,采用了MMQ投票(MMQ-voting)方法用于指导智能体动作的选择策略。经过实验验证,本文采用的多动机强化学习方法能使强化学习以较快的速度收敛于最优动作策略,从而使种群个体多样性保持在一个合适的状态,有助于进一步提高图像最优分割阈值的搜索效率。为了对场景中动态飞行目标进行跟踪,提出一种基于强化学习的动态目标跟踪方法,将目标跟踪问题建模成强化学习问题,并提出了一个两阶段强化学习算法用于图像中的目标跟踪。我们设置了多个追踪智能体来跟踪图像中的目标,在算法的每一步中,首先对每个追踪智能体进行动态子任务分配,即先是给每个追踪智能体动态分配一个子目标,之后每个追踪智能体根据其当前的子目标选择其行动。学习算法将学习过程划分为两个部分,一个是学习任务分配的策略,另一个是学习动作选择的策略,每个追踪智能体通过共享Q函数来共享所学知识、提高学习效率。实验结果验证了该方法的有效性。(本文来源于《长春理工大学》期刊2016-06-01）
李穆[9]（2016）在《肾小球TEM病理图像的大视野拼接及基底膜分割》一文中研究指出透射电子显微镜(Transmission Electron Microscope,TEM)检查是肾活检病理检查的重要部分,肾组织内含特殊有形结构的各种肾脏疾病的诊断及新疾病的发现,大多需要通过TEM检查得以确诊。遗传性肾小球疾病是一种依赖于TEM检查且容易被忽视的肾脏病,因其临床表现可能隐匿或晚发或混杂在貌似普通肾脏病中,诊断极其困难。有研究表明,不管是东方还是西方国家,这类疾病的发病率相当高,但是在我国真正确诊的不足0.5%,若不正确的诊断和用药都会造成肾脏的损害。基底膜的厚度、形态等是这类肾脏病的重要诊断指标。但由于TEM在高分辨率下观察的视野小而基底膜又遍布于整个肾小球内,加上肾小球内组织结构的复杂性等,目前医生在进行病理检查时,往往需要反复切换多个分辨率下的多个视野先来确定疑似病变区,再观察基底膜的形态。当测量基底膜的厚度时,往往需先手动测量多段基底膜再求平均值。这样繁琐的操作过程极易产生视觉疲劳,甚至可能造成漏诊和误诊。计算机辅助诊断(Computer-Aided Diagnosis, CAD)能对病人肾小球TEM图像进行处理和分析,不仅可以大大减轻医生的工作量,提高疾病检查的效率,还对辅助医生诊断具有非常重要的意义。通过与病理专家进行探讨,本文实验设定并完成了如下内容：1.大视野、完整肾小球的TEM图像拼接；2.分割基底膜。第一,大视野、完整肾小球的TEM图像拼接。图像拼接是将有重迭区域的一组图像无缝地融合在一起,得到一副大视野图像的过程。在图像拼接中,最关键的一步是图像配准,图像配准的方法主要分为基于像素的配准和基于特征的配准。近年来,针对仅有部分重迭区域图像配准的研究主要是基于特征点的配准。基于特征点的方法通过提取不同图像中具有几何不变性的点,再建立特征点的匹配,根据匹配的特征点得出图像之间的变换矩阵,从而建立图像的配准。近年来,对特征点的研究包括SUSAN算子、HARRIS角点、SIFT特征点、PAC-SIFT特征点、GLOH特征点、SURF特征点等。由于本文中肾小球TEM图像有一定形变,且纹理信息复杂,而SIFT特征点在处理尺度和旋转变化的图像时有较大的优势,且对复杂纹理图像的配准,所估计的参数也相对稳定,本文选择基于SIFT特征点的配准方法对肾小球TEM图像进行配准。此外,由于TEM成像系统造成图像产生一定的形变,多幅图像配准时产生形变误差,并且随着配准图像数目的增多,图像的形变会增大,易造成图像的形状和细节信息的改变。但在病理诊断中,组织结构的形状及细节信息往往是诊断的依据,图像较大的形变会对诊断结果产生重大影响。为了减小图像形变对图像拼接效果的影响,本文提出了先进行图像的形变校正,再进行图像配准。本实验数据为多张具有一定重迭区域的图像,估计一张图像的校正时,可根据多个重迭区域的信息来拟合校正场,且已提取的SIFT特征点具有较高的匹配度,能作为重迭区域的信息来拟合校正场,故本文采用SIFT特征点结合多项式拟合的非线性校正场来进行图像的形变校正,再利用已提取的SIFT特征点来配准校正后的图像。由于在图像形变校正及图像配准中都利用了SIFT特征点的信息,能有效减少计算时间,提高配准的准确性。再者,由于TEM成像系统造成图像灰度不均匀,配准后的图像在图像的衔接处存在一定的接缝。图像接缝的消除可以通过图像融合的方法来解决。由于泊松图像融合的方法能在去缝的同时保证细节信息且不产生伪影,故本文采用泊松图像融合的方法以消除图像的接缝。第二,基底膜分割。基底膜表现为带状结构的薄膜,基底膜在肾小球中分布极为广泛。在肾小球TEM图像中,部分基底膜存在与周围组织结构灰度相似、边界不明显、厚度突然变窄、基底膜走向突然转变等特点,增加了基底膜分割的难度。现阶段已提出的基底膜分割方法分为半自动和全自动的分割方法。这些方法主要利用图像的灰度、色差、纹理等特征进行图像的分割,这些方法在处理厚度均匀、形态变化不大的小段基膜时能得到较好的效果,而本实验所涉及到的基底膜往往厚度不均匀、形态发生较大的变化,已提出的方法在分割基底膜时存在易泄漏、易陷入局部极值及需要严格初始化等问题,这主要是因为这些方法较少涉及到分割对象形状的描述也未涉及根据已分割区域来动态调整分割准则。近年来,伴随着形状表示与识别技术的不断发展,利用图像形状特征在背景复杂的图像中指导目标对象的检测与识别得到发展。本文秉承这一思想提出了一种基于粒子滤波的基底膜分割方法,该方法结合了图像的灰度、梯度和对象的形状描述,根据已获得的先验信息结合动态模型产生丰富的粒子来以引导基底膜的分割。在粒子滤波方法中,选择出与基膜相似度高的粒子是粒子滤波方法的关键。但由于基膜的形态、厚度及走向等有较大的差异,为选择出与基底膜相似性高的粒子往往需要产生大量的粒子,且在接近基底膜厚度及走向突变的地方时,有时即使产生大量的粒子也不能选择出合适的粒子。故本实验在粒子追踪的过程中结合了回溯法的思想及重采样的方法以减少错误的分割,提高分割的准确性。归纳起来,本文的主要工作有：(1)提出了一种基于SIFT特征点的TEM多幅图像拼接方法。该方法利用具有尺度、旋转、仿射不变性的SIFT特征点进行图像形变的校正以及图像配准,有效减小了图像形变对图像配准结果的影响,最后采用泊松图像融合的方法进行融合以达到无缝拼接。为验证算法的有效性,本实验用一组60张TEM局部肾小球图像拼接出完整的肾小球,并用视觉效果和配准误差评价了拼接结果。(2)提出了一种基于粒子滤波的肾小球电子显微镜图像基底膜分割方法。该方法突破了传统粒子滤波的思想,将类似基底膜的片段作为粒子,通过已有状态下的粒子由动态模型产生下一个状态的粒子,该动态模型结合了基底膜的形态信息,对于每一个状态所估计的粒子用梯度、灰度等信息进行评价,选择出与基底膜相似性较高的粒子。同时为了保持粒子的多样性及避免粒子出现退化等问题,本实验在进行粒子状态追踪的过程中应用了回溯法的思想及重采样的方法。本实验用多组图像验证分割算法的有效性并通过视觉效果和Dice相似系数对分割结果进行评价。(本文来源于《南方医科大学》期刊2016-05-24）
王静,郑宏,李圣,王震[10]（2016）在《基于梯度区域分割的拼接图像颜色校正》一文中研究指出在室外场景拼接的颜色校正中,由于图像间的亮度差异往往较大,校正结果易出现噪点及色块。针对该问题,提出一种梯度区域分割的颜色校正方法。结合图像的梯度和颜色信息将图像分为两个区域,使得具有相似的梯度范围和颜色特性的区域相匹配;对颜色单一区域采用简单的统计特征校正方法,对颜色复杂区域采用改进的多维概率密度转换法,避免区域间相互影响。利用不同场景下的图像进行实验并与多维概率密度转化法做对比,对比校正后的拼接图像及量化指标,实验结果表明,该方法能够减少颜色失真,保持原图结构特征,有效提高颜色校正效果。(本文来源于《计算机工程与设计》期刊2016年05期）
分割与拼接论文开题报告
（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：
一、引言培养学生的空间观念是中小学数学教学的重要目标。《义务教育数学课程标准(2011年版)》对于培养学生的空间观念给出了一些具体要求,包括"能够由几何图形联想出实物的形状,由实物的形状抽象出几何图形,进行几何体与其叁视图、展开图之间的转化……"[1]等。学者麦基(Mc Gee M. G)将空间观念划分为两个重要类别:空间定向能力(spatial orien-
（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。
分割与拼接论文参考文献
[1].马旭.图形的分割与拼接[J].小学生学习指导.2019
[2].张侨平,邢佳立.空间观念的培养——以“立体图形的分割和拼接”为例[J].小学数学教师.2019
[3].毛一鸣,王建明,晏涛,陈丽芳,刘渊.基于空间平面分割和投影变换的光场图像拼接算法[J].激光与光电子学进展.2019
[4].赵超然.基于超像素分割的图像拼接定位检测算法研究[D].吉林大学.2018
[5].李新华.咔嚓!咔嚓!——图形的分割与拼接[J].数学大王(低年级).2017
[6].孙苗苗,姜媛媛,李振璧,王政,刘钊.基于图像拼接和帧间差分输电线路图像分割方法[J].红外技术.2017
[7].丁翠,杨云涛,张建.遥感影像并行分割的无缝拼接算法[J].测绘科学.2017
[8].王晓坤.基于宽视场拼接成像的目标分割与跟踪算法研究[D].长春理工大学.2016
[9].李穆.肾小球TEM病理图像的大视野拼接及基底膜分割[D].南方医科大学.2016
[10].王静,郑宏,李圣,王震.基于梯度区域分割的拼接图像颜色校正[J].计算机工程与设计.2016
论文知识图
