导读:本文包含了基于图像的生成论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,卷积,网络,神经网络,遥感,算法,深度。
基于图像的生成论文文献综述写法
裴慧坤,颜源,林国安,江万寿[1]（2019）在《基于生成对抗网络的无人机图像去模糊方法》一文中研究指出提出一种基于加权感知损失的生成对抗网络(GAN)用于无人机图像去模糊。实验中采用具有跳跃连接结构的网络作为生成器,并对生成器使用加权感知损失进行约束,在生成器和判别器进行对抗式训练过程中,生成器不断学习并优化模糊图像到对应清晰图像的映射函数。另外,由于PSNR、SSIM图像质量客观评价指标的局限性,提出使用感知损失作为监控网络优化过程和模型选择的评价指标,最后使用感知损失选择的生成器模型对模糊图像进行盲去模糊。实验表明,该方法可快速有效地恢复出细节清晰的图像。(本文来源于《地理空间信息》期刊2019年12期）
韩先君,刘艳丽,杨红雨[2]（2019）在《基于生成对抗网络的人脸图像彩色化方法》一文中研究指出提出了一种新的基于生成对抗网络的人脸图像彩色化方法.所提出的网络结构包含两组生成对抗子网络,每个子网络由一个生成器和判别器组成.其中,一个对抗子网络A(包含生成器A和判别器A)实现从灰度图像到彩色图像的翻译过程,另一个子网络B(包含生成器B和判别器B)反转该过程,即生成器B对称地使用生成器A的最终输出图像作为输入,用来重建原始的人脸灰度图像.其中,网络中的循环损失进行图像重建,而生成损失和对抗损失用来保证生成的图像更加接近真实图像.实验结果表明,这种结构设计不仅能实现自然逼真的人脸图像彩色化,还能同时保证人脸的身份属性不变.(本文来源于《北京理工大学学报》期刊2019年12期）
李天成,何嘉[3]（2019）在《一种基于生成对抗网络的图像修复算法》一文中研究指出针对目前基于生成对抗网络(GAN)的图像修复算法存在修复效果的视觉连续性不佳、网络训练过程中模型崩溃等问题,提出一种基于双判别器的生成对抗网络的修复算法。该方法将WGAN-GP的损失函数引入全局判别器和局部判别器中,并结合改进的上下文内容损失来训练网络模型,修复破损区域。在CelebA数据集以峰值信噪比PSNR和结构相似性SSIM的标准下的实验结果证明,该算法提高了图像修复结果的质量和训练稳定性。(本文来源于《计算机应用与软件》期刊2019年12期）
李炬,黄文培[4]（2019）在《基于生成对抗网络的图像修复技术研究》一文中研究指出基于生成对抗网络的图像修复算法在处理图像信息大面积丢失的情况时,效果比传统算法有了较大提升,但是在许多细节方面仍有待改进,例如使修复区域与保留区域在语义上更加合理,被修复区域的边缘需要保持连贯性,修复区域需要有丰富的纹理细节。针对以上问题,在现有的生成对抗网络修复算法的基础上提出了改进,结合非局部注意力机制,对输入图像进行多级合并和设置缓冲层,添加辅助判别器。通过对比实验结果,验证了改进模型的有效性,得到的修复图像更符合人眼视觉系统的要求。(本文来源于《计算机应用与软件》期刊2019年12期）
[5]（2019）在《英国 3D图像生成系统酷似“星战”显示器》一文中研究指出英国萨塞克斯大学科学家平山竜士及同事创造的一种最新设备,名为"多模式声学阱显示器",可以同时生成视觉、听觉和触觉内容。它不仅能发出声音,还能在被"触摸"时产生一种触觉响应。这个原型恰似《星球大战》等科幻电影中的显示器,未来或将应用于生物医学和计算制造领域。(本文来源于《科技传播》期刊2019年23期）
李昂,宋晓莹[6]（2019）在《基于生成对抗网络的遥感图像超分辨率重建》一文中研究指出生成对抗网络模型可以用来生成服从原始真实图像分布规律的高频细节信息。为了进一步提高重建图像的视觉质量,对生成对抗网络的生成网络、判别网络及感知损失叁个方面进行了改进。首先移除了生成网络中的BN层,同时在残差块中采用密集连接的方式,增加网络模型的容量,降低了计算复杂性,增强了网络训练的稳定性。然后采用迁移学习技术来促进深度模型的训练,解决了遥感数据不足的问题。实验结果表明提出的算法通过对遥感图像超分辨率重建算法进行改进,可以获得更好的主观视觉效果,PSNR和SSIM均有显着提高。(本文来源于《光学与光电技术》期刊2019年06期）
倪文强,方志祥,李灵[7]（2019）在《图像显着度和信息量均衡的地标链生成方法》一文中研究指出提出基于图像显着度和信息量均衡的地标链生成方法,该方法建立地标显着度、全景图信息量和地标切换次数的多目标模型,基于遗传算法生成多目标优化的地标链。实验表明,能较好地平衡地标显着度、全景图信息量及地标切换次数等优化目标,生成的地标链具有较高的显着度与较低的视觉认知负担。(本文来源于《测绘地理信息》期刊2019年06期）
陈俊周,王娟,龚勋[8]（2019）在《基于级联生成对抗网络的人脸图像修复》一文中研究指出人脸图像修复技术为近年来图像处理领域的研究热点。该文提出一种基于级联生成对抗网络的人脸图像修复方法,从生成器、判别器、损失函数叁个方面进行改良。生成器采用由粗到精的级联式模型,并结合密集连接模块使所修复区域更加精细;判别器采用局部与全局特征相融合的双重判别式模型以提升判别准确性;损失函数采用最小化重构损失和对抗网络损失相结合以获得更好训练效果。基于CelebA数据集的实验显示,该方法可实现面部区域丢失50%以上的人脸图像修复,在客观评价指标PSNR和SSIM上,较现有方法分别提高了1.1～7.5 dB和0.02～0.15。从主观效果来看,该方法修复的人脸图像拥有更丰富的细节、更显自然。(本文来源于《电子科技大学学报》期刊2019年06期）
袁哲,孙延君,陈亮[9]（2019）在《基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法》一文中研究指出针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题,提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法.该算法主要基于图像的局部纹理特征,先提取计算机生成图像和自然图像的特征向量,再将该特征利用SVM分类器进行分类.实验结果表明,该算法可有效地鉴别计算机生成图像和真实图像.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
李华莹,林道玉,张捷,刘必欣[10]（2019）在《基于生成对抗网络的遥感图像去云算法》一文中研究指出计算机视觉中的许多问题可以抽象为将输入图像"转换"成对应的输出图像,图像转换算法是许多计算机视觉问题的通用解决方案,例如语义分割、风格转换等。本文将以遥感图像去云作为图像转换的特例,研究基于生成对抗网络的图像转换算法。提出基于残差模块的生成模型可以对单幅遥感图像进行厚云和薄云的去除;同时提出的多尺度判别网络以及VGG损失函数,有效地解决了复杂场景的云雾遮挡问题。实验结果表明,本文提出的图像转换算法在遥感图像薄云数据集上峰值信噪比提升了1.64 dB,在厚云数据集上峰值信噪比提升了1.92 dB,同时生成的无云遥感图像和真实的无云图像具有较高的结构相似性。(本文来源于《计算机与现代化》期刊2019年11期）
基于图像的生成论文开题报告范文
（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：
提出了一种新的基于生成对抗网络的人脸图像彩色化方法.所提出的网络结构包含两组生成对抗子网络,每个子网络由一个生成器和判别器组成.其中,一个对抗子网络A(包含生成器A和判别器A)实现从灰度图像到彩色图像的翻译过程,另一个子网络B(包含生成器B和判别器B)反转该过程,即生成器B对称地使用生成器A的最终输出图像作为输入,用来重建原始的人脸灰度图像.其中,网络中的循环损失进行图像重建,而生成损失和对抗损失用来保证生成的图像更加接近真实图像.实验结果表明,这种结构设计不仅能实现自然逼真的人脸图像彩色化,还能同时保证人脸的身份属性不变.
（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。
基于图像的生成论文参考文献
[1].裴慧坤,颜源,林国安,江万寿.基于生成对抗网络的无人机图像去模糊方法[J].地理空间信息.2019
[2].韩先君,刘艳丽,杨红雨.基于生成对抗网络的人脸图像彩色化方法[J].北京理工大学学报.2019
[3].李天成,何嘉.一种基于生成对抗网络的图像修复算法[J].计算机应用与软件.2019
[4].李炬,黄文培.基于生成对抗网络的图像修复技术研究[J].计算机应用与软件.2019
[5]..英国3D图像生成系统酷似“星战”显示器[J].科技传播.2019
[6].李昂,宋晓莹.基于生成对抗网络的遥感图像超分辨率重建[J].光学与光电技术.2019
[7].倪文强,方志祥,李灵.图像显着度和信息量均衡的地标链生成方法[J].测绘地理信息.2019
[8].陈俊周,王娟,龚勋.基于级联生成对抗网络的人脸图像修复[J].电子科技大学学报.2019
[9].袁哲,孙延君,陈亮.基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J].吉林大学学报(理学版).2019
[10].李华莹,林道玉,张捷,刘必欣.基于生成对抗网络的遥感图像去云算法[J].计算机与现代化.2019