导读:本文包含了梯度矢量流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:梯度,矢量,轮廓,模型,图像,边界,余弦。
梯度矢量流论文文献综述
陈孟[1]（2018）在《针对大图像的梯度矢量流快速计算方法研究》一文中研究指出梯度矢量流模型或者广义梯度矢量流模型在图像应用中被广泛使用,如降噪滤波、边缘增强、边缘提取等,特别是活动轮廓模型和图像分割。而且它在医学图像处理应用中也尤其广泛。然而,梯度矢量流或者广义梯度矢量流在大图像的应用中,由于其计算量大、计算效率低,使得其应用领域受限。本文在此背景下,针对大图像的梯度矢量流模型给出了快速计算研究方案。目前,在快速计算梯度矢量流或者广义梯度矢量流模型方法中,有两种最为经典的算法:基于多重网格模型的快速计算方法和基于非精确增广拉格朗日方法的快速计算方法。本文在这两个经典的方法基础上,结合快速傅里叶变换、离散正弦变换和离散余弦变换,针对叁种不同的边界条件提出了新的快速计算方法。本文的研究内容主要分为两个部分:第一部分,在基于非精确增广拉格朗日方法基础上,针对循环、狄利克雷和诺依曼叁种边界条件提出了相应的快速计算方法。首先说明了采用循环边界条件时,会导致梯度矢量流或者广义梯度矢量流模型的结果边界区域出现错误,然后采用另外两种边界条件避免这个缺陷。在提出的快速算法中,采用了快速傅里叶变换、离散正弦变换或者离散余弦变换。最后,本文提出的算法时间复杂度均为Cnlog(n)。第二部分,在第一部分研究基础上,结合了经典基于多重网格的快速计算方法。在完全多重网格计算方法的框架下,扩展了第一部分中提出的算法。结合完美多重网格计算方法后,新算法的时间复杂度与扩展之前相同,并且其计算效率有所提升。最后,本文采用256×256、512×512和1024×1024叁种尺寸的图像集合对算法的性能进行了实验。相比两种经典算法,本文提出的算法效率有所提升。然后以Lena图像为例,对比叁种不同的边界条件的算法,在图像中间区域,梯度矢量流或者广义梯度矢量流相差不大,而在边界区域,狄利克雷和诺依曼边界条件算法所得到的结果避免了循环边界条件算法结果中梯度矢量流偏离真实结果错误情形。(本文来源于《武汉大学》期刊2018-05-01）
许贤泽,陈孟,徐逢秋[2]（2018）在《结合离散正余弦变换的快速梯度矢量流算法》一文中研究指出为了提高求解梯度矢量流(GVF)的效率和准确度,在狄利克雷或诺依曼边界条件下提出了非精确拉格朗日离散正弦梯度矢量流(IALM-DST-GVF)和非精确拉格朗日离散余弦梯度矢量流(IALM-DCT-GVF)快速算法.两种算法在非精确增广拉格朗日优化算法基础上,结合了离散正弦和余弦变换.其算法时间复杂度均为O(CNlgN)(其中C为迭代次数,N为图像像素数量).在相同的环境下采用C++语言编码验证,结果表明:提出的算法比当前主流GVF算法效率更高,并且边界上的GVF域比IALM-GVF算法准确.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年01期）
卜晓燕[3]（2017）在《基于自适应权重函数梯度矢量流活动轮廓模型的红外图像分割》一文中研究指出红外图像噪声繁多、边缘模糊、对比度低,因而对红外图像的分割具有挑战性和实用性。梯度矢量流(GVF)活动轮廓模型的参数选择缺乏自适应性,因而降低了红外图像分割的性能。本文提出了基于自适应权重函数的梯度矢量流活动轮廓模型用于红外图像分割。首先,将扩散项中的拉普拉斯算子分解为法向和切向,并引入自适应函数作为法向和切向扩散的系数。同时,将GVF模型中扩散项和数据项的系数改进为自适应的权重函数,使活动轮廓曲线在收敛过程中具有各向异性。对比实验结果表明提出的改进模型能够有效地保护弱边界并正确地分割红外图像。(本文来源于《Proceedings of 2017 4th International Conference on Power and Energy Systems (PES 2017)》期刊2017-11-11）
付永清,张宪民[4]（2017）在《基于梯度矢量流的柔顺机构拓扑图轮廓提取方法》一文中研究指出提出一种基于梯度矢量流模型的柔顺机构拓扑图的轮廓提取方法。该方法首先通过密度再分配求出单元节点密度,然后,利用差分方法计算出单元节点密度的梯度,之后,相继求出节点的外能、传统外力和梯度矢量流。在模型演化过程中,利用双线性插值算法求出任意点的GVF,同时,针对拓扑图的孔所处的不同位置,给出了不同的初始模型及相应的模型演化方法,实现了柔顺机构拓扑图轮廓的自动提取。最后,数值算例表明了文中算法的可行性。(本文来源于《组合机床与自动化加工技术》期刊2017年07期）
祝世平,高瑞东[5]（2015）在《基于自适应扩散梯度矢量流的图像分割算法》一文中研究指出为了提高活动轮廓分割图像的精度,解决传统活动轮廓不能够收敛到深凹陷和弱边界对象分割效果不佳等问题,提出了自适应扩散梯度矢量流(AD-GGVF)算法。首先,在外部力场中,使用基于分量的归一化方法代替传统的基于矢量的归一化方法,提高活动轮廓曲线进入深凹陷的能力;然后,将拉普拉斯算子分解为切向和法向分量,并增加两个互相关的自适应权重函数,使轮廓曲线能够根据图像的局部特征自适应调节扩散过程;最后,以分割结果的量化误差为评价标准,和传统的活动轮廓分割效果进行对比和分析。实验结果表明,本文算法针对两幅不同的弱边界图像,量化误差分别降低到0.08和0.09,活动轮廓曲线能够收敛到深凹陷的底部;分割效果较为准确。(本文来源于《光电子·激光》期刊2015年12期）
张静林,高红,马宝英[6]（2015）在《一种改进的梯度矢量流Snake侧脑室分割算法》一文中研究指出为提高侧脑室分割的准确性和鲁棒性,提出了一种改进的梯度矢量流(Gradient Vector Flow,GVF)Snake算法用于侧脑室的分割。该算法首先运用先验信息自动化初始化轮廓线;其次通过边界检测算子对脑影像处理生成边缘图;最后在边缘图的基础上计算GVF场,并进行轮廓线演化得到侧脑室分割结果。选取不同特征的侧脑室图像对该算法进行实验验证,该算法能准确提取侧脑室尖锐角点处轮廓,克服了GVF Snake过收敛的问题,同时该算法对于左右侧脑室连接处较细的情况,分割效果良好。(本文来源于《中国医学物理学杂志》期刊2015年05期）
赵恒博[7]（2014）在《一种基于改进的梯度矢量流模型的图像分割方法》一文中研究指出为了更加有效的消除噪声对图像分割的影响,本文提出了一种改进的梯度矢量流外力模型:基于扩展邻域和噪声平滑的梯度矢量流(ENGVF)模型。该模型在梯度矢量流的基础上,引入了扩展邻域卷积运算,还在拉普拉斯算子模板中加入噪声平滑模板。实验表明,该改进模型运算速度快、捕捉范围大、抗噪能力强,且在深度凹陷区域的分割上性能卓越。(本文来源于《信息与电脑(理论版)》期刊2014年04期）
齐志艺[8]（2013）在《融合激光雷达数据与改进梯度矢量流模型的建筑物提取》一文中研究指出梯度矢量流(GVF)模型是动态轮廓模型的一个典型,它常用于建筑物轮廓的提取,但在实际应用中,该模型对噪声非常敏感、容易出现边缘误检测。针对GVF模型在提取建筑物中存在的问题,本文提出了一种改进的GVF模型方法。新模型对GVF模型两个方面进行了调整:起始种子点的选择和外部能量函数,在GVF模型中引入高度能量因子和区域的能量因子,通过减小最小化多边形灰度方差和高度方差的方法,来解决对噪声敏感和边缘不理想问题。提出的算法能够稳定的逼近真实建筑物轮廓,尤其适用于复杂的城市环境。实验结果表明,用本文方法提取复杂的城市环境中建筑物,得到的图形精度是95%,而GVF模型的是83%。(本文来源于《山西青年》期刊2013年22期）
胡倩,张丰,刘仁义,杜震洪[9]（2013）在《基于梯度矢量流和主动轮廓模型的海陆边界提取》一文中研究指出利用边缘检测与主动轮廓模型组合的方法可提取海陆边界线,但易受轮廓跟踪的缺点的影响.在该方法的基础上,利用边缘检测与梯度矢量流的有向力作用生成初始轮廓线,再使用主动轮廓模型对初始轮廓线进行调整,得到精确的海陆边界.实验证明该方法可简便地生成有效的初始轮廓线并准确提取海陆边界,避免使用轮廓跟踪法.该方法可利用GIS数据辅助以简化提取流程.(本文来源于《浙江大学学报(理学版)》期刊2013年06期）
黄春春,张麒,李超伦,施俊,王文平[10]（2013）在《基于多尺度分析与方向梯度矢量流蛇模型的颈动脉超声造影图像分割》一文中研究指出1目的提取颈动脉超声造影(CEUS)图像中的血管边界对血管形态与弹性等属性的测量具有重要意义。由医生手工勾勒血管轮廓耗时耗力,重复性差,主观性强。CEUS图像受斑点噪声严重污染,使得传统计算机分割方法存在鲁棒性和初始化问题。为自动、精确提取颈动脉CEUS图像中的血管边界,本文研究基于多尺度分析和方向梯度矢量流(DGVF)蛇模型的图像分割方法。(本文来源于《中国超声医学工程学会第八届超声治疗专委会学术会议、第六届仪器工程开发专委会学术会议、第五届超声生物效应专委会学术会、重庆超声医学工程学会学术会议论文集》期刊2013-07-12）
梯度矢量流论文开题报告
（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：
为了提高求解梯度矢量流(GVF)的效率和准确度,在狄利克雷或诺依曼边界条件下提出了非精确拉格朗日离散正弦梯度矢量流(IALM-DST-GVF)和非精确拉格朗日离散余弦梯度矢量流(IALM-DCT-GVF)快速算法.两种算法在非精确增广拉格朗日优化算法基础上,结合了离散正弦和余弦变换.其算法时间复杂度均为O(CNlgN)(其中C为迭代次数,N为图像像素数量).在相同的环境下采用C++语言编码验证,结果表明:提出的算法比当前主流GVF算法效率更高,并且边界上的GVF域比IALM-GVF算法准确.
（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。
梯度矢量流论文参考文献
[1].陈孟.针对大图像的梯度矢量流快速计算方法研究[D].武汉大学.2018
[2].许贤泽,陈孟,徐逢秋.结合离散正余弦变换的快速梯度矢量流算法[J].华中科技大学学报(自然科学版).2018
[3].卜晓燕.基于自适应权重函数梯度矢量流活动轮廓模型的红外图像分割[C].Proceedingsof20174thInternationalConferenceonPowerandEnergySystems(PES2017).2017
[4].付永清,张宪民.基于梯度矢量流的柔顺机构拓扑图轮廓提取方法[J].组合机床与自动化加工技术.2017
[5].祝世平,高瑞东.基于自适应扩散梯度矢量流的图像分割算法[J].光电子·激光.2015
[6].张静林,高红,马宝英.一种改进的梯度矢量流Snake侧脑室分割算法[J].中国医学物理学杂志.2015
[7].赵恒博.一种基于改进的梯度矢量流模型的图像分割方法[J].信息与电脑(理论版).2014
[8].齐志艺.融合激光雷达数据与改进梯度矢量流模型的建筑物提取[J].山西青年.2013
[9].胡倩,张丰,刘仁义,杜震洪.基于梯度矢量流和主动轮廓模型的海陆边界提取[J].浙江大学学报(理学版).2013
[10].黄春春,张麒,李超伦,施俊,王文平.基于多尺度分析与方向梯度矢量流蛇模型的颈动脉超声造影图像分割[C].中国超声医学工程学会第八届超声治疗专委会学术会议、第六届仪器工程开发专委会学术会议、第五届超声生物效应专委会学术会、重庆超声医学工程学会学术会议论文集.2013
论文知识图
