导读:本文包含了图像边缘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,图像,算子,图像处理,卷积,特征,余弦。
图像边缘论文文献综述
陈浩[1]（2019）在《图像经典边缘检测算子的研究与比较》一文中研究指出图像边缘是图像的重要结构属性,图像边缘检测在图像处理和计算机视觉中具有重要的作用。研究了4种经典的边缘检测算子,并通过对一幅图像使用相应算子进行边缘检测,比较和分析了相应的检测结果,剖析了各个算子的特点及优势。(本文来源于《电脑编程技巧与维护》期刊2019年12期）
庞明明,安建成[2]（2019）在《融合模糊LBP和Canny边缘的图像分割》一文中研究指出现有Canny算法获取图像目标区域边缘时断裂过多,因此提出一种融合模糊局部二值模式的Canny边缘检测算法(fuzzy local binary pattern-Canny,FLBP-Canny)。为加强局部结构信息,将模糊数学和局部二值模式相融合,结合Canny算子提取目标轮廓。实验结果表明,FLBP-Canny算法对区域轮廓有较好检测率。(本文来源于《计算机工程与设计》期刊2019年12期）
高小松,马宁,孙利,刘辉,杨耀东[3]（2019）在《基于形状先验点阵结构CT图像边缘提取方法》一文中研究指出采用增材制造的复杂点阵结构已经得到了广泛的应用,CT检测技术与其他无损检测技术相比,其优势在于能给出与复杂点阵结构的几何结构、组分及密度特性相对应的CT图像。为了准确提取CT图像中点阵结构连杆几何形态特征,提出了一种基于形状先验的CT图像边缘提取方法,利用数学矩的概念将点阵结构感兴趣区等效为具有相同标准二阶中心矩的椭圆,获取点阵结构CT图像感兴趣区边缘各像素点到图像中心的有效数据信息,然后以形状先验信息为检核条件,实现点阵结构CT图像边缘提取。该方法可以不受点阵结构表面不线性、不规则的影响和点阵结构复杂造成的CT图像质量差的影响,准确提取感兴趣区内的CT几何特征,所用参数都是利用数学矩解算,可实现高精度的尺寸测量,并且可实现自动测量。(本文来源于《新技术新工艺》期刊2019年11期）
张陵,常喜强,高宝琪,王学民,王志远[4]（2019）在《基于最优鉴别特征的电力设备铭牌图像边缘纹理数据识别》一文中研究指出为解决电力纹理图像精准识别率低下的问题,提出基于最优鉴别特征的电力模糊图像边缘纹理智能识别方法。在电力模糊图像的最优特征鉴别子集中,通过计算提取复杂度的方式,统计图像纹理的邻类参量,完成基于最优鉴别特征的电力模糊图像边缘纹理参量提取。在此基础上,利用边缘神经网络中电力图像节点的分布情况,计算智能平滑参数,并根据现有模糊图像的具体数量,对识别流程进行完善创新,实现新型智能识别方法的搭建。与现有识别手段相比,应用基于最优鉴别特征的电力模糊图像边缘纹理智能识别方法后,横波、纵波电力纹理图像识别准确率的最大值均超过90%,精准识别率低下的问题得到有效解决。(本文来源于《自动化与仪器仪表》期刊2019年11期）
车敏,张红梅,拓明福[5]（2019）在《小波变换和边缘信息的光谱图像融合研究》一文中研究指出光谱图像融合能够准确提取图像中的目标特征,可降低光谱图像目标检测误差与识别误差。以光谱图像融合问题为研究核心,提出基小波变换和边缘信息的光谱图像融合算法,采用基于小波的多尺度边缘检测方法获取光谱图像边缘信息,通过基于BayesShrink阈值抑制的边缘去噪方法,去除光谱图像边缘的噪声,对经过去噪后的光谱图像实行首次融合获取四种光谱图像,计算强度图像与线光谱图像DOLP的边缘相关性,最终通过边缘相关性实行光谱图像二次融合。经验证,所提算法能够继承光谱源图像中大量边缘信息,充分突出目标细节性边缘,且融合后的光谱图像清晰度最高。(本文来源于《激光杂志》期刊2019年11期）
王彤[6]（2019）在《基于卷积神经网络的舰船图像边缘检测算法》一文中研究指出为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。(本文来源于《舰船科学技术》期刊2019年22期）
张晗,钱育蓉,王跃飞,陈人和,田宸玮[7]（2019）在《基于图像边缘增强与弱化的边缘检测》一文中研究指出为提高边缘算子检测结果的清晰度,在扩充清晰边缘面积上,提出深度探测法以增强邻域边缘;在消除模糊纹理上,用跨越步长Δx和Δy作为模糊纹理和清晰边缘的分界,达到弱化模糊纹理的目的,凸显模糊区域局部对比度;在算法执行效率上,空间复杂度不高,但时间复杂度为O(4n3)。经测试,该算法可实现扩充清晰边界、弱化模糊纹理以及凸显模糊纹理区域对比度的目标,在小于1600*1600分辨率图像上处理速度较佳,但在更高分辨率上计算较久。该方法凸显了边缘分界,可用在其它领域算法预处理阶段。(本文来源于《计算机工程与设计》期刊2019年11期）
史利莹[8]（2019）在《图像边缘提取中叁个算子的初步分析》一文中研究指出图像边缘提取是图像识别中很重要的一步,提取边缘的效果可直接影响到目标识别的精度和准确度。本文针对此问题,选择了叁种有代表性的边缘提取算子,分别讨论了Sobel算子、Laplace算子和Canny算子,并分析各算子的特性和优缺点,初步证明了它们的边缘提取效果和适用场景。引言:随着人工智能的飞速发展,计算机视觉方面的发展也越来越快,图像处理更是日趋成熟。本文针对图像处理中的边缘提取,进行初步分析,为图像处理的深入研究奠定基础。(本文来源于《电子世界》期刊2019年21期）
陈惠娜[9]（2019）在《LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例》一文中研究指出在人脸图像识别的问题中,光照是一个重要的影响因素。为消除光照的影响,本文运用LDCT方法与边缘检测技术对人脸特征进行处理,消除光照对人脸识别的影响。通过边缘提取的阈值参数,使识别率可以达到94%,与传统方法人脸识别有很大的进步与创新。人面图像识别有着非常广泛使用范围与价值,如在医学图像中的细胞识别、马路上的汽车识别、重要工作岗位人员识别、家庭日常生活中人面图像识别中发挥重要作用的作用。(本文来源于《现代经济信息》期刊2019年21期）
陈烽,薛茹[10]（2019）在《基于边缘切向流与颜色量化的图像抽象化》一文中研究指出图像抽象化绘制旨在以模糊、抽象的艺术手法展现图像。提出了基于边缘切向流与颜色量化的图像抽象化绘制方法,首先,在RGB(Red,green,blue)颜色空间提取各颜色通道的梯度,并对其进行融合,对融合后的梯度图像求边缘切向流,并使用高斯差分滤波(flow-based difference-of-gaussians,FDOG)方法提取图像的特征线条;然后,对原始图像用非线性方法进行平滑处理,并在(hue-saturation-intensity, HSI)颜色空间进行量化;最后,将量化图像和特征线条图像进行融合,得到原图像的抽象化图像。实验证明该方法增强了图像轮廓的主要特征并忽略了局部细节,突出了图像的层次感,使图像简洁清晰,抽象化效果显着。(本文来源于《南华大学学报(自然科学版)》期刊2019年05期）
图像边缘论文开题报告
（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：
现有Canny算法获取图像目标区域边缘时断裂过多,因此提出一种融合模糊局部二值模式的Canny边缘检测算法(fuzzy local binary pattern-Canny,FLBP-Canny)。为加强局部结构信息,将模糊数学和局部二值模式相融合,结合Canny算子提取目标轮廓。实验结果表明,FLBP-Canny算法对区域轮廓有较好检测率。
（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。
图像边缘论文参考文献
[1].陈浩.图像经典边缘检测算子的研究与比较[J].电脑编程技巧与维护.2019
[2].庞明明,安建成.融合模糊LBP和Canny边缘的图像分割[J].计算机工程与设计.2019
[3].高小松,马宁,孙利,刘辉,杨耀东.基于形状先验点阵结构CT图像边缘提取方法[J].新技术新工艺.2019
[4].张陵,常喜强,高宝琪,王学民,王志远.基于最优鉴别特征的电力设备铭牌图像边缘纹理数据识别[J].自动化与仪器仪表.2019
[5].车敏,张红梅,拓明福.小波变换和边缘信息的光谱图像融合研究[J].激光杂志.2019
[6].王彤.基于卷积神经网络的舰船图像边缘检测算法[J].舰船科学技术.2019
[7].张晗,钱育蓉,王跃飞,陈人和,田宸玮.基于图像边缘增强与弱化的边缘检测[J].计算机工程与设计.2019
[8].史利莹.图像边缘提取中叁个算子的初步分析[J].电子世界.2019
[9].陈惠娜.LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例[J].现代经济信息.2019
[10].陈烽,薛茹.基于边缘切向流与颜色量化的图像抽象化[J].南华大学学报(自然科学版).2019
论文知识图
