边缘保持论文开题报告文献综述

边缘保持论文开题报告文献综述

导读:本文包含了边缘保持论文开题报告文献综述、选题提纲参考文献,主要关键词:边缘,图像,卷积,神经网络,平滑,光晕,算法。

边缘保持论文文献综述写法

黄德亮,蒋淑君,于腊梅,施真,潘虹[1](2019)在《大鼠边缘下区H_2S/CBS在条件性恐惧消退保持中的作用及机制研究》一文中研究指出目的探讨条件恐惧大鼠边缘下区胱硫醚-β-合成酶(cystathionine-β-synthase,CBS)/硫化氢(hydrogen sulfide,H_2S)变化,及H_2S对条件恐惧消退保持的作用及机制。方法采用以声音为提示的足底电击建立大鼠恐惧记忆模型,仅给予声音信号进行恐惧消退训练。Western blot和亚甲基蓝法检测边缘下区CBS/H_2S含量,在体细胞外电生理技术记录边缘下区神经元放电情况。结果结果表明:(1)大鼠条件恐惧训练后边缘下区CBS/H_2S含量减少(P<0.01),僵立行为加重(P<0.01);消退训练后边缘下区CBS/H_2S含量有所回升(P<0.01,P<0.05),僵立行为有所减轻(P<0.01)。(2)外源性补充H_2S后可改善消退训练大鼠的僵立行为(P<0.01)。(3)边缘下区微量压力注射硫化氢供体L-半胱氨酸使该区神经元自发放电频率升高(P<0.01)。结论边缘下区CBS/H_2S参与调节恐惧记忆的消退过程,外源性增加H_2S可增强条件恐惧消退行为,该作用可能与其增加边缘下区神经元放电频率和兴奋性有关。(本文来源于《中国药理学通报》期刊2019年12期)

阙禄松,王明泉,张俊生,李汉[2](2019)在《基于多尺度局部边缘保持滤波的X射线图像色调映射算法》一文中研究指出为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和叁个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。(本文来源于《科学技术与工程》期刊2019年28期)

石晓红,黄钦开,苗佳欣,苏卓[3](2019)在《基于卷积网络的边缘保持滤波方法》一文中研究指出边缘保持滤波是计算机视觉、图像处理领域的重要基础理论研究,作为图像预处理操作对后续的处理结果有着重要影响。区别于传统滤波方法,边缘保持滤波方法不仅注重图像的平滑处理,还注重保持边缘细节。卷积神经网络在很多领域得到了应用,并取得显着的成果。本文将卷积神经网络引入边缘保持滤波,利用卷积神经网络的良好扩展性和灵活性来构建深度卷积神经网络模型(Deep Convolutional Neural Network,DCNN),通过3种类型的网络堆迭层,采用反向传播迭代更新网络参数,训练残差图像,实现基于DCNN的边缘保持滤波方法;还构建了基于梯度域的卷积神经网络模型(Gradient CNN,GCNN),对彩色图像的梯度信息进行学习,通过叁层卷积对梯度图进行边缘保持平滑操作,得到边缘保持平滑梯度图,进而利用输入图像引导平滑梯度图进行彩色重建,得到彩色滤波图像。最后通过实验与常见的边缘保持滤波方法进行主观和客观评价对比。DCNN不仅在视觉上达到了其他滤波的效果,同时在处理时间上也存在较大优势,表明DCNN可以通过大量的数据训练有效地拟合出多种边缘保持滤波算法。与其他边缘保持滤波结果相比,GCNN在视觉上可以保持颜色风格与输入图像整体一致,而且图像相似度评价指标也更好,表明GCNN解决了部分滤波处理出现颜色偏差、梯度反转等问题,而且提高了处理效率。(本文来源于《计算机科学》期刊2019年09期)

王娜,陈广学[4](2019)在《边缘保持滤波技术在空间色域映射中的应用》一文中研究指出色域映射是跨媒体图像复制中的一项关键技术,主要用以解决图像颜色信息在不同色域大小的颜色设备之间的准确传输。目前已有不少成熟的色域映射算法,其中,按照映射原理可以将色域映射算法分为逐点色域映射和空间色域映射两大类。逐点色域映射方法由于不考虑图像中像素间的颜色关系,因此会造成映射图像的细节丢失。空间色域映射方法考虑了每个映射点的空间颜色关系,是一种更为合理和更符合人类视觉特性的映射方法。但是,目前空间色域映射算法需要进行很多细节补偿,这将会产生视觉上较为明显的光晕效应。(本文来源于《影像科学与光化学》期刊2019年04期)

贾玲慧[5](2019)在《基于边缘保持滤波器和显着性的多模态医学图像融合方法研究》一文中研究指出多模态医学图像融合指通过某种途径将多幅包含不同特征信息的医学图像融合成一张图像的过程。与单一模态图像相比,融合图像能更全面地反映组织器官的信息描述,可为临床提供更丰富的辅助诊疗信息。现有的多模态医学融合研究包含两种模式:灰度图像与灰度图像的融合(比如MRI-CT)和灰度图像与伪彩色图像的融合(比如MRI-PET和MRI-SPECT)。MRI-CT融合能得到包含器官轮廓信息和软组织信息的图像,适用于肿瘤的诊治。MRI-PET融合和MRI-SPECT融合能得到包含清晰的软组织信息和丰富的色彩信息的图像,适用于癌症的诊治。本文以MRI和CT、PET、SPECT的融合为研究对象,针对现有融合方法中存在的成分丢失(结构、颜色)和融合图像模糊的问题,提出了两种有效的融合方法。针对现有MRI-PET、MRI-CT融合中存在的主成分(结构、颜色)丢失问题,本文提出一种基于导向滤波和图论显着性的多模态医学图像融合方法。首先,利用导向滤波算法将源图像分解为多个尺度的粗糙和细节子带图像。然后,分别利用信息熵和图论显着性检测算法来指导粗糙和细节子带图像的融合。最后,通过求和算法对融合子带图像进行重构生成最终的融合图像。实验对比分析表明,本方法存在结构信息保留较完整与色彩丢失较少的优点。针对现有MRI-PET、MRI-SPECT融合中存在的融合图像模糊问题,本文提出一种基于梯度导向滤波和多显着性的多模态医学图像融合方法。首先,利用梯度导向滤波算法将源图像进行分解,得到多个尺度的子带图像。然后分别利用空间残余谱显着性检测算法和图论显着性检测算法对不同类型的子带图像构造融合规则,并利用广义亮度-色调-饱和度方法对融合系数进行组合。最后,通过对融合后的子带图像进行相加重构得到最终的融合图像。实验表明,与多种经典且有效的融合方法相比,本方法融合结果在纹理和边缘信息的展示上更加清晰。(本文来源于《重庆邮电大学》期刊2019-06-02)

肖云飞[6](2019)在《基于边缘计算和深度学习的车道保持系统设计与实现》一文中研究指出车道保持是自动驾驶的基本功能之一,可以避免车辆行驶中因车道偏离而造成交通事故。自动驾驶是一项多学科领域交叉的技术平台,各种先进技术可以在此平台上相互促进发展,共同完成目标。近几年深度学习技术领域得到较多突破,其原因主要归功于当前硬件计算能力的发展,以及大数据时代训练数据样本的大量增加,不少学者也将深度学习应用于自动驾驶领域,以实现车辆道路标志识别、自动避障或车道保持等功能。在此背景下,本文基于边缘计算的系统架构,应用端到端的卷积神经网络(CNN),设计一套集合数据采集、传输和训练的车道保持系统,并在车辆终端应用深度学习模型实现车道保持的功能。设计采用一台搭载单目摄像头的树莓派控制的小车,通过遥控方式进行道路图像采集并自动标注,通过物联网传输协议将训练样本文件传输至边缘端服务器,在服务器应用端到端的卷积神经网络进行训练,并最终在小车终端应用模型以实现车道保持的功能。由于自动驾驶领域数据集的采集和标注工作是一项繁琐的工作,因此本文提出应用边缘计算框架实现训练数据的传输,有效节省采集和标注数据样本的时间成本,从软件架构层面上对数据样本的收集方式进行改进,实现深度学习样本数据在自动驾驶领域的扩充和应用。通过系统在树莓派小车平台的应用,实验结果表明,该车道保持系统能够自动采集和标注道路图像素材,作为深度学习模型的训练样本,小车载入训练后的模型能够在具备标志线的跑道上实现车道保持的功能。(本文来源于《南京大学》期刊2019-05-20)

李贤阳,阳建中,杨竣辉,陆安山[7](2019)在《基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法》一文中研究指出为了提高红外图像的全局与局部对比度,并有效抑制背景噪声,提出基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法。引入边缘保持平滑滤波,将低质量红外图像分解为一个低频分量和一个高频分量序列;基于模糊统计理论,利用红外图像的强度等级的不确定性,形成平滑直方图,确定出局部最大值,利用优化的平台直方图对低频分量完成增强;根据高频分量的标准差,将其高频分量分类为强边缘、中边缘与弱边缘系数,再设计叁个不同的增强方法,对这叁类系数进行差异增强,从而得到增强的高频分量序列;将增强的低频分量与一系列的高频分量完成组合,形成增强图像;引入非局部均值滤波,对增强图像实施降噪处理。测试结果表明:与当前低质量红外图像增强方案相比,该方法拥有更高的增强视觉质量,更好地兼顾全局与局部对比度,消除过渡增强、伪影与噪声,且输出图像具有更大的熵值与标准偏差值,分别保持在6.8、5.3以上。(本文来源于《计算机应用与软件》期刊2019年03期)

代沁伶[8](2018)在《边缘保持图像滤波的应用研究》一文中研究指出随着计算机技术、通信技术和传感器技术的发展,在遥感、生物医学等各个领域,海量、高质图像数据的快速获取成为可能,一个令人叹为观止的数字图像世界己经形成,数字图像应用的新纪元正向我们走来。几乎是伴随着数字图像的出现,就产生了图像滤波技术。图像滤波利用像素周围邻域像素的值决定中心像素的输出值,是计算机图像处理中最基本的操作之一,也是绝大多数图像信息提取过程都涉及的步骤。经过近叁十年的发展,保持边缘的图像滤波技术己经在图像去噪、边缘检测等图像处理经典问题中广泛应用。随着各种新理论的提出和引入,其理论和方法进一步发展完善,也催生出新的应用领域,在计算机视觉等领域也发挥着越来越重要的作用。同时,海量图像数据的出现,新的图像处理应用需求,也为图像滤波带来了新的问题和挑战。本文总结了现有边缘保持图像滤波方法的优劣,选择以均值漂移滤波和引导滤波为工具,以解决自然场景、遥感场景图像处理和分析中典型问题为目标,从遥感图像融合、图像分割、遥感图像特征提取与分类多个图像处理层次上开展了研究工作。本文研究工作概括为以下几个方面:1.研究首先系统地综述了各种边缘保持滤波方法及应用,分析了研究趋势。就均值漂移滤波和引导滤波,这两种典型的、性能优越的边缘保持滤波方法,从理论基础、参数设置和方法应用等方面进行了初步的探讨。2.将引导滤波引入到遥感图像融合中,有效改善了融合结果的光谱失真问题。图像融合是将多源信道获取的关于同一目标的图像数据,合成具备各信源优点的高质量图像的过程。遥感全色与多光谱图像的融合希望生成的新图像既具有全色图像丰富的空间细节,又具有多光谱图像丰富的光谱信息。成分代替融合方法是遥感图像融合的经典方法,包括低分辨率全色波段模拟和细节注入两个步骤。该类方法具有计算复杂度低,融合后图像空间分辨率提升明显的优点,但也存在着严重的光谱失真。光谱失真的主要原因在于全色波段模拟过程中替代和被替代的波段间亮度分布的不匹配。为解决这一问题,本文提出了一种局部自适应成分替代的融合方法,即将经典低分辨率全色波段模拟和细节注入的全局模型均采用局部自适应模型代替。首先,在全色图像和多光谱波段图像之间建立局部线性回归模型,模拟低分辨率的全色波段。然后,将提取的细节,根据局部估计的权重注入到多光谱波段中。该方法充分利用了引导滤波可以将引导图像的结构传递到输入图像的特点。实验测试了 7对从GF-2、QuickBird和WorldView-2卫星传感器获得的图像,定量和目视的评价结果表明,所提出的方法比现有方法的光谱保真度更好。3.在图像解译过程中,区域分割是从像素空间到特征空间的重要一环,其质量直接影响后续解译的效率和精度。均值漂移分割算法是均值漂移图像滤波算法的拓展,在自然和遥感场景的图像分析中都广受关注。但该方法没有发挥指征对象边界的局部不连续信息的作用,存在不能有效检测、分割弱边缘对象的问题。针对这一问题,提出一种结合边界置信度度量的均值漂移分割框架,将边界置信度信息以自适应权重的形式整合到均值漂移迭代过程中。为获得可靠的边界置信度信息,提出了基于回归建模的低层次多边缘算子整合思路。分别提取灰度梯度和梯度矢量夹角测度,亮度梯度、色度梯度和纹理梯度,两组边缘算子,采用Logistic回归和支撑向量回归模型(SVR),形成了 4种边界置信度估测算法。提出的框架和方法,通过Berkeley Benchnark 300自然场景数据库进行了训练和预测。通过概率随机指数(PRI)、全局一致性误差(GCE)、信息变差(Vol)以及专用于彩色图像分割评价的经验评价函数(EEF)四个定量指标,以及目视解译,评价了分割质量。实验结果表明:边界置信度信息的加入,有助于改善均值漂移分割中的欠分割问题;亮度梯度、色度梯度和纹理梯度与SVR的组合获得了整体最优的边界置信度预测表现,进而产生了最优的分割效果;边界置信度信息的加入,使得纹理对象或弱边界对象的边界都获得了较准确的识别。4.以均值漂移分割获得的过分割区域为建模基元,提出了一种结合区域多尺度分割和马尔科夫随机场的建模方法,实现遥感场景的大尺度语义分类。多尺度分析技术广泛应用于高分辨率遥感图像的特征提取和建模中。但分解层数受制于图像的大小,下采样小波变换实现的图像多尺度表达难以描述大范围的空间模式,导致分类结果出现“胡椒盐”现象;面向对象的图像分析技术虽避免了“胡椒盐”现象,但由于仅利用了单尺度的的特征,也难以描述图像多层次的空间模式,导致分类精度较低。为改善分类结果中的“胡椒盐”现象和提高分类精度,提出了一种基于多尺度区域马尔科夫随机场建模的分类方法。首先,通过结合自适应权重的均值漂移分割算法获得过分割区域,依据区域内亮度均值以及区域间的共享边界长度信息,提取图像低频和高频特征,采用该低频特征波段代替原始图像,重复分割与特征波段提取过程,形成图像的区域多尺度表达。然后,以原始图像为初始尺度,以分割区域为处理单元,以更细尺度分类结果为标记场先验,以当前高频特征建立特征场,逐层分类、投影,获得最终尺度分类结果。合成纹理图像和多光谱遥感图像的实验表明:整合边界置信度信息的均值漂移分割算法能有效的为后续区域建模提供分析单元;相比于小波域多尺度和单尺度区域建模方法,提出的方法有效的提高了分类精度,并避免了“胡椒盐”现象的产生。5.高光谱遥感图像地物覆盖分类中,单一尺度特征无法有效表达地物类间差异和区分地物边界。为了解决这一问题,基于不同尺度参数实现地物不同尺度抽象的思想,分别提取均值漂移多尺度特征和引导滤波多尺度空间特征。首先,利用主成分分析对高光谱图像进行降维;然后,将第一主成分或前叁个主成分作为引导图像,将包含信息量最多的前若干主成分分别作为输入图像,应用多个尺度参数进行引导滤波处理,提取多尺度特征,获得图像不同尺度的结构信息;同时,通过设置依次增大的光谱域及空间域带宽,实现均值漂移多尺度特征的提取。最后,将不同尺度的特征堆迭,形成特征向量,输入分类器中进行图像监督分类。采用帕维亚大学(University)、帕维亚城区(Centre)等3幅高光谱实验数据,提取了多尺度引导滤波特征、多尺度均值漂移特征、多尺度形态特征(EMPs)和多尺度Gabor纹理特征,输入到支持向量机和随机森林分类器中,进行了实验。实验全面对比分析了各特征、分类器的性能优劣。实验结果表明:多尺度特征融合有助于整体分类精度的提高,但往往是以个别类别的分类精度下降为代价;相比EMPs和Gabor纹理特征,提出的两种多尺度特征能在平滑地物细节的同时,有效保留地物的边界结构,在多个尺度上均获得了较优分类结果。(本文来源于《武汉大学》期刊2018-11-01)

帅然,吕植勇,刘昌伟,赖俊豪[9](2018)在《递归边缘保持型双目立体匹配算法研究》一文中研究指出通过对近年来的双目立体匹配算法的研究,从3D图像处理算法设计的实时性和精确性两个方面进行研究,提出了一种递归边缘保持性双目立体匹配算法,并将由此算法获取的视差图进行优化渲染得到3D图像.通过仿真实验验证了算法的有效性.该图像处理算法的误码率能够与先进的局部双目匹配算法相媲美,平均误码率在5.6%,而且该算法中只运用了加法、乘法等简单运算,在计算复杂度上占有优势,因此在实时性上也表现良好.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2018年05期)

孟月波,刘光辉,徐胜军,冯峰[10](2019)在《一种具有边缘保持的多尺度马尔可夫随机场模型图像分割方法》一文中研究指出针对图像分割中常规四叉树结构的多尺度马尔可夫随机场模型非重迭区域在最优化过程中所造成的块效应,以及建模和推理过程导致低分辨率图像边缘细节模糊、缺失的现象,提出了一种具有边缘保持的多尺度马尔可夫随机场(Edge Preserving Multi-Resolution Markov Random Field, EPMRMRF)模型。该模型首先利用邻接区域之间的交互重迭约束,将局部区域的优化传递到相邻区域;其次采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。之后,为了对EPMRMRF模型进行迭代优化,提出一种分层区域置信度传播算法(Hierarchical Regional Belief Propagation Algorithm,HRBP),基于最大后验准则,求解马尔可夫随机场最大后验全局分布。实验结果表明,EPMRMRF模型和HRBP分割算法不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,概率兰德指数相似性评价指标平均提升至0.890 9,全局一致性误差差异性评价指标平均降低至0.192 3。(本文来源于《西安交通大学学报》期刊2019年03期)

边缘保持论文开题报告范文

(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:

为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和叁个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。

(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。

边缘保持论文参考文献

[1].黄德亮,蒋淑君,于腊梅,施真,潘虹.大鼠边缘下区H_2S/CBS在条件性恐惧消退保持中的作用及机制研究[J].中国药理学通报.2019

[2].阙禄松,王明泉,张俊生,李汉.基于多尺度局部边缘保持滤波的X射线图像色调映射算法[J].科学技术与工程.2019

[3].石晓红,黄钦开,苗佳欣,苏卓.基于卷积网络的边缘保持滤波方法[J].计算机科学.2019

[4].王娜,陈广学.边缘保持滤波技术在空间色域映射中的应用[J].影像科学与光化学.2019

[5].贾玲慧.基于边缘保持滤波器和显着性的多模态医学图像融合方法研究[D].重庆邮电大学.2019

[6].肖云飞.基于边缘计算和深度学习的车道保持系统设计与实现[D].南京大学.2019

[7].李贤阳,阳建中,杨竣辉,陆安山.基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法[J].计算机应用与软件.2019

[8].代沁伶.边缘保持图像滤波的应用研究[D].武汉大学.2018

[9].帅然,吕植勇,刘昌伟,赖俊豪.递归边缘保持型双目立体匹配算法研究[J].武汉理工大学学报(交通科学与工程版).2018

[10].孟月波,刘光辉,徐胜军,冯峰.一种具有边缘保持的多尺度马尔可夫随机场模型图像分割方法[J].西安交通大学学报.2019

标签:;  ;  ;  ;  ;  ;  ;  

边缘保持论文开题报告文献综述
下载Doc文档

猜你喜欢