导读:本文包含了分割估计论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,颜色空间,概率密度函数估计,边缘检测
分割估计论文文献综述
吴垒[1]（2019）在《基于空间颜色密度分布估计的轮廓检测和图像分割算法研究》一文中研究指出图像分割是指将图像中有相同或近似属性的像素分类为有独特性质的互不干涉的子区域(像素集合),使得同一子区域中的特征有一定相似性,不同区域特征有一定差异性。图像分割是轮廓检测的重要分支,其结果可以表征为闭合的轮廓曲线,一般轮廓检测算法也可以通过特殊的技术处理比如分水岭算法,将轮廓结果转换为闭合的分割图像。作为一种重要的图像处理手段,图像分割技术可以将图像分割成不同的对象,通过对象定位帮助计算机理解图像内容,也可以让处理对象独立于图像背景,保证其在后续处理中不受背景因素影响。在实际的广泛应用中,图像分割技术常常与特定领域专业知识相结合以处理不同类型问题。比如行人、人脸甚至医学图像中肿瘤的检测问题,机器视觉中图像语义层次理解问题,交通管制视频图像中的对象分割和动作定位问题。在这些问题中,图像分割技术更多的是作为预处理手段得到感兴趣区域或者对象以达到减少处理对象加速计算的目的。作为重要的图像处理手段,图像分割算法是计算机视觉领域一个重要的课题,一直受到广泛关注,在计算机视觉的顶级会议和期刊上都发表过众多的研究成果。从计算机图像出现的时候起,图像分割技术就伴随着图像应用开始发展。从1975年最基础的阈值分割法,到聚类处理、图论分割(graph cuts)等传统图像分割算法,再到时下最流行的基于神经网络的语义分割,经过几十年的发展图像分割领域已经产生了大量的算法。这些算法大致可以分类为基于纹理信息的分割算法和基于语义信息的分割算法,前者利用传统的图像纹理特征对像素进行分类,后者则通过神经网络提取图像的高层语义特征,再将像素分类为预定义的标签。本文在第二章也将对这两个方向的算法进行分析研究。在对目前图像分割领域的算法进行分析研究后,本文提出一种新颖的基于空间颜色密度分布的轮廓检测和图像分割算法。基于空间颜色密度分布的轮廓检测和图像分割算法首先通过对图像的5维颜色空间的概率密度函数进行核函数估计以得到图像像素的在5维空间中的分布信息,然后利用最大值映射将5维空间函数值和对应的颜色值映射到2维密度图像和颜色图像上。其中密度图像是一种很好的纹理特征,既包含了图像中对象的分布信息,又可以表征像素纹理信息。因此,在计算得到密度图之后,通过非极大值抑制方法提取出密度图中的轮廓信息作为轮廓检测输出。另外,密度图和颜色图的结合可以很好的表示像素的纹理信息。在对像素的距离进行定义后,本文算法通过DPC算法对像素进行聚类,像素划分为有相同纹理像素以集合实现图像分割。由于颜色空间密度函数估计的计算量过于巨大,在实际实验中,需要利用CUDA编程实现GPU加速计算。本文的主要工作如下:1、分析研究了现有的包括基于纹理信息和基于语义信息的图像分割算法,并对其中的典型算法进行了研究说明。通过对现有算法的分析研究,加深了图像分割问题的理解。2、在对现有图像分割技术进行分析研究后提出一种基于空间颜色密度分布的轮廓检测和图像分割算法,并在算法实现时,通过CUDA编程实现GPU加速克服了颜色空间概率密度函数估计超大计算量的问题。算法分为两个部分算法,分别是基于非极大值抑制细化的轮廓检测算法和基于DPC聚类的图像分割算法,前者输出图像中检测的轮廓强度,后者输出不同层次的分割结果。3、本文提出的算法在BSDS500数据库上分别进行了轮廓检测和图像分割实验。实验验证了本文提出的轮廓检测和图像分割算法的有效性。(本文来源于《吉林大学》期刊2019-04-01）
徐艳[2]（2019）在《基于模糊最大似然估计算法的遥感影像分割》一文中研究指出针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。(本文来源于《测绘与空间地理信息》期刊2019年01期）
王浩,孙福明,贾旭[3]（2018）在《基于图像分割的葵花籽脱壳率在线估计技术》一文中研究指出为使脱壳机能够通过自动调整参数提高脱壳率,基于分水岭分割算法提出一种基于图像分割的葵花籽脱壳率在线估计技术。脱壳机工作时,葵花籽与葵花仁的比例呈现动态变化且存在相互堆迭、边缘不清晰及葵花籽在光照下反光等现象,使得实时准确地估计葵花籽脱壳率成为一项具有挑战性的任务。基于此,在色调、饱和度、明度(hue,saturation,value,简称HSV)彩色空间上,首先利用葵花籽标记图、葵花仁标记图构成目标总标记图,并利用总标记图对形态学梯度图像进行修正,以避免过分割现象的出现;然后引导分水岭算法进行分割;最后,统计葵花籽、葵花仁各自所占面积,输出葵花籽的脱壳率。结果表明,与二维最大类间方差(Otsu)算法相比,本算法具有更高的准确度。(本文来源于《江苏农业科学》期刊2018年18期）
葛利跃,朱令令,张聪炫,陈震[4]（2018）在《深度图像优化分层分割的3D场景流估计》一文中研究指出针对现有基于RGBD数据的3D场景流估计方法,在复杂背景、弱刚性运动以及运动遮挡等情况下计算精度与鲁棒性较低的缺点,提出一种基于深度图像优化分层分割的3D场景流估计方法。首先,利用连续图像序列帧间光流信息对场景深度图像进行优化分层分割,提取图像中运动目标与背景的深度信息。然后,根据深度图像分层结果,利用坐标下降法并结合图像分层技术计算RGBD序列3D场景流。最后,分别采用RGBD、Middlebury以及SRSF等测试图像集对方法的深度图像分层和场景流估计的准确性与可靠性进行综合对比试验。实验结果表明:所提方法针对复杂场景、弱刚性运动以及运动遮挡等类型图像具有较高的场景流估计精度与鲁棒性。(本文来源于《南昌航空大学学报(自然科学版)》期刊2018年02期）
史利香[5]（2018）在《海杂波IG-CG模型双分位点参数估计及海陆噪声叁元场景分割》一文中研究指出无论在军用还是民用领域,海杂波背景下的目标检测都发挥着极其重要的作用,针对海杂波空间的非均匀性和时间的非平稳性,进行海杂波的精确建模是海面目标检测的基础和关键。目前海杂波基于逆高斯纹理的IG-CG模型被公认为描述雷达高分辨率下拖尾分布最好的模型之一,因而对其参数的估计是雷达信号处理领域一个研究热点。特别是在存在异常样本情况下的实测海杂波数据的模型参数估计问题。在岸基或机载雷达大场景探测情况下,探测场景由海杂波、地杂波、岛礁杂波、噪声占优等不同的区域构成,这些区域雷达接收到的干扰具有很不同的特点,需要采用不同的处理方法进行目标检测。因此,把按照实测数据把探测场景划分为地杂波区、海杂波区和噪声占优区的叁元分割方法变成了目标检测前不可或缺的预处理步骤。针对这一问题,研究并提出了一种基于复合测度和形态学滤波的海-陆-噪声叁元分割方法。本学位论文的内容安排如下:第二章主要回顾了海杂波的物理组成机理和几种常见的幅度分布模型,并分析了各个模型的特点和适用范围。阐述了复合高斯模型的基本架构和性质,重点分析了基于逆高斯纹理的海杂波IG-CG幅度分布模型的特点。第叁章针对实测数据中必然存在的异常样本严重影响传统矩估计和最大似然估计性能的问题,提出了IG-CG幅度分布模型参数的双分位点估计方法。结合仿真数据实验,研究分析了双分位点估计器的性能与样本数目的关系,并且分别在未添加野点和加入野点的情况下与传统的矩估计、最大似然估计方法对比,结果表明了海杂波IG-CG模型双分位点参数估计方法具有良好的抗异常样本能力,而在真实的雷达工作环境中,雷达回波数据中通常包含舰船、岛礁、海尖峰等大功率异常散射单元。最后采用雷达实测数据验证了海杂波IG-CG模型双分位点参数估计方法的稳健性和准确性。第四章简要阐述了图像分割问题和应用,回顾了四种经典图像分割方法并分析了它们的优缺点。四种方法包括基于阈值、基于区域、基于边缘以及基于特定理论的图像分割方法。然后介绍了图像处理中的形态学算子,包括二值形态学算子、灰度形态学算子,以及形态学算子在图像处理中的应用,为下章的探测场景分割方法的研究奠定基础。第五章根据探测场景中海、陆、噪声在回波功率上的特点,在原基于相位线性度的海/陆二元分割基础上提出了基于功率和相位线性度混合测度的海/陆/噪声叁元场景分割的新方法。并用实测数据检验了分割方法的有效性。(本文来源于《西安电子科技大学》期刊2018-06-01）
周巧娣,刘松茹,蒋洁[6]（2018）在《基于LBP核密度估计的HEVC运动物体分割算法》一文中研究指出针对相对运动缓慢的目标物体在低分辨率视频中分割精度不高的问题,结合高效视频编码(HEVC)压缩码流信息,提出了一种基于局部二值模式(LBP)核密度的运动物体分割方法。首先从视频码流中得到初始运动矢量和块划分信息,初始运动矢量经预处理得到稳定的运动矢量,再利用块信息增强运动矢量区域的可信度,然后采用LBP对运动矢量区域进行特征提取,最后结合核密度估计方法进行背景建模,分割图像并得到运动目标物体。使用多个标准序列进行对比测试实验,结果表明,提出的算法有效提高了相对运动缓慢的目标物体在低分辨率视频图像中的分割精度,综合评价指标的平均值达到81.70%,相比于常用的视频分割方法有较大的提高;对于高分辨率视频图像,其综合评价指标的平均值也较高。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2018年03期）
彭书娟,曲长文,李健伟[7]（2018）在《基于正则化参数估计的SAR图像分割算法》一文中研究指出针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题,提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声,在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式,应用共轭梯度法对模型进行求解,最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波,降低了相干斑的影响,而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。(本文来源于《雷达科学与技术》期刊2018年01期）
蔡青,刘慧英,孙景峰,周叁平,李靖[8]（2018）在《基于自适应分割与偏移场估计的活动轮廓模型》一文中研究指出针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator,ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。(本文来源于《系统工程与电子技术》期刊2018年05期）
刘可[9]（2017）在《用于手部区域分割的多目标分布估计算法》一文中研究指出手部区域分割,即从某一图像中分割出手部区域,本质上是一类多目标优化问题。进化优化方法是受自然界生物进化启发产生的基于种群的概率搜索方法,能够高效的求解很多实际优化问题。在众多进化优化方法中,分布估计算法(Estimation of Distribution Algorithm,EDA)基于对优势个体概率分布的估计,并基于此在搜索空间采样得到新的种群,是一种性能优越的进化优化方法。虽然分布估计算法已成功应用于很多实际优化问题,但是,用于手部区域分割的分布估计算法的研究却非常少。鉴于此,充分利用手部区域分割问题的领域知识,本论文研究高效求解该问题的分布估计算法。为了采用分布估计算法求解手部区域分割问题,首先建立了手部区域分割问题的多目标优化模型,期望通过求解该模型,从图像的像素点中,选择颜色接近肤色的一系列像素点,形成手部区域。基于分割的手部区域,能够进一步定位指尖。为了采用分布估计算法定位指尖,建立了定位指尖的多目标优化模型,期望通过求解该模型,能够选择具有一定特性的像素点,形成指尖。采用分布估计算法,求解手部区域分割问题的多目标优化模型时,首先,基于手部像素点位于多条直线段附近,建立了候选解的直线段概率分布模型,并在这些直线段的两侧采样得到候选解;然后,基于手部像素点的每一坐标位于某一区间内,建立了候选解的区间概率分布模型,并在多个区间采样得到候选解,以提高手部区域分割的精度;接着,分别在第一和第二阶段建立了候选解的区间概率分布模型和直线段概率分布模型,并基于不同的模型采样生成候选解,得到求解上述优化问题的两阶段分布估计算法;最后,以高斯模型替代直线段,并基于高斯采样得到候选解,得到改进的两阶段分布估计算法。将所提的方法应用于大量的手部区域分割问题,并与已有方法比较。实验结果表明,本文提出的方法能够有效的分割手部区域。基于分割的手部区域,采用分布估计算法求解指尖定位问题时,基于指尖像素点位于多个中心附近,建立了候选解的多点概率分布模型,并在这些点附近采样得到候选解。大量的实验结果表明,本文提出的分布估计算法能够有效的定位指尖。本文的工作为手部区域分割问题的解决提供了有效的方法,还丰富了分布估计算法的理论基础,并扩大了该方法的应用范围,此外,也为其它实际复杂优化问题的解决,提供了非常有价值的参考。因此,具有重要的理论意义和实用价值。(本文来源于《中国矿业大学》期刊2017-12-01）
陶莹[10]（2017）在《基于偏置项估计的MR图像分割方法研究》一文中研究指出图像分割就是根据灰度、颜色、形状等特征把图像分成若干个区域的过程,是图像处理的重要环节之一。医学图像为医生提供了丰富的组织器官信息,随着医学图像技术在临床诊断和治疗的广泛应用,医学图像成为疾病诊断的重要工具。然而人工的方法对图像进行分割已不能满足人们对于快速且精确分割的要求,高效率的自动化的图像分割方法亟待应用于医学图像。但是由于医学图像特殊的成像原理,一般的图像分割技术并不能很好地对医学图像进行分割,这就需要人们提出更适合于医学图像的分割方法。针对医学图像中MR图像强度不均匀的问题,本文首先采用了基于乘法因数优化和强度平均化的方法进行MR图像的分割。将图像由偏置项和真实项的乘积表示,通过能量方程最小化的过程,求得偏置项和真实项的参数值,即得到了图像中偏场的估计和对图像的分割结果。对于偏场所造成的强度不均匀现象,通过偏置项的估计得到去除偏场影响的真实图像,为了提高能量方程的收敛速度,在能量方程中加入了约束项,可以提高图像的分割速度。本文采用的另一种图像分割方法是将图像局部区域的强度进行平均化,带入图像的乘法方程,同时结合图像的全局信息,通过水平集的方法,求得图像的分割结果。强度的平均化过程减缓了图像区域边界的模糊程度,增强了相邻组织区域间的强度差异,提高了分割的精度。利用图像局部信息和全局信息的互补性,提高了图像细节上的分割效果,同时降低了算法陷入局部极小值的可能性。实验表明,对于不同程度强度不均匀的MR图像,本文的方法有着良好的分割效果。对于较模糊的图像,本文方法分割的准确度也较高,因此有着很好的鲁棒性。(本文来源于《广西大学》期刊2017-12-01）
分割估计论文开题报告
（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：
针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。
（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。
分割估计论文参考文献
[1].吴垒.基于空间颜色密度分布估计的轮廓检测和图像分割算法研究[D].吉林大学.2019
[2].徐艳.基于模糊最大似然估计算法的遥感影像分割[J].测绘与空间地理信息.2019
[3].王浩,孙福明,贾旭.基于图像分割的葵花籽脱壳率在线估计技术[J].江苏农业科学.2018
[4].葛利跃,朱令令,张聪炫,陈震.深度图像优化分层分割的3D场景流估计[J].南昌航空大学学报(自然科学版).2018
[5].史利香.海杂波IG-CG模型双分位点参数估计及海陆噪声叁元场景分割[D].西安电子科技大学.2018
[6].周巧娣,刘松茹,蒋洁.基于LBP核密度估计的HEVC运动物体分割算法[J].杭州电子科技大学学报(自然科学版).2018
[7].彭书娟,曲长文,李健伟.基于正则化参数估计的SAR图像分割算法[J].雷达科学与技术.2018
[8].蔡青,刘慧英,孙景峰,周叁平,李靖.基于自适应分割与偏移场估计的活动轮廓模型[J].系统工程与电子技术.2018
[9].刘可.用于手部区域分割的多目标分布估计算法[D].中国矿业大学.2017
[10].陶莹.基于偏置项估计的MR图像分割方法研究[D].广西大学.2017