导读:本文包含了区域分割论文开题报告文献综述、选题提纲参考文献，主要关键词:区域,语义,图像,算法,模糊,齐鲁,视觉。
区域分割论文文献综述写法
朱军桃,王雷,赵传,郑旭东[1]（2019）在《基于区域生长算法的复杂建筑物屋顶点云分割》一文中研究指出精确分割建筑物屋顶激光雷达(light detection and ranging,LiDAR)点云是叁维模型重建的重要环节。针对现有算法分割复杂建筑物屋顶面结构精度差的问题,提出一种以叁角面为基元的基于区域生长算法的复杂建筑物屋顶点云分割方法。首先,构建Delaunay叁角网建立各激光点间相互关系,计算各叁角面法向量,利用同一建筑物面片上各叁角面法向量基本一致的特征对点云进行初步划分;然后,由于点云散乱性及误差影响产生诸多散乱叁角面,对各构成散乱叁角面的点进行剖分,并基于具有良好鲁棒性的随机采样一致性算法(random sample consensus,RANSAC),结合Alpha Shape算法获取建筑物各面片边界,合并过度分割的面片及孤立点,完成建筑物屋顶点云分割。实验结果表明,该方法对复杂建筑物屋顶点云分割的完整性、正确性及质量均较为理想。(本文来源于《国土资源遥感》期刊2019年04期）
张栩华,朱明旱,张明月,周楠皓,郭言信[2]（2019）在《基于车辆轮廓凹陷区域的分割算法》一文中研究指出基于视频检测车流量,由于车辆间距过近容易造成图像上的粘帖而不能准确检测目标车辆,因此需要建立一个准确率高、抗干扰能力强的车辆分割算法。根据车辆轮廓凹陷区域提出一种分割算法。首先提取出二值化图像,在图像上检测并标记出目标遮挡区域,根据面积比来判断是否发生遮挡;然后提出了一种基于七宫格的凹陷区域检测算法,遍历每个区域找到符合条件域的凹陷区域,再通过共同特征来匹配到所需的遮挡区域,最后用Canny算法得到一条合适的分割曲线作为最后的分割结果。从实验结果分析,该分割方法能够适应复杂的环境,分割多个遮挡区域的车辆,该算法精度高、鲁棒性好。(本文来源于《电子设计工程》期刊2019年24期）
张宇,简春兵,龚凡,黄妍琼[3]（2019）在《基于语义分割的道路区域识别与分割》一文中研究指出针对道路区域的识别与分割,我们采用计算机视觉领域的语义分割的实现思路进行解决。本文提出了一种处理效率较高的语义分割算法,首先设计了一条空间路径来保留空间信息生成高分辨率的特征,同时又有一条环境路径快速的降采样来获得充分的感受野,最后提出了特征融合模块有效地结合这两种特征。(本文来源于《电子世界》期刊2019年22期）
潘健鸿,高银[4]（2019）在《基于天空区域分割和多尺度融合的单幅雾天图像复原算法》一文中研究指出传统的暗原色理论相关算法在处理带有天空区域的雾天图像时易出现亮度损失和光晕现象。针对这一问题,该文提出一种基于空区域分割和多尺度融合的单幅雾天图像复原算法。该方法首先对图像进行缩放,根据雾天图像的特性分割天空区域,获取全局大气背景光;根据散射模型获取初步的透射率图像,运用L0梯度最小化方法获取优化的透射率图像;最后运用多尺度融合的方法对不同曝光度的图像进行融合,获取最终的去雾图像。主观观察和客观评价表明,在整体和细节方面,该算法比现有暗原色算法及其改进算法处理效果更好。(本文来源于《南京理工大学学报》期刊2019年05期）
王宝泓[5]（2019）在《破解分割办证难题 提升区域营商环境》一文中研究指出11月19日，入驻济南高新区奥盛大厦的金现代信息技术公司、中孚信息股份有限公司、山东众阳健康科技集团公司、韩都衣舍电商集团公司4家企业代表在高新区管委会领取了不动产权证书，困扰企业的科研用地产权分割问题得到彻底解决。奥盛大厦位于济南高新区中心区，(本文来源于《济南日报》期刊2019-11-21）
罗会兰,卢飞,孔繁胜[6]（2019）在《基于区域与深度残差网络的图像语义分割》一文中研究指出该文提出了一种结合区域和深度残差网络的语义分割模型。基于区域的语义分割方法使用多尺度提取相互重迭的区域,可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络(CNN)自主学习特征,可以针对逐像素分类任务进行端到端训练,但是这种方法通常会产生粗糙的分割边界。该文将两种方法的优点结合起来:首先使用区域生成网络在图像中生成候选区域,然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图,结合候选区域以及特征图得到区域的特征,并将其映射到区域中每个像素上;最后使用全局平均池化层进行逐像素分类。该文还使用了多模型融合的方法,在相同的网络模型中设置不同的输入进行训练得到多个模型,然后在分类层进行特征融合,得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集上的实验结果表明该文方法具有较高的平均准确率。(本文来源于《电子与信息学报》期刊2019年11期）
胡绍海,王敏茜[7]（2019）在《基于区域检测分割的运动模糊图像复原》一文中研究指出空间变化的运动模糊图像复原是当今图像处理领域的热点问题之一,而运动模糊区域检测更是其中的重点和难点.针对以往运动模糊区域检测算法的精确度较低的问题,提出基于检测分割的单帧运动模糊图像盲复原算法.结合多尺度感知和闭合型图分割,实现两步模糊区域检测.将检测到的模糊区域外延后进行复原,再将其去除外延部分并与清晰区域拼接,得到最终的复原结果.实验结果表明:本文算法不但显着提高了模糊区域检测精度,也有效提高了图像复原质量.同时,具有一定的普遍性,可以适用于自然场景下的多种空间变化的运动模糊图像.(本文来源于《北京交通大学学报》期刊2019年05期）
张天飞,龙海燕,丁娇,张磊[8]（2019）在《基于目标多区域分割的抗干扰跟踪算法研究》一文中研究指出针对视频序列中运动目标跟踪过程中可能出现的目标旋转、遮挡、形变等原因造成的跟踪失败问题,提出了一种基于目标多区域分割的跟踪方法。主要通过将目标划分为多个部分相互重迭的区域,然后选择跟踪过程中相对稳定的多个区域进行定位,进而对跟踪的目标采用不同目标区域权重更新不同的模板更新策略,这样选择主要可以增加算法的抗遮挡、抗旋转能力。实验结果表明,该方法对目标遮挡、旋转等具有一定的适应能力。(本文来源于《电子技术应用》期刊2019年10期）
华尉然,童强[9]（2019）在《基于暗区域分割的夜间灰度图像增强》一文中研究指出随着现代大量图像处理算法的发展,灰度图像常常被用作各种算法的预处理,而在夜间,灰度图像往往由于光线不足等原因导致图像亮度、清晰度低,场景中的事物轮廓不能很好地体现出来。为了提高夜间灰度图像的清晰度,提出了一种夜间灰度图像增强算法,先找出图像中的大量暗连通区域,对暗区域做忽略处理,对非暗区域实现伽马灰度变换。结果表明,该算法能得到较好的夜间图像增强效果,并能清晰表现出夜间场景中事物轮廓。(本文来源于《湖北师范大学学报(自然科学版)》期刊2019年03期）
段建民,管越,庄博阳[10]（2019）在《基于双目视觉的可行驶区域分割方法》一文中研究指出为提高自动驾驶背景下视觉环境感知任务的鲁棒性,提出了一种基于双目视觉和可行驶区域剖面建模方法的非结构化可行驶区域分割算法。为改善视差计算的鲁棒性,以半全局块匹配(SGBM)算法框架为基础,改进其代价计算步骤提出了一种融合相对梯度和AD-Census变换的匹配代价计算方法,经过代价聚合求得视差图。区域分割过程先统计视差图的垂直方向差异直方图,以此作为数据源提出一种描述可行驶区域剖面的抛物线模型,采用动态规划算法和随机采样一致性算法(RANSAC)对模型参数求解过程进行全局优化,经后处理过程实现可行驶区域的分割。通过KITTI数据集和实车采集数据验证,算法达到了19.8 fps的速度和92%以上的分割准确率。(本文来源于《电子测量技术》期刊2019年18期）
区域分割论文开题报告范文
（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：
基于视频检测车流量,由于车辆间距过近容易造成图像上的粘帖而不能准确检测目标车辆,因此需要建立一个准确率高、抗干扰能力强的车辆分割算法。根据车辆轮廓凹陷区域提出一种分割算法。首先提取出二值化图像,在图像上检测并标记出目标遮挡区域,根据面积比来判断是否发生遮挡;然后提出了一种基于七宫格的凹陷区域检测算法,遍历每个区域找到符合条件域的凹陷区域,再通过共同特征来匹配到所需的遮挡区域,最后用Canny算法得到一条合适的分割曲线作为最后的分割结果。从实验结果分析,该分割方法能够适应复杂的环境,分割多个遮挡区域的车辆,该算法精度高、鲁棒性好。
（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。
区域分割论文参考文献
[1].朱军桃,王雷,赵传,郑旭东.基于区域生长算法的复杂建筑物屋顶点云分割[J].国土资源遥感.2019
[2].张栩华,朱明旱,张明月,周楠皓,郭言信.基于车辆轮廓凹陷区域的分割算法[J].电子设计工程.2019
[3].张宇,简春兵,龚凡,黄妍琼.基于语义分割的道路区域识别与分割[J].电子世界.2019
[4].潘健鸿,高银.基于天空区域分割和多尺度融合的单幅雾天图像复原算法[J].南京理工大学学报.2019
[5].王宝泓.破解分割办证难题提升区域营商环境[N].济南日报.2019
[6].罗会兰,卢飞,孔繁胜.基于区域与深度残差网络的图像语义分割[J].电子与信息学报.2019
[7].胡绍海,王敏茜.基于区域检测分割的运动模糊图像复原[J].北京交通大学学报.2019
[8].张天飞,龙海燕,丁娇,张磊.基于目标多区域分割的抗干扰跟踪算法研究[J].电子技术应用.2019
[9].华尉然,童强.基于暗区域分割的夜间灰度图像增强[J].湖北师范大学学报(自然科学版).2019
[10].段建民,管越,庄博阳.基于双目视觉的可行驶区域分割方法[J].电子测量技术.2019