导读:本文包含了恢复图像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:图像,卷积,神经网络,无人机,形貌,梯度,相位。
恢复图像论文文献综述
韦子权,王永波,陶熙,贾晓,边兆英[1]（2019）在《基于多尺度小波残差网络的稀疏角度CT图像恢复》一文中研究指出目的稀疏角度CT具有加速数据采集和减少辐射剂量的优点。然而,由于采集信息的减少,使用传统滤波反投影算法(FBP)进行重建得到的图像中伴有严重的条形伪影和噪声。针对这一问题,本文提出基于多尺度小波残差网络(MWResNet)对稀疏角度CT图像进行恢复。方法本网络中将小波网络与残差块相结合,用以增强网络对图像特征的提取能力和加快网络训练效率。实验中使用真实的螺旋几何CT图像数据"Low-dose CT Grand Challenge"数据集训练网络。通过观察图像表征和计算定量参数的方法对结果进行评估,并与其他现有网络进行比较,包括图像恢复迭代残差卷积网络(IRLNet),残差编码解码卷积神经网络(REDCNN)和FBP卷积神经网络(FBPConvNet)。结果实验结果表明,本文提出的多尺度小波残差网络优于其余对比方法。结论本文提出的MWResNet网络能够在保持稀疏角度CT图像边缘细节信息的同时有效抑制噪声和伪影。(本文来源于《南方医科大学学报》期刊2019年11期）
高天寒,杨子艺[2]（2019）在《图像序列的增量式运动结构恢复》一文中研究指出目的传统增量式运动结构恢复算法中,初始图像对选择鲁棒性差,增量求解过程效率较低,捆绑调整策略存在计算冗余,模型修正后仍存在较大误差。为解决上述问题,以基于图像序列的3维重建为基础,提出一种新的增量式运动结构恢复算法(SFM-Y)。方法首先,采用改进的自适应异常值过滤方法增强初始图像对选择的鲁棒性,得到用于初始重建的初始图像对;其次,通过增量迭代重建丰富点云模型,采用改进的EPNP (efficient perspective-n-point)解算方法提高增量添加过程的计算效率和精确度;最后,采用优化的捆绑调整策略进行模型修正,解决模型漂移问题,修正重投影误差。结果实验选取不同数据规模的数据集,在本文方法及传统方法间进行测试对比,以便更加全面地分析算法性能。实验结果表明,SFM-Y算法相比传统的增量式运动结构恢复算法,在计算效率和结果质量方面均有所提高,根据性能分析对比的结果所示,本文方法较传统方法在计算效率和重建精度上约有10%的提升。结论提出的增量式运动结构恢复算法能够高效准确地实现基于图像序列的3维重建优于传统方法,计算效率较高,初始重建鲁棒性强,生成模型质量较好。(本文来源于《中国图象图形学报》期刊2019年11期）
全蕾[3]（2019）在《结合图像恢复的方块编码压缩图像防篡改方法》一文中研究指出提出一种基于BTC压缩图像防纂改检测和恢复的认证方法。首先生成认证数据和恢复数据,根据用户需要适应性地选择认证数据的大小,并将认证数据嵌入BTC压缩块的量化级中,将图像块的恢复数据隐藏在位图文件中,使用平滑块的位图文件储存恢复数据;利用认证码集和恢复数据进行防篡改认证和图像恢复。该方法的特点是不仅可以检测,而且可以恢复被篡改的区域。标准灰度图像的检测结果表明了所提方法的有效性。与一些半脆弱水印方法以及嵌入认证码的方法相比,所提方法在检测精准度和重建图像的峰值信噪比均有较大提升,且可以有效恢复被纂改的区域。(本文来源于《兵器装备工程学报》期刊2019年10期）
李佳,丛犁,姜华,胡杨,黄成斌[4]（2019）在《基于矩阵恢复的无人机巡线系统中图像去噪算法》一文中研究指出随着电网的不断发展,电力通信网在整个电力系统中发挥着重要的支撑和保障作用。吉林省通信线路长期暴露在自然环境中,传统巡线方式效率低,近些年,无人机已应用在日常线路巡视工作中,但由于光照强度和大气湍流等影响,采集到的图像质量不能满足实际工作要求,采用矩阵恢复(matrix recovery)的图像去噪方法去除无人机采集图像中的噪声,通过观测图像矩阵的部分元素或者图像矩阵元素通过某种线性(非线性)运算去除噪声,该恢复算法提高了通信线路的检测精度、效率和可靠性,提升巡线效率和水平。(本文来源于《电力通信技术研究及应用》期刊2019-10-23）
朱艳菊,谢树果,李元豪,张娴[5]（2019）在《宽带电磁图像卷积神经网络盲恢复方法研究》一文中研究指出在利用抛物反射面对电磁干扰源成像过程中,由于系统衍射受限及成像频带较宽,导致干扰源成像模糊,分辨率低,难以分辨,不同频率不同区域干扰源所成图像分辨率不同,采用已有超分辨算法难以提高分辨率。为了实现宽带电磁图像的盲复原,应用卷积神经网络的方法。网络训练是直接输入模糊图像,不假设任何特定的模糊和噪声模型情况下,重建出高质量图像。实验和仿真结果证明了卷积神经网络盲恢复方法在宽频带不同成像区域下表现了优于其他盲恢复算法的优势。(本文来源于《强激光与粒子束》期刊2019年10期）
林元凯,程涛[6]（2019）在《基于CGAN的交通环境运动模糊图像恢复及检测应用研究》一文中研究指出交通环境具有相对运动关系复杂、成像质量不可控的特点,造成图像连续性运动模糊,严重影响交通目标检测。传统盲去模糊方法具有计算量大、受使用场景限制、无法用于高分辨率图像实时优化等问题。本文在传统去模糊方法的基础之上,采用交通环境图像清晰度评价损失函数,提出基于条件生成对抗网络(Conditional Generative Adversarial Nets,CGAN)的交通环境运动模糊图像恢复方法,构建生成器恢复模糊图像细节,提高采集图像质量。同时,将可拓理论应用于运动模糊恢复,构建判别器作为可拓的判据。在此基础上,采用GOPRO数据集验证了算法的有效性和实时性,并将其应用于交通目标检测中,量化其检测提升效果,与其他同类算法相比,具备一定优势。(本文来源于《中国计量》期刊2019年10期）
王迎美,王桢东,李功胜[7]（2019）在《基于变指数分数阶全变差和整数阶全变差的图像恢复算法》一文中研究指出结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为叁个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。(本文来源于《山东大学学报(理学版)》期刊2019年11期）
朱震豪,韩思敏,张薇[8]（2019）在《基于深度学习的光场加密图像恢复技术》一文中研究指出光场技术可以将图像加密从二维提升到叁维,加强加密的安全性。采用重聚焦算法实现图像解密时会引入图像间的干扰。以深度学习技术为框架,分析图像干扰的规律性,构造模拟光场数据集,创建了一个7层的全卷积神经网络,以模拟光场数据集作为输入,原图作为标签,训练一个全卷积神经网络,将真实光场解密图像输入得到结果。实验结果表明,利用全卷积神经网络可以有效改善光场解密图像的干扰问题,改善解密后的图像质量。(本文来源于《光学仪器》期刊2019年04期）
韦号,崔海华,程筱胜,张小迪[9]（2019）在《一种用于评价聚焦形貌恢复算法的图像离焦仿真技术》一文中研究指出为了提高聚焦形貌恢复技术的重建精度,寻找最优的聚焦形貌恢复算法,提出一种图像离焦仿真技术,用于对聚焦形貌恢复算法的精度进行评估。绘制一个叁维模型,并选择一幅纹理图,根据图像分辨率对模型表面进行等间距点采样,生成有序点云数据。对通过点采样获取的数据进行处理并映射纹理,生成一组理想的或者包含噪声的序列仿真图像。利用得到的序列图像对聚焦形貌恢复算法进行实验验证,将生成的深度数据与点采样得到的真实深度数据进行对比以准确地评价算法的质量。研究结果表明,图像离焦仿真技术能够有效评价聚焦形貌恢复算法的质量,并有助于寻找更稳定、精度更高的算法。(本文来源于《光学学报》期刊2019年11期）
李健宇,赵祥宁,任晓文,王涛,郭一娜[10]（2019）在《一种基于STFT幅度测量值的图像相位恢复算法》一文中研究指出图像相位恢复是指通过不含任何相位信息的幅度测量值恢复原始图像相位的问题.针对实际图像观测和传递过程中相位信息受到损失或者丢失的问题,利用原始图像短时傅里叶(Short-Time Fourier Transform,STFT)幅度测量值的唯一性,提出了一种图像相位恢复算法.通过改进的最小二乘法(Least Squares,LS)获取梯度下降法(GD,Gradient Descent)的迭代初始值,最小化构造非凸损失函数,解决了图像相位恢复的非凸优化问题.实验仿真中,在不同噪声类型和噪声强度的干扰下,相位恢复后的图像轮廓条纹依然清晰.实验结果表明,本文算法能够根据STFT幅度测量值恢复出图像的相位,具有较强的鲁棒性.(本文来源于《小型微型计算机系统》期刊2019年07期）
恢复图像论文开题报告
（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：
目的传统增量式运动结构恢复算法中,初始图像对选择鲁棒性差,增量求解过程效率较低,捆绑调整策略存在计算冗余,模型修正后仍存在较大误差。为解决上述问题,以基于图像序列的3维重建为基础,提出一种新的增量式运动结构恢复算法(SFM-Y)。方法首先,采用改进的自适应异常值过滤方法增强初始图像对选择的鲁棒性,得到用于初始重建的初始图像对;其次,通过增量迭代重建丰富点云模型,采用改进的EPNP (efficient perspective-n-point)解算方法提高增量添加过程的计算效率和精确度;最后,采用优化的捆绑调整策略进行模型修正,解决模型漂移问题,修正重投影误差。结果实验选取不同数据规模的数据集,在本文方法及传统方法间进行测试对比,以便更加全面地分析算法性能。实验结果表明,SFM-Y算法相比传统的增量式运动结构恢复算法,在计算效率和结果质量方面均有所提高,根据性能分析对比的结果所示,本文方法较传统方法在计算效率和重建精度上约有10%的提升。结论提出的增量式运动结构恢复算法能够高效准确地实现基于图像序列的3维重建优于传统方法,计算效率较高,初始重建鲁棒性强,生成模型质量较好。
（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。
恢复图像论文参考文献
[1].韦子权,王永波,陶熙,贾晓,边兆英.基于多尺度小波残差网络的稀疏角度CT图像恢复[J].南方医科大学学报.2019
[2].高天寒,杨子艺.图像序列的增量式运动结构恢复[J].中国图象图形学报.2019
[3].全蕾.结合图像恢复的方块编码压缩图像防篡改方法[J].兵器装备工程学报.2019
[4].李佳,丛犁,姜华,胡杨,黄成斌.基于矩阵恢复的无人机巡线系统中图像去噪算法[C].电力通信技术研究及应用.2019
[5].朱艳菊,谢树果,李元豪,张娴.宽带电磁图像卷积神经网络盲恢复方法研究[J].强激光与粒子束.2019
[6].林元凯,程涛.基于CGAN的交通环境运动模糊图像恢复及检测应用研究[J].中国计量.2019
[7].王迎美,王桢东,李功胜.基于变指数分数阶全变差和整数阶全变差的图像恢复算法[J].山东大学学报(理学版).2019
[8].朱震豪,韩思敏,张薇.基于深度学习的光场加密图像恢复技术[J].光学仪器.2019
[9].韦号,崔海华,程筱胜,张小迪.一种用于评价聚焦形貌恢复算法的图像离焦仿真技术[J].光学学报.2019
[10].李健宇,赵祥宁,任晓文,王涛,郭一娜.一种基于STFT幅度测量值的图像相位恢复算法[J].小型微型计算机系统.2019
论文知识图
