导读:本文包含了图像分割与特征提取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,特征,向量,纹理,卷积,均值,差分。
图像分割与特征提取论文文献综述
赵春梅[1]（2019）在《水下图像分割和目标特征提取及识别技术研究》一文中研究指出随着我国工业的迅速发展及环保意识的增强,工业废水的处理压力也随之增加。废水池中杂物的回收和清理是工业废水处理的重要环节。水下智能机器人作为水下环境工作的载体,精湛的视觉处理技术有助于提高其安全性和自主能力。基于光视觉的水下智能机器人凭借其良好的环境感知能力而广泛应用于水下作业。因此对水下智能机器人视觉处理技术的研究具有重要的意义。本论文主要从图像增强、图像分割、特征提取和目标识别四个方面进行研究,具体研究内容如下:首先,针对水下图像光照不均匀和对比度低及噪声强等特点,研究了一种水下灰度图像增强方法。该方法将同态滤波、直方图拉伸和小波阈值去噪叁种经典的图像增强方法联合,改善了水下图像光照不均匀的现象且扩大了目标和背景的灰度差别。其次,针对水下特殊的成像环境和特定灰度目标的分割,研究了两种水下图像分割方法:指定灰度目标的水平集分割方法和多灰度目标的水平集分割方法。指定灰度目标的水平集分割方法在C-V模型的基础上加入了小范围的距离约束项,使其具有局部性,可以分割出指定灰度的目标;多灰度目标的水平集分割方法是在C-V分割模型的基础上,加入李纯明分割模型的内部能量函数项和边缘定位函数,其对多灰度目标分割效果较好,且抗噪性较好。再次,针对水下图像存在的颜色失真及纹理特征弱等现象,研究了基于形状特征的水下目标特征提取方法。该方法构造了基于Hu不变矩、归一化转动惯量(NMI)、小波矩及仿射不变矩的组合不变矩,再应用主成分分析法(PCA)对组合不变矩进行降维与优化。实验结果表明,该特征提取方法提高了水下目标识别的效率和准确度。最后,针对BP神经网络学习时出现收敛缓慢、容易陷入局部极小和训练震荡等现象,应用混沌策略和遗传算法与粒子群优化算法(PSO)结合,再应用改进后的粒子群优化算法优化BP神经网络。实验证明,改进方法加速了BP神经网络的收敛速度和防止其陷入局部极小,同时提高了BP神经网络识别水下目标的性能。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
王林海[2]（2018）在《基于轮廓特征提取的图像分割方法研究》一文中研究指出目的在背景差分法和帧间差分法的基础上设计一种新的融合算法,以减少轮廓内部空洞和边缘缺失对图像分割精度的影响。方法首先使用背景差分法建立运动背景模型,将目标与运动背景分离,再使用数学形态学方法对分离的前景目标轮廓进行填补,最后采用帧间差分法对获得的前景运动目标和背景模型进行处理,获得目标轮廓。结果与结论实验数据表明,与当前的图像分割算法相比,本文算法能够较为精确地对图像进行分割,分割出的图像轮廓清晰准确,内部空洞减小,边缘信息丰富。(本文来源于《宝鸡文理学院学报(自然科学版)》期刊2018年04期）
李娜,熊志勇,谢瑾,彭川,任恺[3]（2018）在《基于Tamura纹理特征提取和SVM的多模态脑肿瘤MR图像分割》一文中研究指出在Tamura纹理特征和支持向量机(SVM)算法基础上提出一种多模态脑肿瘤图像分割算法.将4种模态下的多序列核磁共振图像(MRI)的局部灰度特征与Tamura纹理度量相结合,尽可能提取足够多的图像信息;在SVM模型中输入已知样本并进行训练;用训练好的SVM模型处理其他脑肿瘤图像.实验通过对20例患者的图像进行展开,从实验数据来看,提出的方法可以精准有效地分割出脑肿瘤区域,得到脑肿瘤的边界,并且对脑肿瘤图像的差异性表现出较强的自适应能力.(本文来源于《中南民族大学学报(自然科学版)》期刊2018年03期）
谢铭超,韩旭,栾帅,李芳,王春兴[4]（2018）在《基于卷积神经网络特征提取的MRI脑肿瘤图像分割》一文中研究指出脑肿瘤分割在疾病的辅助诊断、治疗方案规划以及手术导航中扮演着重要的角色.为了分割病变的肿瘤,提出了一种基于卷积神经网络特征提取的由2个串联的阶段组成的分割方法,提取完整的特征并使用分类器分类.在训练阶段,训练了Convolution Neural Network(CNN)学习从图像空间到肿瘤标记空间的映射.在测试阶段,使用从CNN得到的标记输出,随同测试的灰度图像送到一个Support Vector Machine(SVM)分类器中,以得到精确的分割.实验结果证明,该方法能自适应脑肿瘤的差异性,分割准确率最高达到93%.(本文来源于《曲阜师范大学学报(自然科学版)》期刊2018年02期）
雷俊[5]（2017）在《基于图像分割及特征提取的室内场景识别》一文中研究指出随着人们生活水平的不断提高,家庭服务机器人逐渐走入人们的生活,越来越受到社会的关注。家庭服务机器人对室内环境的理解和识别,是家庭服务机器人能更好地服务人类,准确地执行人类指令的关键因素。图像场景识别主要侧重于对所摄入场景图像的全局语义进行整理、分析和推理,以获得其自身场景图像的语义信息,一直是人们研究的热点。本文针对室内的场景识别进行研究,具体研究内容如下:1.以Mean Shift分割方法为基础,并重点考虑了分割尺度的有效控制、分割过程兼顾场景深度信息等问题,对算法进行了针对性改进。针对分割尺度控制问题,提出了边缘敏感度的概念,提高了算法尺度分块的控制能力。针对深度信息融合问题,采用了双目视觉立体匹配和基于Kinect传感器的两种深度信息获取方法,均成功实现融合并提高了分割效果。实验结果表明:本文算法与传统Mean Shift算法相比具有明显优势,不仅能更有效地控制分割尺度,还能成功分割原算法难以分割的特殊情况(如颜色、位置相近的图块)。2.以图像分割后形成的图块为单位,提取其特征向量,从而实现对整张图像的分析和理解。分别提取分割图块的颜色特征、HOG特征和形状特征,为后面的图像识别和分类做准备。3.利用词袋模型整合图像的低层次特征,得到图像的语义部分内容。传统词袋模型以SIFT特征作为视觉特征,本文以分割图块特征和SIFT特征共同构成图像的视觉特征,利用K-means算法聚类,形成图像的两个视觉词汇库。以两个视觉词汇库为基础,形成图像的表达向量。4.以实验室四个房间为研究对象,完成场景识别的实验。对采集的场景图像拼接后形成场景的全景图像,以全景图像为单位,完成场景的识别。实验证明融合分割图块特征的词袋法进行场景识别,比单独以SIFT特征和分割图块特征为视觉单词的词袋法的识别率更高。(本文来源于《哈尔滨工程大学》期刊2017-12-01）
林本涛[6]（2017）在《图像的非线性特征提取及其在半导体图像分割中的应用》一文中研究指出图像识别作为一门较新的学科,由于其所应用的范围广阔,医学影像、气象云图、潮汐观测、产品外观检测、人脸识别等等,都需要用到,所以从一出现就受到了广泛关注,其基础就是图像分割。本课题通过分析比较多种图像分割的方法,应用到半导体器件的图像分割中,创新性的把非线性特征提取应用到半导体图像的特征提取及图像分割中,取得了良好的效果,为进一步的实用化奠定了良好的基础。图像分割作为图像处理、目标识别以及计算机视觉中的一个重要组成部分,已经得到了广泛的重视与研究,不断的涌现出新的分割方法,取得了很大的成果,但是由于目标图像的多样化以及受具体应用场合的影响,大部分图像分割方法可移植性差、计算量较大,对不同的使用场合没有统一的方式。迄今为止,大多数的算法主要集中在线性领域内,本文创新性的把非线性特征提取用于半导体元器件的定位检测,起到了良好的效果。在此,将以非线性角度,来具体展示图像的复杂性,重点讨论了基于非线性特征的图像分割技术。对图像的无监督分割与有监督分割分别进行了研究、仿真与比较,拓展了图纹分割的新方法。具体取得如下进展:(1)对不同的图纹分割方法进行了详细的分析和比较。对这些方法的优缺点进行了总结,并对其适用性范围、能力和存在的问题进行了讨论。(2)在论述非线性科学的基础上,引入了复杂性测度理论,并描述了图像的复杂性,揭示了图像的混沌特性。(3)对大量的Uni-Bonn图纹、Brodatz图像、半导体器件图像进行了复杂性测度的特征提取。包括基于矩不变的图像粗粒化预处理、Hilbert曲线扫描方式扫描图像、对图像的分块计算各种复杂性测度等。实验证明,将复杂性作为对于图纹结构的描述,具有良好的可分性。同时,提出的基于矩不变图像粗粒化方法完全根据图像自身的特征选取阈值,分割精度较高,符合实际要求;采用Hilbert曲线扫描方式扫描图像,在保持图像空间相关性的前提下,实现了图像信息的降维重构。(4)采用改进的模糊C均值和支持向量机两种不同类别的聚类方法作为图像的特征量的图纹分割方法,分别实现了图像的分割,得到了较好的图纹分割效果。同时,对图纹分割常用的几种方法与复杂性测度方法进行了比较。实验表明,在保持一定的分割精度及正确率的条件下,基于复杂性测度的图纹分割算法所需的运算量最少,效率最高。(5)以半导体器件外观识别为例,分析了器件定位设计过程,采用复杂性测度对外观进行了识别,初步确定复杂性测度在器件的识别定位中有很好的前景。(6)介绍了半导体器件定位识别系统的设计过程,其中器件定位算法采用了本文前面介绍的复杂性测度作为图像图纹结构的描述,并结合半导体器件本身特点进行分割定位,结果证明具有较好的定位效果。(本文来源于《山东大学》期刊2017-11-23）
高清河,刚晶,王和禹,刘海英[7]（2017）在《舌诊图像分割和特征提取的方法研究与应用》一文中研究指出舌诊是中医望诊中的重要项目。为了建立客观和定量的指标,使舌诊能够更准确、更客观地反映人体机能状态,对中医舌诊图像分割和特征提取具有十分重要的意义。本文利用数字图像处理技术,对舌像的分割和特征提取进行了详细地的研究和实验,具体内容包括:图像滤波、舌像分割、舌苔与舌质的分离、舌质和舌苔颜色识别、纹理分析识别和分类数据库的建立。(本文来源于《中国中医药现代远程教育》期刊2017年13期）
高静雅[8]（2017）在《医学图像分割与病变特征提取研究》一文中研究指出图像分割在数字图像处理、模式识别等领域是非常重要的研究课题,尤其在医学领域中发挥着越来越大的作用。由于传统的医学图像分割基本上是基于人工分割,分割结果往往无法令人满意,而且费时费力。因此,如何将医学图像实现自动分割,并以此为基础对病灶图像进行识别等,一直是医学图像处理的研究难点和重点。本文针对未考虑灰度信息分布不均匀而使得一些细节未能得到良好分割的情况,将主动轮廓法和最大类间方差Otsu方法相结合来进行分割;在此基础上,考虑病变区域纹理特征和形状特征信息,通过支持向量机SVM对其病灶图像进行了分类识别处理,主要内容如下:(1)医学图像区域分割研究。针对各种具有复杂的器官与组织的医学图像中常常未考虑到灰度信息分布不均匀的情况,本文将Otsu方法融入到水平集Chan-Vese模型中,构造新的能量函数,对分割图像进行目标轮廓演化处理,在保留了Chan-Vese模型优点的情况下,融入了图像分布的类间方差信息,从而实现灰度信息分布不均匀医学图像分割。采用两个数据集提供的人脑图像数据进行实验,结果表明所提方法在相似性度量和正误率度量方面,相比其他同类方法都有明显的优势。(2)病变图像特征提取与识别研究。针对医学图像病变区域信息复杂,使用单一的纹理特征分类效果不佳的问题,本文首先在常用的纹理特征基础上,融入Hough变换和不变矩两个形状特征,以考虑旋转、平移等畸变带来的图像失真影响;然后对这些非线性分布融合信息线性化处理,通过支持向量机SVM对其进行分类,得到病变图像与正常图像的识别;最后,采用某医院提供的图像进行纹理特征和形状特征提取,进而进行SVM分类实验,实验结果表明,分类准确率有所提高。(本文来源于《太原科技大学》期刊2017-05-01）
金延薇[9]（2017）在《基于多特征多尺度提取的图像分割算法研究》一文中研究指出图像特征提取与分割是计算机视觉和图像处理的研究基础。由于图像复杂的空间排列,以及同类地物内部的光谱异质性,使得传统的基于光谱单特征的图像分割,无法取得较好的分割效果。这就需要在图像分割过程中,有效的利用图像的纹理、尺度和对象等多特征信息。多尺度几何变换是一种能够在多尺度、多方向上对图像进行稀疏表示的有效方法,也是近年来,在傅里叶变换、小波变换(Wavelet)的基础上,模拟人类视觉系统的图像表达。多尺度几何变换能同时表达图像在空间域与频率域中的特征,为后续图像多尺度特征提取的研究奠定了基础。本文从多特征、多尺度的角度对图像分割进行研究。研究成果如下:(1)图像多尺度特征提取与分析。对图像进行轮廓波(Contourlet)纹理特征提取,首先,用拉普拉斯金字塔将图像分解为高频与低频部分;然后,在方向滤波器下,提取出图像高频分量中的多方向特征;最后,对高频多方向特征进行矢量迭加,即得到轮廓波提取出的多尺度、多方向图像纹理特征。实验结果表明:多尺度方法提取的纹理特征在视觉和精度上都要优于传统方法提取的纹理特征,Contourlet纹理特征比灰度共生矩阵(GLCM)纹理特征、Wavelet纹理特征能够提取出图像纹理特征更多的方向性信息。(2)图像多特征分割改进算法研究。在均值漂移(Mean Shift)核函数的构建上,进行多特征核函数的改进,并将其运用于图像多维特征空间中,得到改进的多特征均值漂移图像分割算法。(3)对高分影像进行基于多特征多尺度均值漂移图像分割。相同均值漂移带宽尺度下,融入多特征,进行高分影像的分割,与传统均值漂移图像分割实验结果进行对比。实验结果表明:多特征图像分割较单特征图像分割更能区分出图像的细节信息,使得分割结果更加准确。(4)在均值漂移图像分割之后,进行面向对象归一化割图像分割研究。将均值漂移分割后的超对象,作为图构建中的结点,面向对象计算归一化割算法中的权重系数,进行面向对象的归一化割图像分割。实验结果表明:面向对象归一化割算法,优化了均值漂移的过分割现象,同时提高了归一化割算法的运行速度、分割效率。(本文来源于《长安大学》期刊2017-04-14）
刘路平[10]（2016）在《基于图像分割的特征提取在零样本学习中的应用》一文中研究指出图像作为重要的信息载体,在诸多领域中得到广泛的应用。图像中几乎所有的信息都蕴含在底层特征中。特征提取是图像处理中的重要阶段,能否充分提取出图像的底层特征成为区分和联系图像的关键。零样本学习中广泛应用无监督的图像特征提取,使计算机成功地模拟了人类的认知习惯。以零样本学习为应用背景,对提取的纹理特征存在维度高、无法兼顾全局特征和局部特征的问题以及提取的颜色特征忽略了颜色和空间之间关系的问题进行改进。主要研究工作为:提出一种基于局部阈值的分水岭(Local Threshold-Based Watershed,LTW)算法,为解决Gabor滤波器模板和图像进行卷积过程中,固定窗口采样和均匀采样灵活性的缺失和区域信息的不完整,同时能够充分提取图像的细节特征,首先,采用Sobel算子提取图像轮廓;然后,由于待分割图像较复杂,采用Bernsen算法获取多个局部阈值对图像进行二值化;最后,将二值化后的图像用分水岭算法进行分割。提出一种基于LTW的Gabor纹理特征提取(LTW-based Gabor,LTW-Gabor)算法。首先,Gabor滤波器的参数设置尚没有通用方法,为此提出一种Gabor滤波器参数设置的通用方法,提取分割后图像块的整体特征作为整幅图像的局部特征;然后,将通用的Gabor滤波器参数设置方法和LTW算法结合,计算总体纹理的均值和方差作为最终的纹理特征,该算法可显着降低纹理特征的维度;最后,将提取到的图像纹理特征应用于零样本学习中。提出一种基于GRW-Lch的颜色特征提取算法。首先,鉴于颜色直方图忽略了颜色和空间之间的关系,采用基于梯度重构的分水岭(Gradient Reconstruction-Based Watershed,GRW)算法对图像进行分割;然后,利用局部颜色直方图(Lch)的思想,在分割后的图像块上利用颜色直方图进行颜色特征的提取;最后,将提取出的图像颜色特征用于零样本学习。选用公开人脸数据集(Pubfig)、室外风景数据集(OSR)以及属性发现数据库-鞋类数据集(Shoes)叁个不同的数据集进行实验。对比实验结果表明,与传统零样本学习中的特征相比,所提方法均能够获得更高的属性预测精度和零样本学习识别率。(本文来源于《中国矿业大学》期刊2016-06-01）
图像分割与特征提取论文开题报告
（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：
目的在背景差分法和帧间差分法的基础上设计一种新的融合算法,以减少轮廓内部空洞和边缘缺失对图像分割精度的影响。方法首先使用背景差分法建立运动背景模型,将目标与运动背景分离,再使用数学形态学方法对分离的前景目标轮廓进行填补,最后采用帧间差分法对获得的前景运动目标和背景模型进行处理,获得目标轮廓。结果与结论实验数据表明,与当前的图像分割算法相比,本文算法能够较为精确地对图像进行分割,分割出的图像轮廓清晰准确,内部空洞减小,边缘信息丰富。
（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。
图像分割与特征提取论文参考文献
[1].赵春梅.水下图像分割和目标特征提取及识别技术研究[D].哈尔滨工程大学.2019
[2].王林海.基于轮廓特征提取的图像分割方法研究[J].宝鸡文理学院学报(自然科学版).2018
[3].李娜,熊志勇,谢瑾,彭川,任恺.基于Tamura纹理特征提取和SVM的多模态脑肿瘤MR图像分割[J].中南民族大学学报(自然科学版).2018
[4].谢铭超,韩旭,栾帅,李芳,王春兴.基于卷积神经网络特征提取的MRI脑肿瘤图像分割[J].曲阜师范大学学报(自然科学版).2018
[5].雷俊.基于图像分割及特征提取的室内场景识别[D].哈尔滨工程大学.2017
[6].林本涛.图像的非线性特征提取及其在半导体图像分割中的应用[D].山东大学.2017
[7].高清河,刚晶,王和禹,刘海英.舌诊图像分割和特征提取的方法研究与应用[J].中国中医药现代远程教育.2017
[8].高静雅.医学图像分割与病变特征提取研究[D].太原科技大学.2017
[9].金延薇.基于多特征多尺度提取的图像分割算法研究[D].长安大学.2017
[10].刘路平.基于图像分割的特征提取在零样本学习中的应用[D].中国矿业大学.2016
论文知识图
