目标图像论文_吕苗苗,孙建明

导读:本文包含了目标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,目标,卷积,神经网络,深度,毫米波,车辆。

目标图像论文文献综述

吕苗苗,孙建明^[1]（2019）在《基于改进高斯混合模型的运动图像目标检测算法》一文中研究指出运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。(本文来源于《半导体光电》期刊2019年06期）

李赛^[2]（2019）在《人体运动图像的目标模糊模式识别算法》一文中研究指出为了提高人体运动图像的目标模糊式识别精度以及计算性能,提出基于傅里叶变换的人体运动图像的目标模糊模式识别算法.根据Hu-Fourier特征描述子,能够准确提取出人体运动图像目标区域的轮廓特征.在上述基础上,对目标区域进行滑动窗口检测,匹配人体不同部位的模型,将得到的反馈信息通过树形结构进行人体建模,实现人体运动图像的目标模糊模式识别.实验结果表明,所提算法能够在准确性较高的情况下,相比传统算法提高了所提算法的识别速度,并且能够满足实时进行监控的需求.(本文来源于《微电子学与计算机》期刊2019年12期）

白洁音,赵瑞,谷丰强,王姣^[3]（2019）在《多目标检测和故障识别图像处理方法》一文中研究指出为了利用深度学习实现对输电线路的多目标识别以及多种故障的检测,以Faster RCNN(faster regions with convolutional neural networks features)网络为算法框架进行无人机图像的数据挖掘,针对输电线路的6种目标检测任务,提出了3种改进策略,分别为自适应图像预处理算法,基于面积的非极大值抑制算法,以及切分检测方案。研究结果表明:所提改进算法能够利用挖掘的数据对故障进行准确定位与识别,实现对复杂背景下航拍图像中多目标的故障检测,也可类推至其他类似多目标应用场景。论文研究可为多目标的检测和识别提供参考。(本文来源于《高电压技术》期刊2019年11期）

邱康,王子磊^[4]（2019）在《基于车载图像的目标车辆压线检测方法》一文中研究指出车辆压线检测是智能交通系统的一个重要功能,为此提出一种基于车载图像的目标车辆压线检测方法.首先,利用合成数据方法构建一个类型丰富多样的压线检测数据集;然后,结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果,再使用前后轮估计的方法获取车辆前后轮的位置;最后,通过车轮与车道线位置对比实现车辆压线判断.实验表明,结合图像语义分割模型后,所提方法的压线检测平均准确率达到88.7%,平均耗时35 ms,具备一定的实际应用价值.(本文来源于《计算机系统应用》期刊2019年11期）

仲伟峰,郭峰,向世明,潘春洪^[5]（2019）在《旋转矩形区域的遥感图像舰船目标检测模型》一文中研究指出高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此外,自然场景目标检测任务中常用的水平矩形框对细长型舰船目标的定位精确度无法满足实际应用需求.因此,提出了基于旋转矩形区域的遥感舰船目标检测算法.首先,采用旋转矩形框完成舰船目标的定位.其次,提出兴趣区域特征金字塔池化模块,融合兴趣区域的多尺度池化特征以处理目标尺度变化较大的问题.最后,设计定位准确度预测分支,利用定位准确度预测值指导非极大值抑制算法,从而优化后处理的结果.在遥感舰船公开数据集HRSC2016上,通过3个级别任务(分别为单类、4类和19类舰船检测识别)上的实验结果验证了算法的有效性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）

孙一飞,武继刚,张欣鹏^[6]（2019）在《面向眼底图像小目标检测的无监督学习方法》一文中研究指出小目标检测是图像处理领域的一个难点,尤其是医学图像中的小目标检测。微动脉瘤MA作为眼底图像中的一类小目标,尺寸小、局部对比度较低,并且存在较多的噪声干扰,检测难度较大。传统的检测方法需要手工提取特征,难以准确检测MA。而基于深度学习的检测需要进行复杂的前期准备工作,工作量大,并且难以解决正负样本数量不平衡的问题,容易产生过拟合。稀疏编码器SAE是一种无监督机器学习算法,可以在样本数量不平衡的环境中有效地提取样本的特征。因此,提出了一种基于SAE的无监督学习方法检测MA,采用反向传播更新SAE的权重和偏置以提取样本的特征,并利用提取的特征训练Softmax,最终实现MA的准确检测。为验证方法性能,选取了Retinopathy Online Challenge、DIARETDB1和E-ophtha-MA 3个数据库分别进行实验。实验结果表明,本文方法能够准确地检测出眼底图像中的MA,并且获得了较高的准确率和灵敏度。准确率分别为98.5%,87.2%和92.6%,灵敏度分别为99.9%,99.8%和98.7%。(本文来源于《计算机工程与科学》期刊2019年11期）

刘树吉^[7]（2019）在《结合线性与非线性特征提取与分类的SAR图像目标识别》一文中研究指出针对合成孔径雷达(SAR)目标识别问题,提出一种结合线性,非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上,分别利用稀疏表示(SRC)和核稀疏表示(KSRC)对两类特征进行分类。通过线性,非线性特征,分类器的结合,可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中,基于MSTAR数据集进行性能测试,结果表明提出方法的有效性。(本文来源于《电子设计工程》期刊2019年21期）

陈国平,程秋菊,黄超意,周围,王璐^[8]（2019）在《采用深度卷积神经网络方法的毫米波图像目标检测》一文中研究指出通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品。该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络。为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试。实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94%,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值。(本文来源于《电讯技术》期刊2019年10期）

徐声海,柯涛,张恒,陆小凯^[9]（2019）在《光电图像中目标距离估计技术研究》一文中研究指出通过在光电设备正前方增加一个标定矩形块,对图像进行一系列的图像处理,得出不同目标的像素值个数,以及标定矩形块的像素值个数;然后将光电图像目标与目标特征数据库中存储的目标通过尺度不变特征变换(SIFT)方法匹配,进而得出目标的实际面积;最后通过比例关系以及目标角度计算出目标距离。(本文来源于《舰船电子对抗》期刊2019年05期）

李静^[10]（2019）在《指向课程目标的地理图像开发路径》一文中研究指出图像是高中地理学习的重要载体。基于课程目标对地理图像进行有效开发,有利于促进学生的全面发展,提升教学效果。在实际教学中,教师应基于学情实现图像的制作、转换,引导学生参与图形的绘制与分析,结合典型案例引导学生通过图像及变式图像,逐步丰富知识积累、发展迁移能力。(本文来源于《名师在线》期刊2019年30期）

目标图像论文开题报告

（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：

为了提高人体运动图像的目标模糊式识别精度以及计算性能,提出基于傅里叶变换的人体运动图像的目标模糊模式识别算法.根据Hu-Fourier特征描述子,能够准确提取出人体运动图像目标区域的轮廓特征.在上述基础上,对目标区域进行滑动窗口检测,匹配人体不同部位的模型,将得到的反馈信息通过树形结构进行人体建模,实现人体运动图像的目标模糊模式识别.实验结果表明,所提算法能够在准确性较高的情况下,相比传统算法提高了所提算法的识别速度,并且能够满足实时进行监控的需求.

（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。

目标图像论文参考文献

[1].吕苗苗,孙建明.基于改进高斯混合模型的运动图像目标检测算法[J].半导体光电.2019

[2].李赛.人体运动图像的目标模糊模式识别算法[J].微电子学与计算机.2019

[3].白洁音,赵瑞,谷丰强,王姣.多目标检测和故障识别图像处理方法[J].高电压技术.2019

[4].邱康,王子磊.基于车载图像的目标车辆压线检测方法[J].计算机系统应用.2019

[5].仲伟峰,郭峰,向世明,潘春洪.旋转矩形区域的遥感图像舰船目标检测模型[J].计算机辅助设计与图形学学报.2019

[6].孙一飞,武继刚,张欣鹏.面向眼底图像小目标检测的无监督学习方法[J].计算机工程与科学.2019

[7].刘树吉.结合线性与非线性特征提取与分类的SAR图像目标识别[J].电子设计工程.2019

[8].陈国平,程秋菊,黄超意,周围,王璐.采用深度卷积神经网络方法的毫米波图像目标检测[J].电讯技术.2019

[9].徐声海,柯涛,张恒,陆小凯.光电图像中目标距离估计技术研究[J].舰船电子对抗.2019

[10].李静.指向课程目标的地理图像开发路径[J].名师在线.2019

论文知识图

标签：图像论文;  目标论文;  卷积论文;  神经网络论文;  深度论文;  毫米波论文;  车辆论文;