导读:本文包含了图像处理及识别论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,多目标,数据挖掘,Faster,RCNN
图像处理及识别论文文献综述
白洁音,赵瑞,谷丰强,王姣[1]（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）
刘晓洲,龚演平[2]（2019）在《基于图像处理的断路器压力表计识别技术研究》一文中研究指出在变电站中,断路器的压力表是非常常用也是十分重要的仪器,在工业科技不断进步的今天,人们逐步摒弃了传统人工读数的方式,逐步利用高科技图像处理技术,进行仪表自动识别读数的研究,给生产及生活都提供了极大的便利。(本文来源于《技术与市场》期刊2019年11期）
张婉怡[3]（2019）在《光学识别中常见的数字图像处理技术》一文中研究指出光学识别中常见的数字图像处理技术有以下几种。全息法。将参考目标r(x,y)和匹配滤波器R*(u,v)投放在4f体系中,在系统中输入目标t(x,y)后进行首个傅里叶变换,将得到的频谱和相匹配的滤波器数值相乘,实现下一个傅里叶变换,以得到全新的图像t(x,y)、r(x,y)和其他的判断目标值。和匹配滤波器相比,变换相关器不需要提前安装滤波器,在调试过程中,对中心对准没有实际要求。微分算子处理法。Roberts算子的计算方式为R(i,j),是由两个2×2模板共同使用得到的结果,通常用来处理一些处理难度较大的图像。但通过这种方法得到的边缘检测值准确性不高。而选择3×3的Prewitt算子和Sobel算子就能明显提高检测结果的准确性。Prewitt算子能够表现出图像在水平方向和垂直方向上的梯度,可以依据复函数的计算原理进行计算。群体特征边缘提取法。主要是依据图像中灰度值的变化而生成的各种不同特征的像素进行处理,可以将特征像素作为主要资源进行处理,也可将其作为智能体进行处理。为了能够有效提高信息处理效率,更好地对相似图像开展甄别工作,就要根据这些图像中所具有的特殊关系进行处理,利用不同的信息进行辨别。数字图像处理技术是由计算机科学为基础演变而来的,能够为各行业提供智力支持。(本文来源于《黑龙江科学》期刊2019年20期）
刘爽,许忠保,李春桥,陈威,宋丛珊[4]（2019）在《基于数字图像处理的羊绒与羊毛识别研究》一文中研究指出探讨基于数字图像处理的羊绒与羊毛纤维识别方法。利用螺旋相位相衬显微镜采集到特征清晰的羊绒与羊毛纤维图像,经图像预处理后,采用分段扫描法提取纤维直径,鳞片骨架法提取纤维高度等形态特征,并分别提取不同方向上的灰度共生矩的能量、熵、对比度、相关性等4个特征向量的均值和标准差作为纹理特征参数。最后应用BP神经网络,通过误差反馈调节,得到最佳参数的BP神经网络模型。试验表明:羊绒与羊毛纤维识别的正确率达到93.3%。认为:采用数字图像处理提取纤维特征能较好地识别羊绒与羊毛纤维。(本文来源于《棉纺织技术》期刊2019年10期）
李逸,王晗,王瑞洲,林灿然,张芳健[5]（2019）在《基于图像处理的细指针表盘识别方法研究》一文中研究指出为了解决在细指针表盘识别中难适应光照变化、细指针难分割和表盘读数准确识别率低的问题,结合细指针表盘区域的图像特点,采用图像处理对细指针表盘读数进行了研究;首先,对表盘进行标定,获得表盘量程等先验数据,制作模板,并提出了基于SURF算法改进的多任务模板特征匹配算法;其次,根据指针活动区域,提出了基于分割扇形区域的指针定位法(pointer positioning method based on segmented sector,PSS),进行图像预处理和二值化,使用最小二乘法拟合求得角度;最后,由指针角度得到读数;实验结果表明,该方法对细指针表盘识别率高,能够准确、稳定地识别细指针表盘示数。(本文来源于《计算机测量与控制》期刊2019年09期）
张伟[6]（2019）在《基于图像处理技术的前方车辆识别系统》一文中研究指出基于图像处理技术的前方车辆识别系统,其需要的图像信息来自于安装在汽车上的CCD摄像机。通过图像滤波能够使图像边缘比较清晰地呈现出来;采用Sobel算子、二值化运算使边缘增强的作用,把检测目标的边缘信息凸显出来,使其更明显,便于更好地识别目标。文中采用基于特征模型驱动的前方车辆检测方法,用Sobel算子对图片进行处理,确定前方有无车辆,通过矩形AOI的建立来确定前方车辆。基于图像处理技术的前方车辆识别,可以帮助无人驾驶汽车时刻检测车辆前的道路情况,为处理道路前方的安全隐患做准备。(本文来源于《自动化与仪表》期刊2019年09期）
贡嘎顿珠,仁青诺布[7]（2019）在《基于图像处理的藏文文字识别技术研究》一文中研究指出藏文文字识别包括文字处理、模式识别以及图像处理等技术,逐渐向人工智能领域方向发展,广泛应用于古籍资料的整理、藏文数字图书馆以及新闻出版印刷业等领域。探究藏文文字识别技术,并与传统文字识别技术进行实验对比,通过实验结果可以看出,藏文文字识别技术的识别效率较高,具有较好的应用价值。(本文来源于《电脑知识与技术》期刊2019年27期）
邱国枢,张翔,刘军,王蕾,田青[8]（2019）在《基于图像处理的车辆识别系统设计》一文中研究指出为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图(HOG)特征与支持向量机(SVM)的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.(本文来源于《吉首大学学报(自然科学版)》期刊2019年05期）
张韫峰,李娟,黎明[9]（2019）在《基于图像处理的海参识别和定位方法的研究》一文中研究指出海参识别和定位是实现海参自动捕捞的前提和基础。海参生活环境复杂,体积大小不一且体色随环境变化,为了解决复杂多变环境下海参识别和定位的难题,本文提出了一种基于图像处理的海参识别和定位算法。海参背景复杂且目标特征模糊,为此本文在图像预处理基础上设计基于融合RGB海参刺和海参主干突出特征算法,通过边缘检测模糊优化提取海参轮廓,利用椭圆拟合确定方向特征。结合视觉图像与方向特征提出了基于最小外接矩形椭圆二次拟合海参识别和定位算法,实验结果表明该算法可以有效识别和定位海参,判断海参大小,为海参可持续自动捕捞奠定了理论基础。(本文来源于《鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集》期刊2019-09-22）
陈锦玉[10]（2019）在《基于数字图像处理的字迹识别技术》一文中研究指出字迹识别就是通过将得到的样本字迹和已知出处的字迹对比来判断字迹出处的方法。当前在民事诉讼法庭和刑事诉讼法庭上字迹这个证据在很多案件里都是非常有力的、物证,因此字迹鉴别的作用很大。但在当今社会上,字迹鉴别大多数都采用人工鉴别方式,存在许多问题。基于这些问题,本文提出了一种基于数字图像处理的字迹识别方法,首先通过灰度化、二值化和归一化等方法对图像进行预处理,再结合傅立叶公式,然后建立数据库,进行整体识别,最后利用字迹局部特征识别的方法,计算拐点、交叉点、端点的个数,鉴定出相同字迹。用计算机鉴别字迹实现了对字迹分析的完全客观化,大大缩减了鉴别所用的时间,实现了字迹识别无人化操作、自动鉴别。(本文来源于《电子制作》期刊2019年18期）
图像处理及识别论文开题报告
（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：
在变电站中,断路器的压力表是非常常用也是十分重要的仪器,在工业科技不断进步的今天,人们逐步摒弃了传统人工读数的方式,逐步利用高科技图像处理技术,进行仪表自动识别读数的研究,给生产及生活都提供了极大的便利。
（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。
图像处理及识别论文参考文献
[1].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
[2].刘晓洲,龚演平.基于图像处理的断路器压力表计识别技术研究[J].技术与市场.2019
[3].张婉怡.光学识别中常见的数字图像处理技术[J].黑龙江科学.2019
[4].刘爽,许忠保,李春桥,陈威,宋丛珊.基于数字图像处理的羊绒与羊毛识别研究[J].棉纺织技术.2019
[5].李逸,王晗,王瑞洲,林灿然,张芳健.基于图像处理的细指针表盘识别方法研究[J].计算机测量与控制.2019
[6].张伟.基于图像处理技术的前方车辆识别系统[J].自动化与仪表.2019
[7].贡嘎顿珠,仁青诺布.基于图像处理的藏文文字识别技术研究[J].电脑知识与技术.2019
[8].邱国枢,张翔,刘军,王蕾,田青.基于图像处理的车辆识别系统设计[J].吉首大学学报(自然科学版).2019
[9].张韫峰,李娟,黎明.基于图像处理的海参识别和定位方法的研究[C].鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集.2019
[10].陈锦玉.基于数字图像处理的字迹识别技术[J].电子制作.2019