导读:本文包含了图像序列分析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,序列,张量,形态,细胞,纹理,门控。
图像序列分析论文文献综述
徐超,冯辅周,闵庆旭,孙吉伟,朱俊臻[1]（2017）在《基于主成分分析的热图像序列盲源分离》一文中研究指出在涡流脉冲热像技术中,高频涡流瞬时加热被测物体时,不同区域的热响应会发生混迭现象,这势必影响缺陷区域热响应信号的判别。本文以红外图像序列为观测信号,建立热响应信号的混迭模型;其次,利用不同区域的热响应彼此独立的特点,开展了基于主成分分析的盲源分离数据处理方法研究;最后,建立仿真模型研究了不同区域的热响应形态,采用了基于混迭向量和峰度系数定量分析主成分强化的区域。实验结果表明该方法能够实现不同生热区域的盲源分离,为缺陷的特征提取和识别提供了理论支撑。(本文来源于《红外技术》期刊2017年11期）
何富运[2]（2017）在《显微细胞图像序列形态分析的关键技术研究》一文中研究指出显微细胞图像序列中目标细胞形态和能动性的量化分析,对于理解和分析生命体的生物过程是非常有意义的。细胞的形态变化往往是和特定的生理或病理过程相联系的,分析细胞的动态行为以揭示有机体的生理或病理状态和细胞的形态变化之间的关系具有广泛的应用价值。本文主要以多能干细胞图像序列为研究对象,研究显微细胞图像序列形态分析所涉及的关键技术,主要包括细胞图像序列复原、轮廓边界点匹配、形变因子提取、形态变化模式分类等四方面内容:(1)研究基于时空高斯曲率正则化的细胞图像序列复原方法该项研究提出了一种基于时空高斯曲率正则化的图像序列复原方法,并将其应用于连续细胞图像序列的去噪和去模糊处理。首先,从图像序列空间域和时间域的相关性角度出发,将细胞图像序列看作是一个时空体,在此基础上引入时空高斯曲率正则化来构建复原模型,该模型可以有效地增强模型优化解的平滑性,从而使复原图像更为逼近原始图像。其次,模型的优化求解过程结合了增广拉格朗日乘子法和分裂算法,逐步迭代地寻找子优化问题的解。最后,为了验证该复原模型的有效性,在6组不同的细胞图像序列数据集上分别进行了去噪和去模糊实验。实验结果表明:相比于其他基于时空体的图像序列复原方法,本文提出的方法在处理细胞图像序列的去噪和去模糊问题上,能得到更高质量的复原效果和更自然的细胞图像。(2)研究基于邻近张量匹配的细胞图像序列轮廓点匹配方法细胞图像序列轮廓点之间的匹配是细胞形变因子提取的前提条件,一般通过图匹配方法加以解决。本文提出一种改进的高阶图约束方法用于实现细胞图像序列轮廓点之间的一一对应。首先,采用邻近张量编码待匹配的图,相比较于现有的超图匹配算法,编码的存储空间有了本质上的优化。其次,采用叁元组描述符表示细胞轮廓点集所对应的图结构,将图表示为叁维张量,然后将其转换为更易为处理的矩阵形式,接着采用基于梯度优化的逐步凹化和非凸优化求解该匹配问题的优化解。最后,分别进行了不同的同源点集匹配方法在模拟合成点集和实际细胞图像序列轮廓点集上的比对实验,实验结果验证了改进方法的有效性。(3)研究基于结构化矩阵分解的细胞图像序列形变模型连续的细胞图像序列轮廓组成了一个高维形状空间,这些形状之间的变形可以表示为低维子形状空间的线性组合。为了解决细胞图像序列形变定量描述和分析的需求,首先,基于图正则化和结构化的矩阵分解,提出了表征形状序列形变程度的量化指标——形变因子。其次,采用邻近梯度下降法求解模型的优化解,然后分离该形变因子。通过该方法得到的形状序列形变因子作为表征细胞图像序列形状和形变特征的参数。该形变因子具有较好的平滑性、稀疏性和局部特征,可以很好地刻画形状序列的动态形变过程。最后,将该方法应用于模拟的形状形变序列和实际的细胞图像序列,验证了提出方法在形状序列形变特征提取和分析上的有效性。为后续的基于形态变化特征的细胞图像序列分类打下了基础。(4)研究基于线性链条件随机场的细胞图像序列分类方法该项研究基于线性链条件随机场的条件概率模型实现细胞图像序列的形变模式分类。首先,将细胞图像序列的分类问题建模为基于线性链条件随机场的多类分类器模型,将其看作是一个关于类别的条件概率分布模型;接着,基于类间隔最大化准则引入判别学习算法估计模型的参数;最后,以细胞图像序列的形变因子和描述细胞内部运动的动态纹理作为输入特征向量,实现细胞图像序列形态变化模式的分类。由数值分类实验和实际的细胞图像序列分类实验结果可知,所提方法达到了较高的分类精度,有着较好的适应性和稳定性。(本文来源于《东南大学》期刊2017-09-04）
亢婉君[3]（2017）在《张量主成分分析及在图像序列识别中的应用》一文中研究指出图像序列,如视频图像、医学图像、高光谱遥感影像等都属于叁维张量。张量本质上是多维数组,它是矩阵的多线性推广。图像序列不仅成为人类活动中最常用的信息载体,而且在张量模式下对图像序列的识别也成为近几年来模式识别领域研究的热点问题。在特征提取中,最常用的方法是主成分分析法(Principal Component Analysis,PCA)。由于图像序列属于叁维张量,本文考虑使用张量主成分分析(Tensor Principal Component Analysis,TPCA)的方法对图像序列进行识别。然而现有的张量主成分分析的方法在特征提取时无法在张量模式下确定一个合适的奇异值阈值,从而无法确定图像序列的特征保存率。在分类识别中,现有的张量型分类器仅能处理二维数据,无法对多维特征进行直接分类。这种所谓的张量型分类器目前只能局限于二维,本质上是二维张量型分类器。针对以上问题,本文在张量模式下对图像序列的识别进行研究,具体内容如下:首先,现有的TPCA方法存在缺陷:无法在张量模式下确定一个合适的奇异值阈值,即在张量模式下无法找出去除噪声和保留细节之间的平衡点。本文在TPCA的基础上提出了截断张量主成分分析(Truncated Tensor Principal Component Analysis,TTPCA)的方法来确定一个合适的奇异值阈值。奇异值阈值的确定用来滤除较小的奇异值、保留较大的奇异值,从而找到去除噪声和保留细节的平衡点,完成对图像序列的特征提取。然后,为了有效地提高图像序列的识别精度,考虑到经过特征提取后的图像序列依然是张量模式,提出张量模式下的叁维支持张量机(Three Dimensional Support Tensor Machine,3DSTM)对张量型数据进行直接分类,避免了将张量数据矢量化。关于张量模式的分类器主要做了如下工作:第一,在3DSTM算法中,利用张量乘法的运算规则,改进传统的支持向量机和二维的支持张量机,把它们扩展到理论上的N维,使其可以直接处理张量模式的输入;第二,在3DSTM分类器模型的基础上,根据SVM和3DSTM两者的优缺点,引入多秩的思想,提出基于多秩叁维支持张量机(Multiple Rank Three Dimensional Support Tensor Machine,MR3DSTM)分类器的设计,使图像序列的识别率更高。用本文提出的TTPCA和3DSTM,以及TTPCA和MR3DSTM这两种张量形式的分类识别算法与目前流行的两种算法进行实验对比。实验结果表明,本文提出的算法在图像序列的识别精度和速度上有明显提高;并且本文提出的MR3DSTM和3DSTM这两种分类器方法相比,MR3DSTM的识别精度更高。(本文来源于《东北电力大学》期刊2017-05-01）
马爱莲,徐德刚,谢永芳,阳春华,桂卫华[4]（2016）在《基于复杂网络时空特性的泡沫图像序列动态纹理特征提取与分析》一文中研究指出基于机器视觉的浮选过程监控方法已经被广泛应用于浮选过程中,泡沫表面纹理特征是过程监控的关键视觉特征之一。当前静态纹理特征只能从空间维度描述图像特征,在时间维度上刻画图像序列的内在变化特性存在不足,不能准确反映浮选泡沫浮选过程动态特性。本文提出了基于复杂网络时空特性的泡沫图像序列动态纹理特征方法。通过将每帧图像的像素点映射到网络各节点,利用邻接矩阵建立复杂网络模型,并利用网络权值动态演化反应不同时刻的图像特征,并基于复杂网络时空特性提取泡沫图像序列的动态纹理特征。结合实际生产数据进行仿真验证,实验结果表明该方法可准确识别浮选动态状况,可为浮选生产过程的实时调节提供重要的指导信息。(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
时永刚,杨婷,刘志文,李衡[5]（2016）在《基于显微图像序列的细胞形态变化分析》一文中研究指出目的细胞的形态变化与细胞的生理特性密切相关,其定量的描述和分析对探究生命的生理或病理状态过程有重要意义。本文基于显微图像序列提取细胞形态的动态变化信息,以实现对细胞不同形态变化的定量描述及分类。方法采用运动历史图像和局部二值模式分别提取细胞轮廓和内部运动信息,并使用一系列不同尺度的时间窗口将上述特征映射为多时间尺度的特征矢量,再采用支持向量机对细胞的不同形态变化进行分类。通过对4组不同形态变化等级的小鼠淋巴细胞图像序列进行分类实验,以验证本方法的分类效果。结果对形态变化由缓慢到剧烈的4组淋巴细胞视频,分类精确度达到75%,能有效区分不同程度的细胞形态变化。结论与径向距离、Zernike矩、傅里叶描述子等常用的形状描述方法相比,本文方法更加全面地描述了细胞形态变化的动态信息,对细胞的多样性运动具有更好的适应性和稳定性。对细胞形态变化的分类,可用于异常细胞形态变化的检测,为疾病的早期诊断提供了客观依据。(本文来源于《北京生物医学工程》期刊2016年03期）
毛海群,杨丰,黄铮,崔凯,王欣昕[6]（2015）在《基于IVUS图像序列的关键帧提取和分析在临床上的应用》一文中研究指出本文提出一种基于图像灰度的关键帧提取的门控方法,用于减少血管内超声(IVUS)图像序列纵切方向上的运动伪影。首先将IVUS图像换到极坐标下,通过频谱分析和滤波技术,提取反映心脏运动的一维信号簇,检索滤波后信号的极值,寻找关键帧,组成门控序列。实验结果分析表明本文算法快,平均每帧处理时间为17ms。从IVUS图像序列的纵向可视图上观察,门控序列和原始序列趋势一致,减少了锯齿形状,具有良好的连续性。采集12组临床IVUS序列[图像(876±65)帧,血管长度(14.61±1.08)mm],计算门控前后序列的血管容积、管腔容积和平均斑块负荷。统计实验结果发现,门控序列血管容积、管腔容积显着小于原始序列,平均斑块负荷差异性不显着,符合临床诊断需要。血管面积方差和管腔面积方差显着小于原始序列,表明门控序列较原始序列稳定。(本文来源于《生物医学工程学杂志》期刊2015年04期）
王雪丽[7]（2015）在《广告图像序列的涌现叙事分析》一文中研究指出近年来对广告语篇的多模态研究成了语言学领域中的一个重要话题。相关研究多围绕单个广告画面,未发现对某一主题广告图像序列进行的研究。本文运用Lim研究连环画中图像序列的方法,分析一则公益广告图像序列中的涌现叙事进行探讨。结果表明,Lim提出的视觉语义层次理论可以运用于对广告图像序列的分析,同时证明该理论对汉语语篇进行分析的可行性。(本文来源于《齐齐哈尔师范高等专科学校学报》期刊2015年01期）
冯辅周,王鹏飞,张超省,闵庆旭[8]（2015）在《主成分分析在超声红外图像序列增强过程中的应用》一文中研究指出针对超声红外热像无损检测中图像信噪比不高、缺陷对比度低的问题,将主成分分析法运用于红外图像序列处理的增强过程中,对比分析了原始图像序列、含部分缺陷图像序列及重建图像序列在降噪及增强方面的效果。研究表明:主成分分析法可显着提高图像信噪比并有效消除热量不均效应;而缺陷位置对处理结果无影响,最终重建的图像序列中图像信噪比普遍得到提高。研究结果验证了该方法在红外图像处理方面的有效性,为后续缺陷的识别奠定了理论基础。(本文来源于《装甲兵工程学院学报》期刊2015年01期）
杨婷[9]（2015）在《基于显微图像序列的细胞形态变化分析》一文中研究指出细胞图像处理采用模式识别和数字图像处理技术对细胞显微图像进行定量描述和分析，为细胞的生理特性研究提供重要信息。其中，细胞形态描述和度量是生物医学领域内的研究热点，可为临床诊断和治疗提供客观参考依据。对于具有自主生命活动的活细胞，细胞的形态会随着其所处生理环境的变化而变化，因此基于显微图像序列的细胞形态变化描述和分析，对探究生命的生理或病理过程有重要的意义。本文基于细胞图像序列提取细胞形态的动态变化信息，并实现对其动态变化的定量描述和分析。根据细胞图像序列最直观的两个特征：细胞轮廓和细胞内部区域，分别提取细胞轮廓形状变化信息和细胞内部运动信息。对细胞轮廓，引入运动历史图像方法将图像序列中的运动映射到一幅静态图像，把复杂的形状动态变化问题转化为相对简单的静态形状描述问题，再利用图像描述方法获取此图像的特征，描述细胞轮廓运动的大小、方向及动态形状。对细胞内部区域，首次使用包含动态信息的动态纹理特征来描述细胞内部细胞质流动及颗粒运动情况，实现对细胞内部变化更为完备的描述。由此，本文所提特征均包含细胞的动态信息，更适合描述图像序列中的细胞形态变化。图像序列分析是对2D图像在时间维度上的分析，因此还要消除不同时间尺度对动态分析的影响，实现动态评价的一致性。本文提出多时间尺度的Bag of Words模型对时间维度进行建模分析，将文本分析领域中的Bag of Words模型拓展到图像序列分析领域，并结合多时间尺度，提高算法对细胞不均匀运动的适应性和稳定性，在一定程度上消除时间维度对动态评价的影响。实验对四组小鼠淋巴细胞视频进行分类，该四组数据的淋巴细胞取自经背部皮肤移植手术后的小鼠外周血，具有不同程度的形态变化。最终分类准确度达到76.7%，与本课题组之前使用的径向距离和动态时间规整算法相比有明显的提升，实验结果表明本文算法能有效区分不同程度的细胞形态变化，对细胞不均匀运动的适应性更好，提高了整体的分类效果，对临床诊断具有一定的参考价值和意义。(本文来源于《北京理工大学》期刊2015-01-01）
许磊[10]（2014）在《基于动态图像序列的自动扶梯客流量的测量分析》一文中研究指出随着社会的不断发展,人们的安全意识也不断提高。在商场、飞机场、火车站、地铁站以及一些大型的娱乐场所中,自动扶梯都是广泛存在着的运输工具。而如果不能对自动扶梯客流量进行良好的控制,就可能会引发一些安全方面的问题。本文阐述了自动扶梯和计算机视觉系统原理,并利用计算机图像序列分析的方法对自动扶梯客流量进行测量分析。(本文来源于《电子世界》期刊2014年05期）
图像序列分析论文开题报告
（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：
显微细胞图像序列中目标细胞形态和能动性的量化分析,对于理解和分析生命体的生物过程是非常有意义的。细胞的形态变化往往是和特定的生理或病理过程相联系的,分析细胞的动态行为以揭示有机体的生理或病理状态和细胞的形态变化之间的关系具有广泛的应用价值。本文主要以多能干细胞图像序列为研究对象,研究显微细胞图像序列形态分析所涉及的关键技术,主要包括细胞图像序列复原、轮廓边界点匹配、形变因子提取、形态变化模式分类等四方面内容:(1)研究基于时空高斯曲率正则化的细胞图像序列复原方法该项研究提出了一种基于时空高斯曲率正则化的图像序列复原方法,并将其应用于连续细胞图像序列的去噪和去模糊处理。首先,从图像序列空间域和时间域的相关性角度出发,将细胞图像序列看作是一个时空体,在此基础上引入时空高斯曲率正则化来构建复原模型,该模型可以有效地增强模型优化解的平滑性,从而使复原图像更为逼近原始图像。其次,模型的优化求解过程结合了增广拉格朗日乘子法和分裂算法,逐步迭代地寻找子优化问题的解。最后,为了验证该复原模型的有效性,在6组不同的细胞图像序列数据集上分别进行了去噪和去模糊实验。实验结果表明:相比于其他基于时空体的图像序列复原方法,本文提出的方法在处理细胞图像序列的去噪和去模糊问题上,能得到更高质量的复原效果和更自然的细胞图像。(2)研究基于邻近张量匹配的细胞图像序列轮廓点匹配方法细胞图像序列轮廓点之间的匹配是细胞形变因子提取的前提条件,一般通过图匹配方法加以解决。本文提出一种改进的高阶图约束方法用于实现细胞图像序列轮廓点之间的一一对应。首先,采用邻近张量编码待匹配的图,相比较于现有的超图匹配算法,编码的存储空间有了本质上的优化。其次,采用叁元组描述符表示细胞轮廓点集所对应的图结构,将图表示为叁维张量,然后将其转换为更易为处理的矩阵形式,接着采用基于梯度优化的逐步凹化和非凸优化求解该匹配问题的优化解。最后,分别进行了不同的同源点集匹配方法在模拟合成点集和实际细胞图像序列轮廓点集上的比对实验,实验结果验证了改进方法的有效性。(3)研究基于结构化矩阵分解的细胞图像序列形变模型连续的细胞图像序列轮廓组成了一个高维形状空间,这些形状之间的变形可以表示为低维子形状空间的线性组合。为了解决细胞图像序列形变定量描述和分析的需求,首先,基于图正则化和结构化的矩阵分解,提出了表征形状序列形变程度的量化指标——形变因子。其次,采用邻近梯度下降法求解模型的优化解,然后分离该形变因子。通过该方法得到的形状序列形变因子作为表征细胞图像序列形状和形变特征的参数。该形变因子具有较好的平滑性、稀疏性和局部特征,可以很好地刻画形状序列的动态形变过程。最后,将该方法应用于模拟的形状形变序列和实际的细胞图像序列,验证了提出方法在形状序列形变特征提取和分析上的有效性。为后续的基于形态变化特征的细胞图像序列分类打下了基础。(4)研究基于线性链条件随机场的细胞图像序列分类方法该项研究基于线性链条件随机场的条件概率模型实现细胞图像序列的形变模式分类。首先,将细胞图像序列的分类问题建模为基于线性链条件随机场的多类分类器模型,将其看作是一个关于类别的条件概率分布模型;接着,基于类间隔最大化准则引入判别学习算法估计模型的参数;最后,以细胞图像序列的形变因子和描述细胞内部运动的动态纹理作为输入特征向量,实现细胞图像序列形态变化模式的分类。由数值分类实验和实际的细胞图像序列分类实验结果可知,所提方法达到了较高的分类精度,有着较好的适应性和稳定性。
（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。
图像序列分析论文参考文献
[1].徐超,冯辅周,闵庆旭,孙吉伟,朱俊臻.基于主成分分析的热图像序列盲源分离[J].红外技术.2017
[2].何富运.显微细胞图像序列形态分析的关键技术研究[D].东南大学.2017
[3].亢婉君.张量主成分分析及在图像序列识别中的应用[D].东北电力大学.2017
[4].马爱莲,徐德刚,谢永芳,阳春华,桂卫华.基于复杂网络时空特性的泡沫图像序列动态纹理特征提取与分析[C].第27届中国过程控制会议（CPCC2016）摘要集.2016
[5].时永刚,杨婷,刘志文,李衡.基于显微图像序列的细胞形态变化分析[J].北京生物医学工程.2016
[6].毛海群,杨丰,黄铮,崔凯,王欣昕.基于IVUS图像序列的关键帧提取和分析在临床上的应用[J].生物医学工程学杂志.2015
[7].王雪丽.广告图像序列的涌现叙事分析[J].齐齐哈尔师范高等专科学校学报.2015
[8].冯辅周,王鹏飞,张超省,闵庆旭.主成分分析在超声红外图像序列增强过程中的应用[J].装甲兵工程学院学报.2015
[9].杨婷.基于显微图像序列的细胞形态变化分析[D].北京理工大学.2015
[10].许磊.基于动态图像序列的自动扶梯客流量的测量分析[J].电子世界.2014
论文知识图
