导读:本文包含了优化分割模型论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,活动轮廓模型,水平集方法,粗分割
优化分割模型论文文献综述
宋杨杨,刘迎洲,谢晓振,郝智慧[1]（2016）在《图像局部交互熵分割模型的两步快速优化》一文中研究指出目的针对LCK(local correntropy-based K-means)模型收敛速度慢,提出新的基于LCK模型的两步快速分割模型。方法两步快速分割模型包括粗分割和细分割。1)粗分割:先将待分割的原始图像下采样,减少数据量;然后使用LCK模型对采样后的粗尺度图像进行分割,得到粗分割结果及其相应的粗水平集函数。由于数据量的减少,粗分割步骤可以快速得到近似分割结果。2)细分割:在水平集函数光滑性约束下,将粗分割结果及其对应的粗水平集函数上采样到原始图像的尺度,然后将上采样后的粗水平集函数作为细分割的初始值,利用LCK模型对原始图像进行精细分割。因初始值与真实目标边界很接近,所以只需很少迭代次数就能得到最终分割结果。结果采用F-score评价方法分析自然以及合成图像的分割结果,并与LCK模型作比较,新的模型F-score数值最大,且迭代次数不大于50。结论粗分割步骤能在小数据量的情况下,快速分割出粗略的目标;细分割步骤在较好的初始值条件下,能够快速收敛到最终的分割结果,从而有效提高了模型的计算效率和精确性。本文算法主要适用于分割含有未知噪声及灰度非同质的医学图像,且分割效率高。(本文来源于《中国图象图形学报》期刊2016年11期）
张玲,彭新光,李海芳,李钢[2]（2017）在《基于核函数与局部信息的凸优化分割模型》一文中研究指出针对C-V模型不能准确分割非同质和高噪声的图像,且计算效率比较低的特点,作出如下改进:对于区域中的每一点,利用该点所在区域的平均灰度值和其邻域内其他点的灰度值的核函数度量定义局部能量项,然后对图像域上所有点的局部能量进行积分定义全局能量项,由于局部信息和核函数的引入使得区域均值的更新具有较强的抗噪能力,提高分割鲁棒性;然后将该模型转换为全局凸分割模型,同时引入边界边缘检测函数加权的总变差范数(total variation,TV)更加准确地获取目标的边界位置,以提高模型的分割精度;最后,使用split Bregman迭代进行数值求解。实验结果表明,该模型能够有效地分割非同质和高噪声图像,与C-V、RSF和DRLSE模型相比,在运行速度和分割精度上有了很大的提升。(本文来源于《计算机应用研究》期刊2017年05期）
郑汉翔,王美清[3]（2016）在《基于区域的活动轮廓图像分割模型的变步长优化算法》一文中研究指出基于偏微分方程图像分割的活动轮廓模型,基本思想是将图像分割归结为最小化一个封闭曲线的能量泛函,图像分割问题实质上是一个无约束最优化问题.传统最小化算法的数值实现过程中采用固定时间步长的方法,时间步长选取较大,迭代过程容易出现震荡现象影响分割结果,而时间步长选取较小,又会减慢收敛速度.利用Wolfe-Powell线搜索方法,提出了一种变时间步长的优化算法,在迭代过程中根据搜索方向自动调整时间步长大小,有效克服了固定时间步长出现的震荡现象和收敛速度慢的问题.(本文来源于《福州大学学报(自然科学版)》期刊2016年03期）
宋克臣,颜云辉,彭怡书,董德威[4]（2012）在《引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型》一文中研究指出为解决Chan-Vese模型和局部二元拟合(Local binary fitting,LBF)模型在带钢缺陷图像分割时存在的对初始轮廓位置敏感、运行速度较慢等问题,提出引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型(Local information convex activecontour,LICAC)。该模型利用凸优化技术将一个非凸的分割模型转变为凸优化问题,并采用Split Bregman方法对问题进行快速求解,从而解决Chan-Vese模型和LBF模型对初始轮廓位置敏感等问题。通过引入图像局部信息,该模型可以有效分割灰度不均匀的带钢表面缺陷图像。使用该模型分别对焊缝、黄斑、孔洞和划伤等4大类单个带钢缺陷目标区域的图像进行分割试验,分割效果和运行时间都明显优于其余两种模型。同时,该模型也可用于含多个缺陷目标区域的图像分割,并通过对划伤、夹杂、麻点和抬头纹等4大类常见的多个缺陷目标区域的图像进行分割试验,验证了该模型的有效性。(本文来源于《机械工程学报》期刊2012年20期）
潘晓花,孙文杰,韦志辉,王平安,孙权森[5]（2012）在《脑MR图像互信息最大的凸优化分割模型》一文中研究指出脑MR图像中普遍存在灰度不均匀性,传统的分割方法无法得到理想的脑组织分割结果.为此提出一种基于互信息最大化准则的变分水平集凸优化分割模型.首先建立最大化图像灰度与标记之间互信息能量的分割模型,并融入偏移场信息;对模型进行水平集表示和凸优化后,再引入边缘指示函数加权的总变差范数;最后采用SplitBregman方法快速求解.实验结果表明,该模型可以得到较准确的脑组织分割和偏移场矫正结果,对噪声和灰度不均匀性有很好的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2012年08期）
徐涛[6]（2006）在《时间序列优化分割模型和提取算法》一文中研究指出针对时间序列分割,通过各区段的特征来表示整个时间序列的特性,提出了时间序列分割的数学定义,并总结了时序分割的数学模型．根据现有的研究,提出了3种不同的时间序列分割模型,分别为K-分割模型、基于距离和分割数的综合分割模型、趋势特征分割模型,并针对不同模型提出了相应的算法．(本文来源于《2006中国控制与决策学术年会论文集》期刊2006-07-01）
文和平,綦耀光,柯映林,程耀东[7]（2002）在《常用刀具的优化分割模型》一文中研究指出本文在分析多坐标NC加工原理的基础上,系统地研究了刀身的优化分割模型,提出了一种将刀身离散分割,并用平面叁角片近似的常用刀具的分割模型。(本文来源于《第一届全国几何设计与计算学术会议论文集》期刊2002-06-01）
优化分割模型论文开题报告
（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：
针对C-V模型不能准确分割非同质和高噪声的图像,且计算效率比较低的特点,作出如下改进:对于区域中的每一点,利用该点所在区域的平均灰度值和其邻域内其他点的灰度值的核函数度量定义局部能量项,然后对图像域上所有点的局部能量进行积分定义全局能量项,由于局部信息和核函数的引入使得区域均值的更新具有较强的抗噪能力,提高分割鲁棒性;然后将该模型转换为全局凸分割模型,同时引入边界边缘检测函数加权的总变差范数(total variation,TV)更加准确地获取目标的边界位置,以提高模型的分割精度;最后,使用split Bregman迭代进行数值求解。实验结果表明,该模型能够有效地分割非同质和高噪声图像,与C-V、RSF和DRLSE模型相比,在运行速度和分割精度上有了很大的提升。
（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。
优化分割模型论文参考文献
[1].宋杨杨,刘迎洲,谢晓振,郝智慧.图像局部交互熵分割模型的两步快速优化[J].中国图象图形学报.2016
[2].张玲,彭新光,李海芳,李钢.基于核函数与局部信息的凸优化分割模型[J].计算机应用研究.2017
[3].郑汉翔,王美清.基于区域的活动轮廓图像分割模型的变步长优化算法[J].福州大学学报(自然科学版).2016
[4].宋克臣,颜云辉,彭怡书,董德威.引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型[J].机械工程学报.2012
[5].潘晓花,孙文杰,韦志辉,王平安,孙权森.脑MR图像互信息最大的凸优化分割模型[J].计算机辅助设计与图形学学报.2012
[6].徐涛.时间序列优化分割模型和提取算法[C].2006中国控制与决策学术年会论文集.2006
[7].文和平,綦耀光,柯映林,程耀东.常用刀具的优化分割模型[C].第一届全国几何设计与计算学术会议论文集.2002