导读:本文包含了分块图像特征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,直方图,颜色,高分辨率,岩心,全景。
分块图像特征论文文献综述
夏永泉,孙静茹,WU,Xin-wen,支俊,王兵[1]（2019）在《高分辨率天文图像分块并行特征提取方法研究》一文中研究指出图像并行处理研究较多,但鲜有分块文献以及图像分块机制研究。针对高分辨率天文图像数据量大、特征提取速度缓慢的问题,研究了图像分块并行处理策略。通过对高分辨天文图像在不同分块分辨率下的特征提取时间进行对比分析,找到特征提取速度最快的分块分辨率。通过实验对比和分析得到分块策略,通过实验验证了方法的有效性。(本文来源于《软件导刊》期刊2019年09期）
李聪,沈疆海[2]（2019）在《一种基于特征点分块的岩心图像融合算法》一文中研究指出岩心图像数据采集中,由于岩心表面凹凸不平或者受损,导致单次采集的图像有局部模糊的现象,因此,需要多次聚焦、采集、成像,然后将多幅局部模糊岩心图像融合为单幅高清岩心图像。但在岩心图像融合过程中,容易出现融合重影、"块"现象。结合岩心图像特点(纹理细腻、色彩多样等),提出基于特征点分块的岩心图像融合算法。该算法先校准多幅图像间的几何形变,然后插值融合得到单幅高清岩心图像。试验结果表明,该算法能较好解决岩心高清图像融合中出现重影、"块"现象的问题,使融合的岩心图像效果满足应用需求。(本文来源于《长江大学学报(自然科学版)》期刊2019年04期）
张烨,党媛媛,李昭慧[3]（2018）在《基于分块加权的多特征图像检索算法》一文中研究指出颜色是识别图像差异的一个重要特性,颜色特征提取过程简单,同时兼具旋转和平移不变性。但传统颜色特征只是对图像的全局信息进行统计,并没有考虑图像的空间分布特性,因此出现部分内容不同,但却有着相似颜色特征的图像。针对传统颜色直方图算法存在的检索缺陷,提出了一种新的颜色直方图分块加权提取算法。首先对图像作分块处理并根据各分块中显着点数的占比情况为其赋予权值,然后分别提取各个分块的颜色直方图特征,从而得到图像分块加权后的颜色特征;同时对图像提取Tamura纹理特征,将颜色和纹理两种特征融合在一起,并根据图像特征向量间的距离大小反映相似程度。实验结果表明:本文算法能够在提取特征向量时有效增加空间分布特性,实现了较好的检索效果。(本文来源于《广西大学学报(自然科学版)》期刊2018年06期）
冷鹏飞,马晓珂[4]（2018）在《基于分块图像颜色特征的图像排序算法》一文中研究指出针对序列图像叁维重建算法,在处理拍摄角度相差非常小的图像时,传统的基于图像颜色直方图的相似性度量方法计算不准确。对于以上问题,提出了基于分块图像颜色特征的图像排序算法。先将原始图像等分成若干块,接下来分别统计每块图像的颜色直方图特征,再计算各对应块颜色直方图距离,通过归一化算法得到整幅图像的相似度,最后根据相似度大小进行排序。实验结果表明,改进算法可以更好计算出图像的相似性并进行排序。(本文来源于《信息与电脑(理论版)》期刊2018年10期）
吴睿[5]（2018）在《基于图像特征的自适应分块压缩感知的研究》一文中研究指出在利用压缩感知处理二维自然图像时,传统的方法是直接对整幅图像进行采样,这样做的弊端是需要规模庞大的观测矩阵才能完成对整幅图像的观测,然而过大的观测矩阵是不利于计算和存储的。分块压缩感知的引入解决了这一问题,它可以快捷地完成对整幅图像的观测和重构,且具有实时性。传统的分块压缩感知理论对图像的所有子块都采用相同的采样率进行观测,而事实上,由于每个图像块都蕴含着不同的信息量,对其均采用相同的采样率会造成资源的不合理分配。针对这一不足,本文对传统分块压缩感知做了以下改进工作:(1)本文根据各图像块蕴含信息量的不同,首先分别研究了将灰度熵和边缘信息作为标准的分块压缩感知采样率自适应分配策略,通过对图像进行预采样得到预估计图像,然后对每一个图像块都根据其预估计图像特征为其分配一个合适的采样率,从而实现了空域的采样率自适应分块压缩感知算法。在上述算法思想的基础上,本文引入全变差作为采样率自适应分配的标准,提出了基于全变差的采样率自适应分块压缩感知算法。实验结果表明,基于图像特征的采样率自适应分块压缩感知相对于传统分块压缩感知提升了重构图像质量和视觉效果,而只增加了少许计算复杂度,并且本文提出的基于全变差的采样率自适应分块压缩感知算法相对于基于灰度熵和边缘信息的同类算法拥有更好的重构性能。(2)多尺度分块压缩感知是一种对传统分块压缩感知的改进算法,它将图像变换到多尺度小波域,对不同尺度的小波系数块自适应地分配采样率,提升了重构效果。然而,多尺度分块压缩感知对同一尺度的小波系数仍然使用相同的采样率,并且没有利用到包含大量先验信息的低频系数。针对以上不足,本文通过完整保留的低频系数获取预估计图像,根据预估计图像块的图像特征将采样率自适应分配运用到同一尺度的小波系数块之间,分别研究了小波域的基于灰度熵和边缘信息的采样率自适应多尺度分块压缩感知。同样引入全变差作为采样率自适应分配的标准,提出了基于全变差的采样率自适应多尺度分块压缩感知算法。实验结果表明基于图像特征的采样率自适应多尺度分块压缩感知相对于原始的多尺度分块压缩感知改善了重构效果,并且本文提出的基于全变差的采样率自适应多尺度分块压缩感知算法与基于灰度熵和边缘信息的同类算法相比重构性能相对较好。(本文来源于《电子科技大学》期刊2018-05-18）
王腾锋[6]（2018）在《基于区域分块与特征点匹配的快速图像拼接方法》一文中研究指出随着计算机视觉的迅速发展,人们对图像和视频的视觉要求越来越高,高分辨率与宽视角的全景图像已经成为了日常拍摄的必需品。全景图像拼接技术可以将采集到的序列图像合成为一幅无缝的全景图,满足人们对视频和图像的视觉要求,其应用前景十分广泛,吸引了众多学者对其深入研究。图像拼接技术分为基于特征和基于区域两种,其中基于特征的图像拼接技术计算量小,实时性高,是当前研究的热点。本文的研究重点为基于特征的图像拼接技术,以提高图像配准的实时性与提高拼接结果的质量为目的。本文改进了传统的全景图像拼接算法,提出了基于分块的双阈值FAST(Features from accelerated segment test)特征点匹配算法,改进了拉普拉斯多分辨率图像融合算法并加入图像校直,提高了拼接的实时性与拼接结果的质量,通过实验验证了算法的高效性与实用性。本文的研究主要内容包括:1.传统的图像拼接算法进行特征点检测与匹配时,是对整个图像,而不是只对图像最相似的两个区域进行特征点的检测与匹配,这样不仅降低了图像配准的实时性,也降低了特征点匹配的精确率。为了提高特征点匹配的精确率与图像配准的实时性,本文提出一种基于分块的双阈值FAST特征点匹配算法,先计算出最相似的区域,再对最相似的区域进行特征点检测与匹配,提高了图像配准的实时性与特征点匹配的鲁棒性。2.针对图像采集过程中,采集的图像因相机拍摄时存在水平或垂直方向上的倾斜抖动,导致拼接结果的倾斜变形。同时,多幅序列图像进行拼接时,因累积误差容易导致全景图的扭曲变形。为了提高全景图的拼接质量,本文提出了基于相机标定的图像校直算法,通过数个坐标轴的转换,最后计算出图像在垂直方向的向量,从而削弱了全景图像的扭曲变形。3.针对两幅图像在重合区域出现运动物体时,导致拼接结果产生伪影及物体不完整的问题,本文提出了基于最大流最小切割的拉普拉斯多分辨率融合算法,在图像重合区域通过权值计算出一条拼接线,让融合结果过渡自然。实验验证,该算法保证了融合效率的同时,提高了融合质量,使得拼接结果连续,消除了存在伪影及物体不完整的情况。(本文来源于《重庆邮电大学》期刊2018-03-17）
牛畅,黄银和,尹奎英[7]（2017）在《基于分块SURF特征提取的图像目标跟踪算法》一文中研究指出由于基于特征的目标跟踪需要对前后两帧图像中的目标进行特征匹配,而传统的基于SURF(speeded up robust features)特征的匹配算法存在匹配时间较长,无法满足目标跟踪条件下实时性要求的情况。本文针对此缺点对SURF特征提取提出了具体的分块并行的解决方案,其中包括自适应地设置分块重迭区域,去除冗余特征点和距离门限法去除离散点的处理;同时通过模板的实时更新以及自适应的抗遮挡处理,保证了短时抗遮挡性能。并通过实验,将传统的基于SURF特征的跟踪算法与本文算法在相同条件下进行跟踪误差和运行时间对比;实验表明针对视频中的待跟踪目标,本文算法较基于传统SURF的图像跟踪算法在降低跟踪运行时间的同时保证了跟踪准确度。并通过遮挡实验,说明抗遮挡处理在本文算法中的实用性和必要性。(本文来源于《激光与红外》期刊2017年12期）
王爱学,赵建虎,郭军,王晓[8]（2018）在《采用加速稳健特征对侧扫声呐图像进行分块弹性镶嵌》一文中研究指出拖曳式侧扫声呐图像沿航迹方向存在类型和大小不断变化的局部畸变,造成条带图像镶嵌时共视目标扭曲和错位。为了实现公共区域融合后目标的保形性,提出了一种基于加速稳健特征(speeded-up robust features,SURF)的分块弹性镶嵌方法。该方法通过对相邻条带重迭区域自动分块提取特征、整体刚性变换、局部薄板样条弹性变换等处理,既可消除相邻条带图像间的系统性位置和航向偏差,又能消弱各处随机性局部畸变,从而实现共视目标的特征级保形镶嵌。实验结果表明,特征点对整体配准精度达到2个像素,验证了该方法的有效性。(本文来源于《武汉大学学报(信息科学版)》期刊2018年05期）
张晶晶,翟东海,黄莉芝,喻强[9]（2018）在《基于特征分块的视差图像拼接算法》一文中研究指出现有的视差图像拼接算法中单应性矩阵不具有全局性,且存在计算量大、拼接结果有重影和结构扭曲等问题。为此,提出一种新的的视差图像拼接算法。采用图割算法将参考图像和目标图像分割成若干个具有独特性质的图像块,并对图像块编号。运用SIFT算法对图像进行特征提取,在特征描述子中加入特征点的图像块信息,确定目标图像与参考图像之间的特征匹配图像块。通过特征分块法计算全局单应性矩阵,找出最优的全局单应性矩阵对目标图像进行预配准。在重迭区域加入形状扭曲约束和块链接约束局部优化预配准图像,得到修正后的图像,并进行图像融合获得全景拼接图像。实验结果表明,特征分块算法可确保单应性矩阵的全局性,减少迭代次数,提高计算效率,同时局部优化算法可以较好地消除重影和扭曲,保证图像拼接质量。(本文来源于《计算机工程》期刊2018年05期）
蒋亚平,李士进[10]（2016）在《基于分块特征点密度的多特征融合遥感图像场景分类》一文中研究指出随着遥感等对地观测技术的发展,遥感图像分辨率越来越高。相比于中低分辨率遥感图像,高分辨率遥感图像能够提供更详细的地面信息,但各种地物空间结构分布较复杂。本文针对高分辨率遥感图像中不同目标的各种特征有效性不同,及彼此存在互补现象,提出一种分层多特征融合的场景分类方法。该方法首先对图像进行预分类,粗分为特征点分布均匀与不均匀两大类;然后,对分布均匀类别提取颜色直方图特征和Gabor纹理特征,对分布不均匀类别提取ScSPM(基于稀疏编码的空间金字塔匹配)特征;最后分别训练支持向量机分类器对测试图像进行分类。在一个2100幅图像构成的大型遥感图像数据库上的实验结果表明,提出的算法比仅用单一特征分类方法的最高精度提高了10%;与其他融合方法相比,提出的方法取得了最高分类精度,达到了90.1%;算法时间复杂度也大为降低。(本文来源于《计算机与现代化》期刊2016年05期）
分块图像特征论文开题报告
（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：
岩心图像数据采集中,由于岩心表面凹凸不平或者受损,导致单次采集的图像有局部模糊的现象,因此,需要多次聚焦、采集、成像,然后将多幅局部模糊岩心图像融合为单幅高清岩心图像。但在岩心图像融合过程中,容易出现融合重影、"块"现象。结合岩心图像特点(纹理细腻、色彩多样等),提出基于特征点分块的岩心图像融合算法。该算法先校准多幅图像间的几何形变,然后插值融合得到单幅高清岩心图像。试验结果表明,该算法能较好解决岩心高清图像融合中出现重影、"块"现象的问题,使融合的岩心图像效果满足应用需求。
（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。
分块图像特征论文参考文献
[1].夏永泉,孙静茹,WU,Xin-wen,支俊,王兵.高分辨率天文图像分块并行特征提取方法研究[J].软件导刊.2019
[2].李聪,沈疆海.一种基于特征点分块的岩心图像融合算法[J].长江大学学报(自然科学版).2019
[3].张烨,党媛媛,李昭慧.基于分块加权的多特征图像检索算法[J].广西大学学报(自然科学版).2018
[4].冷鹏飞,马晓珂.基于分块图像颜色特征的图像排序算法[J].信息与电脑(理论版).2018
[5].吴睿.基于图像特征的自适应分块压缩感知的研究[D].电子科技大学.2018
[6].王腾锋.基于区域分块与特征点匹配的快速图像拼接方法[D].重庆邮电大学.2018
[7].牛畅,黄银和,尹奎英.基于分块SURF特征提取的图像目标跟踪算法[J].激光与红外.2017
[8].王爱学,赵建虎,郭军,王晓.采用加速稳健特征对侧扫声呐图像进行分块弹性镶嵌[J].武汉大学学报(信息科学版).2018
[9].张晶晶,翟东海,黄莉芝,喻强.基于特征分块的视差图像拼接算法[J].计算机工程.2018
[10].蒋亚平,李士进.基于分块特征点密度的多特征融合遥感图像场景分类[J].计算机与现代化.2016
论文知识图
