导读:本文包含了模糊分割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:模糊,图像,均值,邻域,空间,像素,模型。
模糊分割论文文献综述
庞明明,安建成[1]（2019）在《融合模糊LBP和Canny边缘的图像分割》一文中研究指出现有Canny算法获取图像目标区域边缘时断裂过多,因此提出一种融合模糊局部二值模式的Canny边缘检测算法(fuzzy local binary pattern-Canny,FLBP-Canny)。为加强局部结构信息,将模糊数学和局部二值模式相融合,结合Canny算子提取目标轮廓。实验结果表明,FLBP-Canny算法对区域轮廓有较好检测率。(本文来源于《计算机工程与设计》期刊2019年12期）
杨丽艳,赵玉娥,黄亮[2]（2019）在《结合SLIC和模糊聚类的遥感图像分割方法》一文中研究指出超像素分割是目前用于遥感影像分割的研究热点,但它易产生过度分割的问题。为解决过度分割问题,提出一种简单线性迭代聚类(SLIC)结合快速FCM聚类算法(Fast fuzzy C-means,FFCM)的遥感图像分割方法。该方法首先用SLIC算法对初始影像进行预分割;然后使用FFCM对获取的超像素进行合并。本文将分形网络演化方法(FNEA)作为对比实验方法。实验结果表明,本文提出方法的分割结果与实际地物的相似度更高,抗噪性更好。提出分割方法的精度较FNEA算法相比均有所提高。研究成果可为遥感影像分割提供有效借鉴。(本文来源于《软件》期刊2019年12期）
张晓磊,潘卫军,陈佳炀,张智巍,王思禹[3]（2019）在《基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法》一文中研究指出作为图像数据结构分割的重要工具,模糊C均值已被广泛应用于计算机视觉领域;然而模糊C均值在图像分割过程中不能有效地保留边缘和抑制噪声,往往得不到理想的分割结果;为解决这一问题,文章利用导向滤波器推导出一种新的改进模糊C均值算法;该算法的第一个创新点是其线性平移不变滤波过程,利用边缘保持平滑特性来保留分割中的边缘结构;第二个创新点是该技术通过将空间信息引入目标函数来改善对噪声的鲁棒性,空间信息通过导向滤波的平均输出获得;为了解决聚类算法中初始聚类中心问题,在图像分割过程中使用均值漂移算法选取初始聚类中心;文章方法的主要优点在于其对边缘保留和噪声具有鲁棒性,进而提高分割精度;基于合成图像和真实遥感图像的实验结果表明,与其他主流分割算法相比,该方法在分割性能方面表现出了良好的性能。(本文来源于《计算机测量与控制》期刊2019年11期）
沈雯[4]（2019）在《基于CIE LAB颜色模型和模糊C均值算法结合的火焰分割算法的研究》一文中研究指出目前视频图像型火灾探测技术不停地进步与完善,效果体现在复杂环境下,特别是大空间火灾探测的精准率得到大幅度提升,但是依然存在着诸多需要改进的地方。现在的图像型火灾探测算法中一般都存在着数据量较大的问题,为增加该算法的实用性、准确率,本文将对火焰分割进行系统研究。目标分割是开展图像特征提取和目标识别的前提和基础,起到关键性的作用,本文通过分析和借鉴当前的火焰分割算法,取长补短,积极探索建立了一种利用模糊C均值和CIE Lab颜色模型新的火焰分割方法。第一步利用CIE Lab空间设置火焰颜色模型,第二步根据不同颜色分量进行分割,第叁步利用模糊C均值算法计算出同一区域内的离散目标并进行合(本文来源于《电子世界》期刊2019年21期）
王勋,李廷会,潘骁,田宇[5]（2019）在《基于改进模糊C均值聚类与Otsu的图像分割方法》一文中研究指出针对背景与前景颜色差别较小的原木图像分割效果不理想的情况,本文给出了模糊C均值聚类与Otsu相结合的图像分割方法。该方法首先以标准原木数据库为样本,之后使用模糊C均值聚类算法把背景与前景颜色差别较小的原木样本图像分割成2类,其次利用准则函数找出前景分割结果,最后把该结果作为Otsu算法的输入,对原木样本图像进行再次分割。实验结果表明,本文研究的算法比单独使用模糊C均值聚类算法、Otsu和同类算法有较好的分割效果和较高的分割准确率,边缘信息保留较好,平均分割准确率提高2个百分点。(本文来源于《广西师范大学学报(自然科学版)》期刊2019年04期）
董飞,马源源[6]（2019）在《基于语义分割和像素非线性核的视频去模糊》一文中研究指出由于相机抖动、物体运动和深度变化等因素将不可避免地造成视频模糊,论文利用每个模糊帧中的语义分割来理解场景内容,并使用不同的图像区域运动模型来实现光流估计。分析了运动模糊轨迹与光流之间的关系,并提出了一种基于像素模糊非线性核(PWNLK)模型来解释运动模糊,所提出的模糊模型基于非线性光流来更有效地描述复杂的运动模糊。对模糊视频进行了大量的实验表明,所提出的算法相对于其他方法具有更好的性能。(本文来源于《计算机与数字工程》期刊2019年10期）
胡绍海,王敏茜[7]（2019）在《基于区域检测分割的运动模糊图像复原》一文中研究指出空间变化的运动模糊图像复原是当今图像处理领域的热点问题之一,而运动模糊区域检测更是其中的重点和难点.针对以往运动模糊区域检测算法的精确度较低的问题,提出基于检测分割的单帧运动模糊图像盲复原算法.结合多尺度感知和闭合型图分割,实现两步模糊区域检测.将检测到的模糊区域外延后进行复原,再将其去除外延部分并与清晰区域拼接,得到最终的复原结果.实验结果表明:本文算法不但显着提高了模糊区域检测精度,也有效提高了图像复原质量.同时,具有一定的普遍性,可以适用于自然场景下的多种空间变化的运动模糊图像.(本文来源于《北京交通大学学报》期刊2019年05期）
兰蓉,程阳子[8]（2019）在《基于PSO直觉模糊集相似度的刑侦图像分割》一文中研究指出针对刑侦图像分割问题,提出一种基于粒子群优化(particle swarm optimization,PSO)直觉模糊集相似度的阈值算法。采用双边滤波对图像去噪,结合"投票模型"构造图像的直觉模糊集模型,以直觉模糊集上含权重参数的相似度为目标函数优化阈值,利用粒子群优化的方法自适应选取相似度中的权重。仿真结果表明,该算法能获得较好的分割效果,能够推广于自然图像的处理。(本文来源于《计算机工程与设计》期刊2019年10期）
许敏,贺松,张玉玺[9]（2019）在《基于空间域模糊聚类与CV模型的医学图像分割》一文中研究指出针对CV模型分割图像时存在的分割精度低及对初始轮廓敏感等问题,提出一种CV模型结合空间域模糊C均值聚类(Spatial fuzzy C-means,SFCM)的图像分割算法(SFCM-CV),用于边界不清晰、存在伪影且含有高噪声的MRI及CT图像分割。在利用空间域模糊C均值聚类算法对图像进行粗分割的基础上,用聚类信息来辅助CV模型设定初始轮廓,迭代演化分割出目标区域。实验结果表明,当迭代次数仅为50时,SFCM-CV算法分割人脑MRI图像的Dice系数为89.17%,比传统CV模型提高了38.9%。可知该算法对医学图像的区分度更高、分割效果更好。(本文来源于《智能计算机与应用》期刊2019年05期）
任彤[10]（2019）在《基于快速模糊C均值和邻域空间信息的脑部MR图像分割》一文中研究指出目的提出一种改进的模糊C均值聚类算法,并将其应用于脑部MR图像分割。方法首先,采用最大距离测度选取FCM初始聚类中心;然后,采用硬分类方法更新聚类中心和空间邻域信息构建隶属度函数,最后完成图像各区域分类。结果采用人工合成图像和临床实例脑部MR图像进行仿真实验,结果显示基于空间信息的SFCM/SFFCM算法所得图像噪声水平低于传统的FCM/FFCM算法。定量分析显示基于SFCM_(1,1)/SFFCM_(1,1)的分类评价指标模糊位置系数Vpc(0.944)和位置信息熵Vpe(0.043)均最优,SFFCM_(1,1)程序耗时较标准FCM降低了37.2%～82.9%,迭代次数减少5～20次。结论本研究提出的SFFCM分割算法收敛速度更快,精确度更高,是一种可行的脑部MR图像分割算法。(本文来源于《中国医疗设备》期刊2019年09期）
模糊分割论文开题报告
（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：
超像素分割是目前用于遥感影像分割的研究热点,但它易产生过度分割的问题。为解决过度分割问题,提出一种简单线性迭代聚类(SLIC)结合快速FCM聚类算法(Fast fuzzy C-means,FFCM)的遥感图像分割方法。该方法首先用SLIC算法对初始影像进行预分割;然后使用FFCM对获取的超像素进行合并。本文将分形网络演化方法(FNEA)作为对比实验方法。实验结果表明,本文提出方法的分割结果与实际地物的相似度更高,抗噪性更好。提出分割方法的精度较FNEA算法相比均有所提高。研究成果可为遥感影像分割提供有效借鉴。
（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。
模糊分割论文参考文献
[1].庞明明,安建成.融合模糊LBP和Canny边缘的图像分割[J].计算机工程与设计.2019
[2].杨丽艳,赵玉娥,黄亮.结合SLIC和模糊聚类的遥感图像分割方法[J].软件.2019
[3].张晓磊,潘卫军,陈佳炀,张智巍,王思禹.基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法[J].计算机测量与控制.2019
[4].沈雯.基于CIELAB颜色模型和模糊C均值算法结合的火焰分割算法的研究[J].电子世界.2019
[5].王勋,李廷会,潘骁,田宇.基于改进模糊C均值聚类与Otsu的图像分割方法[J].广西师范大学学报(自然科学版).2019
[6].董飞,马源源.基于语义分割和像素非线性核的视频去模糊[J].计算机与数字工程.2019
[7].胡绍海,王敏茜.基于区域检测分割的运动模糊图像复原[J].北京交通大学学报.2019
[8].兰蓉,程阳子.基于PSO直觉模糊集相似度的刑侦图像分割[J].计算机工程与设计.2019
[9].许敏,贺松,张玉玺.基于空间域模糊聚类与CV模型的医学图像分割[J].智能计算机与应用.2019
[10].任彤.基于快速模糊C均值和邻域空间信息的脑部MR图像分割[J].中国医疗设备.2019
论文知识图
