导读:本文包含了显着图论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,局部,深度,目标,直方图,形态学,梯度。
显着图论文文献综述写法
傅泽山,秦斌杰[1]（2019）在《联合显着图强化形变配准网络》一文中研究指出配准图像中存在的结构对应性缺失与局部复杂大形变给非刚性图像配准准确寻找一一映射形变变换带来了极大挑战。传统配准方法以及基于深度学习配准方法都不能处理好此类图像配准异常难题。基于全局到局部的递进深度网络策略,该文提出了配准图像联合显着结构上下文信息增强的无监督式深度配准网络。其中,全局到局部的卷积网络通过将待配准图像输入到结果形变场输出的复杂映射分解为两个更易求解的全局映射与局部映射网络,同时结合配准图像联合显着结构上下文信息双向加强网络的学习训练,实现了精确、鲁棒、高效的联合显着图强化形变配准网络,有效地解决了既存在结构对应性缺失又存在局部复杂大形变的图像配准难题。(本文来源于《中国医疗器械杂志》期刊2019年06期）
詹令明,李翠芸,姬红兵[2]（2019）在《基于显着图的红外弱小目标动态规划检测前跟踪算法》一文中研究指出针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显着图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显着图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显着图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.(本文来源于《计算机辅助设计与图形学学报》期刊2019年07期）
刘相云,龚志辉,金飞,杨光,范炜康[3]（2019）在《结合显着图和深度学习的遥感影像飞机目标识别》一文中研究指出为准确快速识别高分辨率遥感影像中的飞机目标,提出了一种结合显着图和深度置信网络(DBN)的飞机目标识别算法。本文首先使用HC(直方图对比度)算法提取遥感影像中的显着目标;然后通过定位连通区域确定候选目标的位置;随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图;最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明,本文算法的检测率为98.46%,虚警率为5.20%。算法从多种底层图像特征出发,有效克服了单一特征描述能力不足的问题,提高了飞机目标识别能力及抗干扰能力。(本文来源于《测绘通报》期刊2019年03期）
陈扬,张建秋[4]（2019）在《互补色小波域自然场景统计显着图模型》一文中研究指出传统显着图(Saliency map)通常基于灰度图像+彩色拮抗辅助通道的模型。其未能整体充分考虑颜色通道之间、颜色与方向等显着性要素之间关系.为了克服这样的缺点,本文将人眼视觉有重要作用的互补色理论引入小波设计,提出一种基于自然场景的高斯尺度混合模型(Gaussian scale mixture, GSM)及其分区归一化变换(Divisive normalization transformation, DNT)的彩色整体显着图模型.实验结果表明,该模型较其他同类模型有显着优越性,特别在处理色彩丰富的场景时能大幅提高与人眼视觉机制一致性.(本文来源于《微电子学与计算机》期刊2019年03期）
纵宝宝,李朝锋,桑庆兵[5]（2019）在《基于Log-Gabor滤波与显着图融合优化的3D显着性检测》一文中研究指出提出了一种基于Log-Gabor滤波的纹理和深度图融合优化的立体图像显着性检测模型,利用平面图像的显着性结合纹理与深度特征检测立体图像的显着性。通过改进的基于图的流行排序算法计算左视点的显着图;提取左视点图像的纹理特征图以及立体图像的深度特征图,利用Log-Gabor滤波器分别计算深度显着图和纹理显着图;再利用线性加权融合方法将上述3个显着图融合为立体(3D)显着图;最后利用中心偏爱和视觉敏锐度增强3D显着图。实验利用公开的眼动跟踪数据库进行测试,结果表明,所提算法具有很好的检测效果,优于文献报道的其他3D显着性模型。(本文来源于《激光与光电子学进展》期刊2019年08期）
董辉,张斌[6]（2019）在《基于显着图的可变模板形态学去雾方法》一文中研究指出针对暗通道先验去雾中存在的光晕现象和天空区域颜色失真现象,提出了一种基于自适应可变形结构元(Adaptive deformable structuring element, ADSE)中值滤波结合灰度形态学重构精细化透射率的方法.该方法利用透射率与图像细纹理结构的无关性,由有雾图像的灰度图计算显着图(Salience map, SM),将SM作为导向图计算ADSE,用生成的ADSE对最小颜色通道图像进行自适应中值滤波运算;其次,以粗估计暗通道图像为标记图像,以自适应中值滤波后的图像作为模板图像进行灰度形态学重构运算,获得精细化暗通道图像,继而得到精细化透射率;最后,针对天空区域,引入最优化透射率方法,对天空和非天空区域做统一的运算得到最终透射率,完成图像去雾.本文算法对真实场景具有很好的去雾效果,同时,基于形态学的运算易于并行化和硬件实现.(本文来源于《自动化学报》期刊2019年05期）
连仁包,王卫星,李娟[7]（2018）在《自适应圆形模板及显着图的高分辨遥感图像道路提取》一文中研究指出针对现有基于圆形模板匹配算法需要人工设定模板尺寸的问题,提出一种自适应圆形模板的高分辨遥感图像道路提取算法。首先引入一种改进的局部形态学梯度图,基于形态学梯度图设计了一种自动生成模板尺寸的算法;接着借助改进的道路显着图,按迭代内插的方式搜索起始点与终止点之间其他道路点,搜索过程综合利用了显着图信息和几何夹角信息,使得算法具有更好的识别效果。试验结果表明,本文算法可适用于多种不同条件的遥感图像,能更加有效地从高分辨遥感图像中提取道路信息。(本文来源于《测绘学报》期刊2018年07期）
罗强,吴俊峰,于红,孙建伟,张美玲[8]（2018）在《一种基于改进直方图均衡化的显着图提取算法》一文中研究指出针对偏暗、低对比度图像视觉显着性图提取效果不理想的问题,提出一种基于改进的直方图均衡化的图像显着性图提取算法.作者通过分析发现某些偏暗、低对比度图像的视觉显着性图提取效果不理想的主要原因是由于图像背景与前景差异不明显导致的,因此本文提出采用直方图均衡化方法对图像的质量加以改善,并对传统直方图均衡化算法存在的曝光过度等问题有针对性的进行了改进,并以此提高图像前景与背景之间的差异,使得图像的显着区域更加突出,再对处理后的图像进行显着性图的提取.为了验证算法的有效性,本文在ASD1000数据集和LBE数据集上分别进行了仿真实验,实验结果表明本文提出的算法是有效的,并具有较高的鲁棒性和准确性.(本文来源于《小型微型计算机系统》期刊2018年05期）
郭正红[9]（2018）在《结合显着图的改进Seam Carving图像缩放算法研究》一文中研究指出传统的图像缩放方法没有考虑到图像的重要内容,只是通过对图像中所有内容等比例缩放的方法来改变图像的尺寸,导致图像的边缘信息和重要内容缺失。而Seam Carving算法是一种考虑到图像重要内容的缩放方法,与传统的图像缩放方法相比,能够较好地维持图像中的重要内容和边缘信息。但是该方法只是简单的用图像的梯度图定义能量函数,在缩放主体区域与背景颜色对照不明显或者视觉主体部分较大的图像时,容易造成图像的显着物体结构失真和重要内容缺失的现象。本文在Seam Carving算法基础上引进显着图来改变能量函数,主要从两个方面改进Seam Carving算法。第一,保持图像显着物形状结构的Seam Carving算法改进。针对Seam Carving算法可能会造成图像中显着物体形状结构被破坏的现象,采用图像加权的方法将显着图和图像的梯度图相结合重新定义了显着能量,该方法不仅突出了图像的重要内容还维持了图像的显着物形状结构。实验表明,改进的算法比Seam Carving算法能够较好的维持图像中显着物体的形状结构。第二,结合视觉显着图的Seam Carving图像缩放算法改进。针对Seam Carving算法在缩放主体区域与背景颜色对比不明显或者视觉主体区域较大的图像时,可能会造成图像视觉主体变形和重要内容缺失的现象。本文采用图像显着图和梯度图相乘作为图像的新能量图,提出了一种新的结合视觉显着图的Seam Carving图像缩放方法。实验表明,改进的算法比Seam Carving算法能更好地保持图像重要内容,整体视觉效果较好,实验中图像像素的平均能量值从122.74提高到126.54,图像缩放质量更好。本文以Seam Carving算法为研究对象,主要针对基于保持图像显着物形状结构的Seam Carving算法和结合视觉显着图的Seam Carving图像缩放方法的不足进行改进。实验表明,本文改进的算法提高了Seam Carving算法缩放的图像质量。(本文来源于《云南大学》期刊2018-05-01）
刘松涛,刘振兴,姜宁[10]（2018）在《基于融合显着图和高效子窗口搜索的红外目标分割》一文中研究指出为了快速精确地分割红外图像目标,提出一种基于融合显着图和高效子窗口搜索的红外目标分割方法.在获取图像超像素的基础上,提取每个区域增强的Sigma特征,并考虑邻域对比度、背景对比度、空间距离和区域大小的影响,构建局部显着图,接着利用全局核密度估计构建全局显着图,然后融合局部和全局显着图实现图像显着性检测,最后应用高效子窗口搜索方法检测和筛选目标,实现红外目标分割.实验结果表明,新方法的显着图结果目标区域一致高亮且边缘清晰,背景杂波抑制效果好,可实现快速精确的目标分割.(本文来源于《自动化学报》期刊2018年12期）
显着图论文开题报告范文
（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：
针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显着图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显着图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显着图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.
（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。
显着图论文参考文献
[1].傅泽山,秦斌杰.联合显着图强化形变配准网络[J].中国医疗器械杂志.2019
[2].詹令明,李翠芸,姬红兵.基于显着图的红外弱小目标动态规划检测前跟踪算法[J].计算机辅助设计与图形学学报.2019
[3].刘相云,龚志辉,金飞,杨光,范炜康.结合显着图和深度学习的遥感影像飞机目标识别[J].测绘通报.2019
[4].陈扬,张建秋.互补色小波域自然场景统计显着图模型[J].微电子学与计算机.2019
[5].纵宝宝,李朝锋,桑庆兵.基于Log-Gabor滤波与显着图融合优化的3D显着性检测[J].激光与光电子学进展.2019
[6].董辉,张斌.基于显着图的可变模板形态学去雾方法[J].自动化学报.2019
[7].连仁包,王卫星,李娟.自适应圆形模板及显着图的高分辨遥感图像道路提取[J].测绘学报.2018
[8].罗强,吴俊峰,于红,孙建伟,张美玲.一种基于改进直方图均衡化的显着图提取算法[J].小型微型计算机系统.2018
[9].郭正红.结合显着图的改进SeamCarving图像缩放算法研究[D].云南大学.2018
[10].刘松涛,刘振兴,姜宁.基于融合显着图和高效子窗口搜索的红外目标分割[J].自动化学报.2018