多参考图像论文_李梦华

导读:本文包含了多参考图像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,颜色,群体,论文。

多参考图像论文文献综述

李梦华^[1]（2017）在《基于多参考图像的群体图像编码算法》一文中研究指出近几年来,随着科学技术的发展,图像视频发生了爆发式的增长。随之带来了巨大的存储和管理成本。虽然图像数量巨大,但图像间存在很大的相关性,特别是在相似度较高的图像集中。像JPEG、MPEG等此类的传统图像编码技术不能充分利用这些相关性,使得其在编码效率的改进上已显得力不从心。所以,为了进一步发掘图像集中图像间的相关性,出现了面向群体图像的联合压缩编码,即群体图像编码。本文首先对传统图像编码进行了介绍,然后介绍了群体图像编码的框架及原理技术,为后面介绍基于多参考图像的群体图像编码做了理论和技术的铺垫。群体图像编码的关键技术包括编码结构的确定、参考图像的确定及变换图像的生成和基于块的运动补偿(BMC,block motion compensation)的高效视频编码(HEVC,High Efficiency Video Coding)。其中对变换图像的生成原理和技术进行了更加详细的说明,变换图像生成的关键技术有变形模型的产生,能量最优化,透视变换和光度转换。虽然使用单个参考图像的群体图像编码对图像集中图像间的相关性的发掘程度比传统图像编码的发掘程度高,但依然没有利用图像集中多幅图像间的相关性,而现在的研究都是集中于基于单参考图像的群体图像编码。为了充分利用多幅图像间的相关性,本文提出了基于多参考图像的群体图像编码算法。基于多参考图像的群体图像编码算法有一个重要问题需要解决,就是多参考图像的确定及多参考图像的变换图像生成。此问题涉及到群体图像编码框架中的第二个关键技术。本文针对此问题进行了深入研究,提出了两个新的算法,分别是“基于已确定编码顺序图像的多参考图像确定算法”和“基于已确定编码顺序图像和当前层图像的多参考图像确定算法”。“基于已确定编码顺序图像的多参考图像确定算法”仅在已确定编码顺序图像中搜索参考图像,而“基于已确定编码顺序图像和当前层图像的多参考图像确定算法”则是在已确定编码顺序图像和当前层图像中搜索参考图像。多参考图像的变换图像的生成是根据群体图像编码中变换图像的生成原理进行的。最后简要介绍了HEVC编码。通过对多个图像集进行测试,实验结果表明:在测试的多个图像集中,当参考图像数目为4,变换图像数目为3时,在相同比特/像素(bpp)的情况下,通过比较峰值信噪比(PSNR),基于多参考图像的群体图像编码比基于单参考图像的群体图像编码分别高0.21dB到0.49dB左右,而且在一定范围内,参考图像和变换图像的数目越多,编码效率越高。实验结果证明了群体图像编码中多参考图像的确定算法能明显提高编码效率,特别是针对图像集中存在一幅图像与多幅图像相关的情况。(本文来源于《西安电子科技大学》期刊2017-06-01）

厉彦皓^[2]（2017）在《多参考图像的颜色迁移算法研究》一文中研究指出随着智能手机和移动互联网的发展与普及,人们可以随时随地获取到照片和视频。互联网上每天都有海量的图像信息产生,其中很大一部分被人们用来保存留念或者社交分享,同时为了获得理想的效果,数字图像处理技术被广泛地运用。由于外界光线条件、拍摄设备或显示设备的差异等原因,所呈现的图像颜色往往不是人们预期的结果;有时候图像本身颜色没有问题,但是需要把图像应用到某些领域时需要对其颜色进行相应的改变,而颜色迁移正是有效解决这些问题的一种图像处理技术。所谓颜色迁移,一般分为输入图像和参考图像,以参考图像的颜色为参照去调整输入图像的颜色,使得结果图像既保留了输入图像的内容又拥有参考图像的颜色特征。目前大部分颜色迁移算法都是采用单幅参考图像,当输入图像内容复杂,颜色丰富时,无法找到合适的单幅参考图像为输入图像的所有内容提供颜色参考。针对这个问题,本文提出了一种多参考图像的颜色迁移算法。本文首先对图像进行颜色聚类,利用GMM模型拟合图像的颜色分布,GMM模型中每个高斯分量表示一块区域的颜色分布,采用期望最大化EM算法对GMM模型进行参数求解。针对经典的GMM模型及EM算法存在的不足进行改进,考虑图像的坐标空间邻域关系,加入坐标空间平滑参数,使得区域边缘连续平滑;改变高斯分量合并条件,以得到更准确的颜色类别区域。其次,提出了一种参考-输入图像颜色类别区域间映射关系建立的方法,为输入图像区域匹配到最优参考颜色区域。然后分别针对灰度图像和彩色图像采用不同的迁移合成方式完成颜色迁移。最后,综合给出了一种衡量颜色迁移结果的客观评价指标,与其他颜色迁移算法进行了对比实验,验证了本文算法的合理性与有效性。(本文来源于《武汉大学》期刊2017-05-01）

多参考图像论文开题报告

（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：

随着智能手机和移动互联网的发展与普及,人们可以随时随地获取到照片和视频。互联网上每天都有海量的图像信息产生,其中很大一部分被人们用来保存留念或者社交分享,同时为了获得理想的效果,数字图像处理技术被广泛地运用。由于外界光线条件、拍摄设备或显示设备的差异等原因,所呈现的图像颜色往往不是人们预期的结果;有时候图像本身颜色没有问题,但是需要把图像应用到某些领域时需要对其颜色进行相应的改变,而颜色迁移正是有效解决这些问题的一种图像处理技术。所谓颜色迁移,一般分为输入图像和参考图像,以参考图像的颜色为参照去调整输入图像的颜色,使得结果图像既保留了输入图像的内容又拥有参考图像的颜色特征。目前大部分颜色迁移算法都是采用单幅参考图像,当输入图像内容复杂,颜色丰富时,无法找到合适的单幅参考图像为输入图像的所有内容提供颜色参考。针对这个问题,本文提出了一种多参考图像的颜色迁移算法。本文首先对图像进行颜色聚类,利用GMM模型拟合图像的颜色分布,GMM模型中每个高斯分量表示一块区域的颜色分布,采用期望最大化EM算法对GMM模型进行参数求解。针对经典的GMM模型及EM算法存在的不足进行改进,考虑图像的坐标空间邻域关系,加入坐标空间平滑参数,使得区域边缘连续平滑;改变高斯分量合并条件,以得到更准确的颜色类别区域。其次,提出了一种参考-输入图像颜色类别区域间映射关系建立的方法,为输入图像区域匹配到最优参考颜色区域。然后分别针对灰度图像和彩色图像采用不同的迁移合成方式完成颜色迁移。最后,综合给出了一种衡量颜色迁移结果的客观评价指标,与其他颜色迁移算法进行了对比实验,验证了本文算法的合理性与有效性。

（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。