导读:本文包含了图像抠像论文开题报告文献综述及选题提纲参考文献，主要关键词:分水岭算法,数字抠像,图像分割,特征加权
图像抠像论文文献综述
余廷忠,张起荣[1]（2016）在《基于自适应特征加权的数字抠像图像分割算法》一文中研究指出针对标准分水岭算法在数字抠像图像分割的应用中还存在抠像效果不好、分割边缘不匹配等问题。本文设计了一种以自适应特征加权分水岭算法为基础的数字抠像图像分割模型,最初的时候先以梯度级特征为依据进行从低到高的浸没,并对积水盆地标记进行优化,然后为了改善浸没过程产生的过分割现象,根据像素点特征,在每层浸没完毕再浸没下一层,最后在数字抠图分割中应用改进后的自适应特征。结果表明,本文提出的基于自适应特征加权分水岭算法的数字抠像图像分割模型具有更好的效果,且分割边缘匹配性高。(本文来源于《科技通报》期刊2016年10期）
张霞[2]（2016）在《基于抠像的图像融合方法研究》一文中研究指出由于传感器种类的多样性及传感器成像的局限性,不同传感器具有不同的成像特点,通过单个传感器来获取某个场景的内容时,所获取的图像往往不足以包含场景中的所有细节信息。为了有效的解决这个问题,对于同一个场景可以使用不同类型的多个传感器去捕捉,并将捕获的同场景、不同类型的图片进行融合,使融合图像含场景中所有细节信息。目前,现有的融合方法大多都是针对特定的场景进行融合,这样的融合方法具有一定的局限性,比如针对多聚焦场景的融合方法,仅能对多聚焦图像产生较好的融合效果,对其它场景融合效果并不理想。因此,本文针对上述问题提出了一种基于KNN-Matting的融合方法,该方法既能清晰聚焦场景中的所有目标,又能实现不同图像传感器捕获多模式图像的融合。该方法以KNN-Matting算法为理论依据。本文具体工作慨括如下：首先,简单的阐述了抠像的原理,并对KNN-Matting算法及已有的针对多聚焦场景的抠像融合算法的实现进行了简单的概述。其次,总结了多聚焦融合方法中抠像算法的不足,进而提出了一种基于KNN-Matting的图像融合方法,该方法不仅可适用于多聚焦场景,还适应于多模式等其它场景。该方法的主要思想是：将每一幅原始图像中的清晰细节区域看作每一幅原始图像的前景区域,借助于KNN-Matting抠像算法将前景区域从原始图像中分离出来实现图像融合。对比实验证明了该方法在主观和客观上对多聚焦,多模式等不同场景及不同模式的图像都有较好的融合效果。最后,针对基于KNN-Matting的图像融合方法在前景像素的选取上存在不足,本文提出了一个改进的方案,即基于双级的KNN-Matting抠像融合方法,该融合方法能很好的解决基于KNN-Matting抠像的图像融合方法前景像素选取存在不足这一问题,且与近期提出的融合方法进行了对比实验,通过对比实验充分说明该方法在边缘保持上的优越性。(本文来源于《湖南大学》期刊2016-05-01）
程昱宇,钱小燕[3]（2013）在《基于局部抠像技术的融合图像精确跟踪算法》一文中研究指出为了提高跟踪精度,提出一种基于局部抠像的融合图像全自动精确跟踪算法。首先采用帧间差分法获取运动目标的大致区域,并自动生成局部抠像框,由此采集目标、背景代表颜色集合;在此基础上自动生成抠像所需的草图,实现对目标的抠像;最后对抠像产生的前景映射图进行边缘检测即可获取精确的目标轮廓,并可根据跟踪结果对模型进行更新。对于实验的图像序列,与目标实际中心相比较,抠像跟踪误差均值为0.9像素,传统均值漂移跟踪误差均值为5.2像素。实验结果表明,该方法跟踪结果能完整、清晰地表示目标轮廓,很好地解决了跟踪中的漂移问题,提升了跟踪精度。(本文来源于《计算机应用》期刊2013年10期）
龚敏[4]（2013）在《自然图像抠像的几种新方法》一文中研究指出数字抠像技术是从影视行业发展而来的。所谓自然图像抠像，是指从一幅自然图像中提取用户感兴趣的物体的技术。自然图像抠像技术被广泛应用于影视特效制作，多媒体标题的制作，人机交互以及物体跟踪等众多领域.本文提出了两种采样与传播相结合的方法，一种基于显着性检测的自动抠像方法。本文具体工作如下:1。提出了一种基于核函数模型的抠像方法。该方法借助GrabCut抠像方法的思想建立抠像数学模型，并用图割方法对该模型进行求解。本文给出了该模型的一般图割求解方法以及快速图割求解方法。该抠像方法实现了从一幅自然图像中提取非透明的前景物体，能够获得比GrabCut更好的抠像效果，另外本文提出的求解基于核函数抠像模型的快速算法，该算法在计算速度上较GrabCut方法有较大程度的提高.2。提出了一种基于迭代边界搜索的抠像方法。该方法分为四个步骤，步骤一，预处理步骤。步骤二，抠像不成功像素点的搜索。步骤叁，抠像不成功像素点的重抠像。步骤四，迭代过程。该方法能够有效的从自然图像中提取含窄透明区域的前景物体。在抠像效果上和闭合解抠像方法的效果相当，但是在处理时间上却只有闭合解抠像方法的一半左右.3。提出了一种新的自动抠像方法，即基于显着性检测的自动抠像方法。该方法利用显着性检测的结果作为先验信息建立自动抠像数学模型。该方法不需要任何人工交互，能够自动的从一幅自然图像中提取前景物体。这种自动抠像方法相比当前最具代表性的自动抠像方法(谱抠像方法)，在抠像效果和处理速度上都有很大提高.(本文来源于《湖南大学》期刊2013-05-04）
任志森[5]（2011）在《基于显着度抠像的图像检索研究与实现》一文中研究指出随着Internet网络以及多媒体技术的蓬勃发展,信息爆炸也成为人们越来越需要解决的问题,互联网上每天都会产生大量的多媒体信息、。虽然文本检索取得了一些令人满意的成果,但是对于图像的检索仍然存在很大的挑战性,于是基于内容的图像检索成为国内外研究的热点,如何建立高效准确的图像检索系统成为迫切需要解决的问题。抠像技术是一种把图像中的前景物体和背景想分离的技术,被广泛的应用于图像处理以及电影和电视的合成领域。传统的图像抠像方法都需要一定的人工参与,通过涂抹或者是颜色的选择为精确的抠像提供帮助。显着度用来表示一幅图像中的某个像素点吸引人的注意力的程度,用一定的数值量化到一幅图像中便就构成了显着度图,数值较大的区域就是显着区域,数值较小的区域是背景区域。一般在人的视野当中,变化较快较迅速的区域吸引人的注意的可能性也会较大。基本上所有的显着度图提取算法都是基于这样一种假设来设计的,在灰度图中,变化较为剧烈的区域会被赋予较大的显着度值,变化较为平缓的区域会被赋予较小的显着度值,于是就形成了显着度图。本文设计了种算法,利用显着度信息、作为辅助条件,实现了非监督的图像抠像,该算法结果优于其他的非监督的图像抠像算法,和监督的抠像算法的结果相当。在基于内容的图像检索领域,人们的研究重点集中在如何提取出一种对图像放缩、旋转具有不变形的高区分度的底层特征,并取得了丰硕的成果,如sift以及gist在基于内容的图像检索中都得到了广泛的应用。基于sift特征,本文利用词袋模型进行聚类和降维,很大程度的减小了各特征间的相关性,提高了图像匹配的速度和准确度。通过抠像处理,本文可以提取图像中的前景物体的精确空间位置信息,利用空间位置信息以及sift特征,计算出一副图像的全局特征描述符,用于图像之间的匹配和检索。实验表明,本算法在面向对象的图像检索中,有明显的识别率提升。基于本文算法,设计并实现了一个综合颜色、纹理以及轮廓特征的多特征综合的图像检索系统,该系统在实现了图像的导入、浏览以及相册管理等基本功能外,还实现了基于颜色、轮廓以及纹理的单特征检索和这些特征任意组合的多特征综合检索。通过设置相似度的值,可以动态的调整检索结果中的图像个数。(本文来源于《大连理工大学》期刊2011-11-12）
冯振,王宇新,郭禾,贾棋[6]（2011）在《结合抠像技术的图像分类方法》一文中研究指出提出一种新的对象分类方法,该方法将抠像技术应用到图像检索领域。给前景层图像块较高的权值,背景层图像块较低的权值,并对图像块按照权值大小排序,图像间内容相似度比较时,首先计算对应权值的图像块间的距离,再将所有块间距离加权累加作为图像间距离。新方法的有效性在牛津大学花卉图像集上得到验证,实验结果也表明,相对于传统的计算对应位置的图像块间距离的方法,新方法的检索准确度有明显的优势。(本文来源于《中国图象图形学报》期刊2011年06期）
张滨楠[7]（2010）在《数字图像抠像技法分析》一文中研究指出抠像是图像合成中经常使用的一种技术,方法多种多样,本文对Photoshop和Premiere软件中一些常用的抠像方法进行分析和研究。(本文来源于《科技促进发展》期刊2010年S1期）
周明亮,陈孝威[8]（2010）在《基于图割的图像抠像与合成算法》一文中研究指出提出了基于图割图象的抠像与合成算法。该算法改进了GrabCut算法的能量公式,对分割后的图像进行多次修正,提高了抠像的精确度;采用多值键代替传统二值键进行图象合成,即在合成时依据灰度级在待合成图象的不同位置改变混合比,将前景图象与背景图象有机的融合在一起。实验表明了算法的有效性。(本文来源于《贵州大学学报(自然科学版)》期刊2010年04期）
傅新元,郭禾,王宇新,刘天阳,李寒[9]（2008）在《基于抠像技术的图像无缝融合算法》一文中研究指出为了更快更好的进行图像融合,在用自由融合算法对泊松图像编辑与抠像技术进行改进的基础上,实现了一套图像自由无缝融合算法。该融合算法首先利用抠像技术来提取图像中的物体边缘,然后迭代求解泊松方程,从而取得了自然的融合效果。该算法与最新的无缝融合算法相比,其优点在于:①对于前景与背景的颜色变化复杂的图像,仍可得到准确的边缘;②可以使用户能引导前景映射图的走向;③无论图像前景层中存在多少个洞,融合效果将不受任何影响。这使得该算法的应用具有相当的灵活性。对于目前的图像融合技术而言,该算法可以获得更高的融合质量、更快的处理速度以及多样的融合效果。(本文来源于《中国图象图形学报》期刊2008年06期）
陈佳,韩娜,纪晓东,傅国先,孟建国[10]（2008）在《基于VC++的数字图像抠像与合成系统的设计》一文中研究指出在Visual C++6.0开发环境中,利用C语言编程实现了数字图像抠像与合成系统,并对输出效果进行了处理,阐述了编程实现过程中所遇到的问题及其解决方法,实现简单动态数字图像的特技与特效,并将其通过Visual C++可视化界面实现合成图像的动态播放。(本文来源于《长江大学学报(自然科学版)理工卷》期刊2008年01期）
图像抠像论文开题报告
（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：
由于传感器种类的多样性及传感器成像的局限性,不同传感器具有不同的成像特点,通过单个传感器来获取某个场景的内容时,所获取的图像往往不足以包含场景中的所有细节信息。为了有效的解决这个问题,对于同一个场景可以使用不同类型的多个传感器去捕捉,并将捕获的同场景、不同类型的图片进行融合,使融合图像含场景中所有细节信息。目前,现有的融合方法大多都是针对特定的场景进行融合,这样的融合方法具有一定的局限性,比如针对多聚焦场景的融合方法,仅能对多聚焦图像产生较好的融合效果,对其它场景融合效果并不理想。因此,本文针对上述问题提出了一种基于KNN-Matting的融合方法,该方法既能清晰聚焦场景中的所有目标,又能实现不同图像传感器捕获多模式图像的融合。该方法以KNN-Matting算法为理论依据。本文具体工作慨括如下：首先,简单的阐述了抠像的原理,并对KNN-Matting算法及已有的针对多聚焦场景的抠像融合算法的实现进行了简单的概述。其次,总结了多聚焦融合方法中抠像算法的不足,进而提出了一种基于KNN-Matting的图像融合方法,该方法不仅可适用于多聚焦场景,还适应于多模式等其它场景。该方法的主要思想是：将每一幅原始图像中的清晰细节区域看作每一幅原始图像的前景区域,借助于KNN-Matting抠像算法将前景区域从原始图像中分离出来实现图像融合。对比实验证明了该方法在主观和客观上对多聚焦,多模式等不同场景及不同模式的图像都有较好的融合效果。最后,针对基于KNN-Matting的图像融合方法在前景像素的选取上存在不足,本文提出了一个改进的方案,即基于双级的KNN-Matting抠像融合方法,该融合方法能很好的解决基于KNN-Matting抠像的图像融合方法前景像素选取存在不足这一问题,且与近期提出的融合方法进行了对比实验,通过对比实验充分说明该方法在边缘保持上的优越性。
（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。
图像抠像论文参考文献
[1].余廷忠,张起荣.基于自适应特征加权的数字抠像图像分割算法[J].科技通报.2016
[2].张霞.基于抠像的图像融合方法研究[D].湖南大学.2016
[3].程昱宇,钱小燕.基于局部抠像技术的融合图像精确跟踪算法[J].计算机应用.2013
[4].龚敏.自然图像抠像的几种新方法[D].湖南大学.2013
[5].任志森.基于显着度抠像的图像检索研究与实现[D].大连理工大学.2011
[6].冯振,王宇新,郭禾,贾棋.结合抠像技术的图像分类方法[J].中国图象图形学报.2011
[7].张滨楠.数字图像抠像技法分析[J].科技促进发展.2010
[8].周明亮,陈孝威.基于图割的图像抠像与合成算法[J].贵州大学学报(自然科学版).2010
[9].傅新元,郭禾,王宇新,刘天阳,李寒.基于抠像技术的图像无缝融合算法[J].中国图象图形学报.2008
[10].陈佳,韩娜,纪晓东,傅国先,孟建国.基于VC++的数字图像抠像与合成系统的设计[J].长江大学学报(自然科学版)理工卷.2008