导读:本文包含了序列图象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:序列,图象,混沌,模型,图像,目标,灰度。
序列图象论文文献综述
杨必武,倪志斌[1]（2009）在《基于序列图象对应概率累积的基础矩阵求解方法》一文中研究指出提出一种基于图象序列对应概率累积的基础矩阵求解算法.该算法基于序列对应概率累积求最大熵点的对应概率累积分布图,采用RANSAC思想和加权最小二乘法拟合极线,通过统计分类器求解极点并消除出格极线,并利用所求的对应极线和极点,采用一种参量化方法求解F矩阵.该算法工程实现容易,对输入的源图象没有苛刻的要求,可以基于随机拍摄的图象序列方便地求解F矩阵.(本文来源于《光子学报》期刊2009年11期）
满江红[2]（2009）在《探讨乳腺MRI扫描序列的改进及参数调整对图象质量的影响》一文中研究指出目的:探讨改变乳腺MRI扫描序列的顺序及参数调整对图像质量改善和提高的作用.方法:随机选取我院2008年4月至2009年3月的(本文来源于《2009中华医学会影像技术分会第十七次全国学术大会论文集》期刊2009-09-23）
温志勇,罗艳[3]（2009）在《基于小数开方伪随机序列图象加密算法研究》一文中研究指出小数开方伪随机序列发生器能够正确产生伪随机序列,只要对种子的选取稍做限制,就能生成性能良好且均匀分布的伪随机序列,并用产生的伪随机序列对图象进行加密的算法研究。(本文来源于《电脑知识与技术》期刊2009年19期）
宋杰[4]（2008）在《基于叁维模型的单目图象序列头部姿态跟踪》一文中研究指出头部姿态跟踪(Head Pose Tracking)是智能人机交互和计算机视觉研究中的一项基本课题,也是近年来人们越来越感兴趣的一个研究方向。头部姿态跟踪的主要目的是在一组包含头部的图像序列中计算得到头部在叁维空间中的姿态参数。头部姿态跟踪在表情识别、人脸识别、姿态理解、视频会议、智能监控、疲劳检测、虚拟现实、游戏和娱乐等方面都具有广阔的应用前景。针对仅有一个摄像机获取的单目视频图像序列的情况,本文将头部叁维模型引入到姿态跟踪框架以提供初始深度信息。整个姿态跟踪框架可以分成叁大部分,分别是构造初始头部模型,帧间姿态跟踪以及持续跟踪时的鲁棒性处理。在初始化头部模型阶段,使用立体摄像机捕获到的初始帧深度信息和椭球几何模型分别构造两个头部模型供跟踪系统使用。在系统中,将立体摄像机生成的模型称为真实头部模型,将椭球模型估计得到的几何椭球称为几何头部模型。初始头部模型为帧间姿态跟踪提供了深度信息。系统中我们利用region-basedcorrelation算法查找帧间头部2-D特征点对应关系,并利用线性灰度约束方程求解帧间姿态参数。针对持续跟踪过程中出现的误差积累,头部尺度变化,脸部表情变化以及头部被遮蔽后的运动姿态恢复等问题,本文提出了基于SIFT特征向量的多层视角外观模型来恢复当前帧的姿态参数。首先,通过选取具有不同头部姿态的关键帧在线生成多层视角外观模型。在视角模型生成过程中,系统会提取并保存每个关键帧的头部SIFT特征向量。其次,每当当前帧需要和外观模型进行配准求解姿态参数时,就可以利用启发式2NN算法选取与当前帧的SIFT特征向量匹配个数最多的两个关键帧作为基准帧,并分别与当前帧进行SIFT特征配准。最终,把通过卡尔曼滤波平滑后的配准结果作为当前帧的姿态并根据该值动态调整外观模型的内部参数。与以前的工作相比,本文主要有以下两点创新:首先,通过引入基于SIFT特征向量的多层视角外观模型,在考虑头部尺度变化,脸部表情剧烈变化以及头部被遮蔽等因素时,跟踪仍然可以达到较高的精度。其次,对使用真实模型与椭球模型提供初始深度信息的方法进行了比较,结果显示,真实模型的跟踪误差为5°RMS,椭球模型的误差为7°RMS,这为叁维头部模型的选择提供了参考依据。(本文来源于《浙江大学》期刊2008-06-01）
曾接贤,李斯新[5]（2006）在《基于序列图象的叁维刚体运动估计研究进展》一文中研究指出序列图象运动估计是动态场景分析的基础,它主要研究如何从变化场景的一系列不同时刻的图象中,提取出有关场景中物体的位置、运动和结构等信息。在综述了基于序列图象运动分析的传统方法及其技术特点和存在的问题后,分析了基于序列图象的叁维刚体运动估计研究的发展趋势。(本文来源于《南昌航空工业学院学报(自然科学版)》期刊2006年03期）
江泽涛[6]（2006）在《从序列图象重建叁维物体形状方法研究》一文中研究指出本文主要研究了利用由一个摄像机拍摄的序列图像重建叁维景物的方法以及相关技术。由于该方法采用了特征集来实现，因此本文研究了边缘与直线段提取，特征点匹配与跟踪，相机参数自标定以及叁维物体重建方法。主要研究成果包括：(1)本文定义了像素灰度平方为像素能量，研究了局部区域内不同边缘两侧能量的分布和区域能量阈值差与区域面积比值。基于这个比值与边缘密度分布关系，提出了基于区域能量的自适应多尺度边缘检测方法。实验结果表明该方法边缘检测结果更加清晰并能显着地去除噪声。(2)提出了一种基于小波变换的自适应多尺度边缘检测方法。该方法采用了由粗到细的多分辨率技术，以及自适应多尺度与自适应阈值技术。与sobel方法比较，新方法明显提高了去除噪声干扰及去除伪边缘能力。此外，在基于小波变换的自适应多尺度边缘检测基础上，研究了直线边缘提取方法；采用了角标记生成直线支持区，利用最小二乘法拟合获得直线方程与相关位置信息。(3)提出了一种自适应的多尺度特征点匹配跟踪方法。该方法基于最多相似点原理，使检测尺度与特征点运动速度自适应，模板区域分层加权更新自适应，模板阈值更新自适应。实验结果表明区域的相关性图形更陡，相关性图形峰值更大，峰值范围更小；因此缩小了匹配范围，提高了匹配速度和精度。此外，研究了区域分层快速算法，并应用于运动特征点区域匹配跟踪，提高了跟踪匹配速度。(4)改进了基于序列图像的平面约束与空间相互正交直线约束的相机内、外参数自标定方法。与现有的方法不同，本文方法是基于不同帧的图像焦距不断变化的自标定基础之上，因此更符合实际应用模型。此外，提出了基于共线的摄像机的径向二阶透镜畸变系数标定方法；和现有方法比较，新方法计算更加简单。(5)利用基本矩阵及对极线计算相机内外参数，改进了求解图像序列空间点之间关系的算法，并实现空间点的叁维重建。与以前方法的不同之处是新方法建立在焦距变化的自标定基础之上。此外，利用直线方程和射平面直线方程，提出了基于图像序列的重建叁维直线方法。新方法比基于点的重建方法更加稳定，比较而言，基于射平面直线方程重建叁维直线方法，更加简便。(6)在考虑焦距变化的自标定与求解叁维空间点坐标及深度系数基础之上，提出了基于行列最佳曲线拟合取平均填补缺失数据的方法，并且改进了基于阈值的角点检测方法，从而实现了有遮挡物的叁维物体重建。改变了过去对缺失数据先用零向量填充方法，该方法重建效果更好。(本文来源于《西北工业大学》期刊2006-09-01）
李勐[7]（2006）在《红外序列图象弱小运动目标检测新方法研究》一文中研究指出运动弱小目标的检测与处理一直是计算机视觉与图像处理工作中的重要课题,也是红外探测系统中的核心技术之一,特别是在背景复杂、距离较远的情况下,很难有效地实时分离目标。能见度低的点源目标的检测和跟踪问题产生于远程监控的应用背景中,比如宽视场望远镜,红外搜索和跟踪系统以及其他基于点源目标检测的监控系统。远距离的红外成像目标通常隐藏在高度结构化的背景杂波和强噪声环境中,近些年来,强杂波条件下的可见光和红外小目标的检测研究工作已愈来愈为人们所重视。算法的性能对红外探测系统的作用距离和智能化程度十分关键。本论文工作的目的是结合国家自然科学基金重点项目“复杂条件下目标自动识别的理论与关键技术”和国防重点预研课题研究运算量小且鲁棒性强的低信噪比小目标检测跟踪算法,为其实时实现提供理论依据和试验支撑。因此,本文拟从两方面展开研究:一是红外图像序列中弱小运动目标检测技术研究,二是红外图象序列中弱小目标跟踪方法研究、运动目标轨迹的确定及检测算法性能分析。为发展我国红外搜索和跟踪系统以及其他基于点源目标检测地面应用系统和其它相关研究提供技术支持。论文分析了红外图像的背景特性及序列图像的帧间差异性度量方法,描述红外图像背景预测的一般模型。在背景预测模型基础上论述了红外图像背景抑制的原理,进而详细讨论了几种背景抑制技术,结合实验结果分析了各种背景抑制技术的适用性。叙述一维及二维维纳滤波的一般原理,结合二维维纳滤波和时间维预测滤波发展红外弱小目标检测的一种新方法——基于叁维时空域维纳自适应预测滤波算法,并将新算法成功应用于扫描型探测与凝视型探测相结合的单色弱小目标检测跟踪系统,从而对其实用性、有效性进行了验证。分析了各向异性微分方法对图像的滤波特性,在此基础上通过引入双阈值函数提出了一种新的基于双阈值函数的各向异性偏微分滤波算法,创造性地将各向异性微分方法应用于目标检测,并与其它算法进行了对比实验,实验结果显示新算法能有效抑制复杂红外背景,尤其是背景中的结构性纹理,同时可以稳定地保留点目标信号,从而验证了新算法应用于目标检测的可行性和有效性。叁维方向滤波是目标检测的经典方法之一,该算法通过对目标信号进行能量累积使检测能力大幅提高,在叁维方向滤波经典模型中,目标信号能量的累积强度是目标信号在传感器视场内积分时间的单调增函数,本文推广叁维方向滤波经典模型,提出了叁维粗精搜索双方向滤波器技术,使用两种不同的搜索精度对全状态空间和相应状态子空间进行搜索,得到了运算代价和检测性能的良好折衷;并且消除了目标信号能量的累积强度对滤波帧数的依赖性,使其仅与目标信号在传感器视场内积分时间长度相关。利用目标检测常用的门限判决和目标轨迹跟踪技术,依据目标运动的连续性、方向性,分析扫描型探测和凝视型探测成像特性,借鉴最小二乘预测技术,建立应用于扫描型探测与凝视型探测相结合的单色弱小目标检测跟踪系统的目标轨迹跟踪算法。利用目标检测算法性能评价方法及建立评价方法的前提和假设,分析目标/背景统计特性,对检测概率、虚警概率等性能指标进行建模、实验及理论分析。(本文来源于《华中科技大学》期刊2006-06-01）
邢睿智[8]（2005）在《彩色图象序列中基于贝叶斯滤波的目标跟踪》一文中研究指出彩色目标跟踪是目前机器视觉研究领域的热点问题,广泛应用于视觉监控,机器人视觉技术以及数字医疗等诸多领域。本文以递归贝叶斯滤波为理论基础,讨论了彩色图象序列中的动态目标跟踪问题。围绕贝叶斯视觉跟踪过程中的前景观测和滤波方法两大关键技术展开理论和应用研究,结合不同的前景观测模型提出实时、鲁棒的跟踪方法,旨在实现全自主移动机器人在不同环境下的跟踪任务。 本文首先以色度学基础和颜色模型的表示方法为切入点,详细讨论了前景观测中象素分类和目标区域分割两个基本步骤。从实时性和实用性的角度出发,对不同环境、不同颜色空间下基于恒定阈值法的象素分类结果进行比较。同时针对简单和复杂环境分别提出不同的区域分割方法,并完成实验验证。 以马尔可夫假设和贝叶斯公式为基础,构建出递归贝叶斯跟踪的一般表达形式,并对其叁种较为常用的实现方法进行详细的介绍。为满足机器人足球比赛对目标跟踪实时性的要求,本文将卡尔曼滤波与搜索窗更新方法相结合,实现了基于SmartROB-2中型自主移动机器人平台的彩色目标球跟踪。由于采用图象局部分割代替了全局搜索,大大节省算法的运算时间,并提高了跟踪准确性。 针对非高斯观测环境下的彩色目标跟踪问题,本文提出一种混合粒子滤波跟踪算法,利用粒子滤波和卡尔曼滤波分别对目标状态的位置以及形状分量进行处理,并利用二者之间的数据融合来实现各自的状态更新。基于Mahalanobis准则和最小Euclidian距离思想,提出获得粒子最小不确定性观测的方法,实现了前景观测与粒子预估观测之间的最优匹配。该算法能够有效解决粒子滤波在处理高维跟踪时计算负担过重问题,同时克服了卡尔曼滤波存在高斯约束的不足,具有一定创新性,并在应用中取得良好效果。 为了使跟踪方法对目标的旋转、形变以及颜色非单一等各种复杂情况具有较强鲁棒性,本文结合粒子滤波技术提出一种基于加权颜色直方图的目标跟踪方法。将目标的加权颜色直方图作为目标的颜色模型,并利用Bhattacharyya距离描述粒子与目标颜色模型的相似性,为粒子权值更新提供有力依据。在此基础上,本文利用粒子滤波混合跟踪方法实现了监控视频序列中目标数目可变的多目标跟踪,并通过对实验结果和数据的进一步分析讨论,论证了所提方法的有效性和实用性。(本文来源于《大连理工大学》期刊2005-12-01）
陈巧琳,廖晓峰,陈勇,周庆[9]（2005）在《改进的基于混沌序列的幻方变换图象加密》一文中研究指出定义了幻方变换矩阵,充分利用混沌序列对初始值的敏感性,结合镜像变换,提出了改进的基于混沌序列幻方加密算法。实验表明,改进的算法实现容易,运算速度快,且安全性高。(本文来源于《计算机工程与应用》期刊2005年22期）
韩振海,刘艺,王仕璠[10]（2005）在《基于联合变换的混沌序列光学图象加密》一文中研究指出利用混沌序列相位掩模对图象在联合变换相关器中进行加解密,方法具有很强的抗盲解密的能力,而且相位掩模可以重构,便于密钥的保存与传输。计算机模拟的结果表明了方法的可行性。(本文来源于《激光杂志》期刊2005年02期）
序列图象论文开题报告
（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：
目的:探讨改变乳腺MRI扫描序列的顺序及参数调整对图像质量改善和提高的作用.方法:随机选取我院2008年4月至2009年3月的
（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。
序列图象论文参考文献
[1].杨必武,倪志斌.基于序列图象对应概率累积的基础矩阵求解方法[J].光子学报.2009
[2].满江红.探讨乳腺MRI扫描序列的改进及参数调整对图象质量的影响[C].2009中华医学会影像技术分会第十七次全国学术大会论文集.2009
[3].温志勇,罗艳.基于小数开方伪随机序列图象加密算法研究[J].电脑知识与技术.2009
[4].宋杰.基于叁维模型的单目图象序列头部姿态跟踪[D].浙江大学.2008
[5].曾接贤,李斯新.基于序列图象的叁维刚体运动估计研究进展[J].南昌航空工业学院学报(自然科学版).2006
[6].江泽涛.从序列图象重建叁维物体形状方法研究[D].西北工业大学.2006
[7].李勐.红外序列图象弱小运动目标检测新方法研究[D].华中科技大学.2006
[8].邢睿智.彩色图象序列中基于贝叶斯滤波的目标跟踪[D].大连理工大学.2005
[9].陈巧琳,廖晓峰,陈勇,周庆.改进的基于混沌序列的幻方变换图象加密[J].计算机工程与应用.2005
[10].韩振海,刘艺,王仕璠.基于联合变换的混沌序列光学图象加密[J].激光杂志.2005
论文知识图
