导读:本文包含了影像处理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:影像处理,遥感,技术,无人机,影像,图像处理,张量。
影像处理论文文献综述
杨棚程[1]（2019）在《无人机影像处理技术在测绘工程中的应用》一文中研究指出当前,我国测绘工程的手段和方法也在逐步更新,比较常用的方法是无人机影像处理。这种方法的应用非常广泛,而且在测绘过程中有很多独到的优点,发展趋势良好。文章对无人机影像处理技术在测绘工程中的应用问题进行简要分析,以供参考。(本文来源于《住宅与房地产》期刊2019年30期）
王宗胜[2]（2019）在《医学影像处理技术应用效果总结》一文中研究指出在临床诊断和治疗中,医学影像具有不可忽视的作用,然而随着医学影像技术的快速发展,影像图像诊断的一些问题逐渐暴露出来,因而实施影像处理技术十分必要,它可以改善现有图像信号混杂的缺点,更加明确患者病变组织器官。本文对常见的医学影像处理技术方法进行了介绍,并对医学影像处理技术应用效果进行了分析,旨在指导临床影像诊断和治疗的个体化实践工作。(本文来源于《影像研究与医学应用》期刊2019年18期）
慕永灯[3]（2019）在《无人机遥感影像处理技术与高精度的实现》一文中研究指出近年来,随着科学技术的迅猛发展,无人机遥感技术的应用范围愈加广泛,使得我国各领域在技术及实际应用上都发生了重大的变化。该技术的出现,很大程度上提高了数据的准确性,对测量技术的发展具有重大意义。学术界极为关注无人机技术问题,并试图将其应用于遥感定位探测当中,以弥补传统遥感的不足。为进一步提高无人机遥感影像处理技术,实现定位系统误差消除,文章就其定位系统误差消除技术进行探究,构建了定位模型。(本文来源于《华北自然资源》期刊2019年04期）
蔡秀敏[4]（2019）在《无人机影像处理技术在测绘工程中的应用》一文中研究指出当前,随着我国科学技术的快速发展,测绘工程的方式与手段也在不断更新、不断提升,其中使用频率较高的方式便是无人机影像处理,该种方式优势较为明显,能够有效提高测绘的精度与效率,也是当前较为热门的一种技术。基于此,论文将对无人机测绘的工作类型与相关技术进行分析,并探讨无人机影像处理技术在测绘工程中的应用,希望能对广大同行有所助益。(本文来源于《中小企业管理与科技(下旬刊)》期刊2019年06期）
张开,罗莉[5]（2019）在《Matlab在遥感影像处理中的应用研究》一文中研究指出由于多种因素的造成的影响,在遥感图像处理过程中,会导致诸如图像质量方面的退化,为使得图像质量显着提高,并增强其视觉效果,需要对遥感图像的各个方面进行细节化处理,如形态学图像处理等。论文通过在MATLAB环境下编写相关代码,来实现图像中的边缘检测和特征提取,这些效果可以使得图像中的亮度变换对比明显,也可增强环境周围背景与感兴趣目标之间的反差。从而使得人或者电脑分析信息得到突出,同时去除一些无用信息,用图像边缘加强的方法来提高图像识别的方便性。(本文来源于《科技风》期刊2019年17期）
赵威成,马亚辉,郑甲伟[6]（2019）在《基于DWT-SVD影像处理的河流骨架线提取》一文中研究指出河流骨架线是一种重要的基础参考数据,有着十分重要的意义。目前,提取河流骨架线的方法常常会出现断裂,植被等非水体信息也没有得到有效的抑制。本文提出利用DWT-SVD对低反差原始影像进行增强处理,提高NDWI和INDVI的特征提取精度,利用INDVI对NDWI进行非水体信息影响抑制和水体信息增益,使得水体信息提取更为准确,利用数学形态学约束河流二值图像,最终提取河流骨架线。实验表明,该方法提取的河流骨架线更符合河流的真实位置与形状,具有更高的准确性。(本文来源于《矿山测量》期刊2019年03期）
佟宇琪[7]（2019）在《基于肺部CT的医疗影像处理与识别优化研究》一文中研究指出深度学习等智能算法和移动云计算等并行处理技术日益成熟,宣告人类已经进入智能生活的新纪元。在新时代背景下,智能医疗系统挑战与机遇并存。传统医学中,医疗图像由医疗影像和病理图像共同组成,是医生诊断病情时的重要参考因素。而图像处理与图像识别是计算机视觉的核心技术,在实际应用中需要兼顾要求做出改进。因此,基于医疗图像独特的病理属性并结合诊断过程中实时性与准确性的要求,实现可以辅助诊断的医疗图像处理与识别,符合智慧医疗的发展需求。图像处理包含预处理和分割等处理技术,目的在于优化图像质量并合理简化图像内容,是图像识别、分析等技术的前期基础。其中,图像分割是图像处理的关键步骤。传统分割算法基于不同的特征将图像分为无交集的连通域,提取目标区域并去除背景干扰。因图像特征具有多样性,图像分割至今没有统一的通用算法。然而,医疗图像的个体差异性及病理复杂性又进一步增加了分割处理的难度。如何选择合适的预处理与分割算法,并做出适配于医疗图像特征的改进,是医疗图像处理的核心问题。图像识别通过模拟人类视觉感知完成目标识别任务,包含特征提取与图像分类过程。卷积神经网络作为深度学习的经典模型,巧妙地将二者融合为一个完整框架,通过卷积迭代提取特征消除人为干扰,并深入挖掘图像隐含特征。然而,卷积计算的算法复杂度高,迭代耗时。并且,为了清晰反应病灶情况,医疗图像分辨率往往大于普通图像。因此,在应用卷积神经网络识别医疗图像时,输入图像像素尺寸与繁杂的计算过程都对设备性能提出了较高的要求,以低内存消耗提高卷积模型的计算速率具有较强的现实意义。本文基于医疗影像特征,结合医疗诊断中准确率与实时性的要求,优化医疗影像的处理与识别。针对医疗影像处理问题,首先分析其成像过程,通过解决噪声干扰和边界模糊的质量问题完成预处理;其次,根据器官结构,选择适用于分割连通域的区域生长算法,并结合空间相关性提出E-SRG(Enhanced Seed Region Growing)分割算法,实现种子区域的自动选取与内部复杂区域的分割。针对医疗影像识别问题,基于分块、重排的思想,提出MSM(Memory Saving Method)卷积加速模型及其优化BLR(Block Reshape Method)加速模型,在保证不牺牲识别准确率的前提下实现卷积神经网络的低内存加速。实验结果表明,本文中的预处理方法和E-SRG算法可以有效改善影像质量并实现器官、组织的完整分割处理,不受数据集标签与尺寸的限制;MSM模型可以加速小尺寸卷积核的卷积计算,而BLR模型的加速优化则不受卷积模型的参数限制,二者都在不依赖于其它加速设备的情况下,以低内存实现了卷积神经网络的快速识别。最后,本文基于肺部CT影像完成了肺脏器官的分割及肺部结节的良恶性判别,为医疗影像的处理与识别提供了新的方法,在影像辅助诊断中具有较高的应用价值。(本文来源于《吉林大学》期刊2019-06-01）
许晓文[8]（2019）在《基于张量神经网络和集成预测模型的医学影像处理方法研究》一文中研究指出随着近几十年的医学成像技术的发展,磁共振影像已经广泛应用到医院的各种临床场景中,磁共振影像可以无创伤性地显示器官状态,给患者病情的早期检测和治疗计划提供必要的信息支持。脑部磁共振影像能够提供大脑活动状态视图,因此脑部磁共振影像逐渐成为脑科学研究领域的重要研究工具。磁共振影像具有分辨率高、图像体素数多等图像特点,这极大地限制了以传统特征选择和分类为主的机器学习方法在脑部磁共振影像分析中的应用。随着脑部肿瘤疾病发病率的逐渐升高,脑部肿瘤疾病患者的生存周期预测的临床需求也日趋凸显。基于磁共振影像的生存分析研究不仅可以为患者诊疗方案的及时调整提供必要的信息支撑,也能为患者提供有参考价值的治疗心理预期。针对磁共振影像处理中面临的问题和相关临床需求,本文主要研究张量神经网络和集成预测模型在医学影像处理方面的应用,主要的创新和贡献主要在以下两个方面:(1)论文提出了基于张量神经网络的fMRI分类框架。该算法框架利用张量神经网络搭建浅且宽的磁共振影像分类框架,其不仅能够从全脑功能性磁共振影像中提取有效特征以提高大脑状态分析性能,而且能够大幅度压缩神经网络中的整体参数以解决磁共振影像分析中的“维度灾难”问题,从而削弱了应用在磁共振分析中的深度学习系统对设备要求过高的限制。相关分类框架在CMU数据集上进行了测试,实验结果证实,本文所提出的基于张量神经网络的分类框架优于传统方法。(2)论文提出了基于集成预测模型的脑胶质瘤患者生存周期预测框架。该算法框架首先对结构性磁共振影像进行多模态、多角度的特征提取,随后通过Kaplan-Merier生存曲线进行单变量的特征选择以筛选出有益特征,最后将筛选的有用特征通过集成模型完成生存周期的预测。该算法在Brats2018数据集上进行了测试,实验结果证实,本文所提出的基于集成预测模型的脑胶质瘤患者生存周期预测框架优于传统预测模型。(本文来源于《山东大学》期刊2019-05-25）
张嘉伟,陈亮[9]（2019）在《基于云计算的医学影像处理与3D打印平台》一文中研究指出随着现代计算机辅助技术与医学成像系统的发展,临床医生对医学影像处理、叁维可视化以及新兴技术的引入提出了更高的要求。医学影像处理软件,作为满足以上临床需求的主要手段,成为了近年来的研究热点。本文介绍了一款自主研发的、基于云计算的医学影像处理与3D打印平台。该平台不仅实现了云端数据管理、模型重建、叁维可视化、手术规划、3D打印与工程服务等诸多功能,还充分预留了下一代应用如手术导航与混合现实的开发接口。(本文来源于《软件》期刊2019年05期）
仇瑛[10]（2019）在《国产卫星影像处理技术探讨》一文中研究指出以瓦罕走廊区域为例,利用各种软件对国产卫星影像进行数据处理,寻找最佳处理技术路线,并提出一些合理化的建议,以期为国产卫星影像进行数据处理提供技术参考。(本文来源于《测绘与空间地理信息》期刊2019年04期）
影像处理论文开题报告
（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：
在临床诊断和治疗中,医学影像具有不可忽视的作用,然而随着医学影像技术的快速发展,影像图像诊断的一些问题逐渐暴露出来,因而实施影像处理技术十分必要,它可以改善现有图像信号混杂的缺点,更加明确患者病变组织器官。本文对常见的医学影像处理技术方法进行了介绍,并对医学影像处理技术应用效果进行了分析,旨在指导临床影像诊断和治疗的个体化实践工作。
（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。
影像处理论文参考文献
[1].杨棚程.无人机影像处理技术在测绘工程中的应用[J].住宅与房地产.2019
[2].王宗胜.医学影像处理技术应用效果总结[J].影像研究与医学应用.2019
[3].慕永灯.无人机遥感影像处理技术与高精度的实现[J].华北自然资源.2019
[4].蔡秀敏.无人机影像处理技术在测绘工程中的应用[J].中小企业管理与科技(下旬刊).2019
[5].张开,罗莉.Matlab在遥感影像处理中的应用研究[J].科技风.2019
[6].赵威成,马亚辉,郑甲伟.基于DWT-SVD影像处理的河流骨架线提取[J].矿山测量.2019
[7].佟宇琪.基于肺部CT的医疗影像处理与识别优化研究[D].吉林大学.2019
[8].许晓文.基于张量神经网络和集成预测模型的医学影像处理方法研究[D].山东大学.2019
[9].张嘉伟,陈亮.基于云计算的医学影像处理与3D打印平台[J].软件.2019
[10].仇瑛.国产卫星影像处理技术探讨[J].测绘与空间地理信息.2019
论文知识图
