导读:本文包含了基于回归的修复算法论文开题报告文献综述及选题提纲参考文献，主要关键词:图像修复,广义回归神经网络,文字去除,峰值信噪比
基于回归的修复算法论文文献综述
王文霞,王春红,葛少磊[1]（2017）在《基于广义回归神经网络的图像修复算法》一文中研究指出根据人类视觉感知的连通原理,提出一种基于广义回归神经网络的图像修复算法,该算法通过对图像数据进行回归分析确定缺失区域,具有简单和有效的特点。根据尺寸对缺失区域进行分离以及分类,将广义回归神经网络用于每个缺失区域,以便修复损坏的像素点。在文字去除、划痕去除以及噪声去除3个应用方面,对该算法的性能进行评估,采用客观衡量方式对修复图像的视觉质量进行评估。实验结果表明了该算法的有效性和可靠性。(本文来源于《计算机工程与设计》期刊2017年11期）
沈跃,徐慧,刘慧,李宁[2]（2016）在《基于K-means和近邻回归算法的Kinect植株深度图像修复》一文中研究指出针对Kinect传感器应用于农业植株检测产生的图像噪声问题,特别是由光线以及传感器自身局限导致的匹配图像目标植株数据的缺失,提出一种基于K-means和近邻回归算法的植株深度检测图像修复方法。首先对Kinect传感器获取的彩色RGB图像进行阈值分割预处理提取植株目标区域,再利用K-means聚类算法去除背景噪声,使得植株目标区域轮廓更加清晰;然后基于配准的彩色图像和深度图像,对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进行修复,再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配,并进行二次近邻回归算法修正错误的深度数据,最后获取目标植株深度信息的检测图像。试验结果证明,采用RGB阈值分割和K-means聚类算法植株目标区域分割误差均值为12.33%,比单一RGB阈值分割和K-means聚类分割误差降低了12.12和41.48个百分点;同时结合聚类后的彩色图像对深度数据进行两次近邻回归算法修复深度数据,能够提高深度数据边缘的清晰度,单帧深度数据空洞点进行修复数据的准确度提高。该研究结果可为农业植株检测、植株叁维重构、精准对靶喷雾等提供参考。(本文来源于《农业工程学报》期刊2016年19期）
基于回归的修复算法论文开题报告
（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：
针对Kinect传感器应用于农业植株检测产生的图像噪声问题,特别是由光线以及传感器自身局限导致的匹配图像目标植株数据的缺失,提出一种基于K-means和近邻回归算法的植株深度检测图像修复方法。首先对Kinect传感器获取的彩色RGB图像进行阈值分割预处理提取植株目标区域,再利用K-means聚类算法去除背景噪声,使得植株目标区域轮廓更加清晰;然后基于配准的彩色图像和深度图像,对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进行修复,再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配,并进行二次近邻回归算法修正错误的深度数据,最后获取目标植株深度信息的检测图像。试验结果证明,采用RGB阈值分割和K-means聚类算法植株目标区域分割误差均值为12.33%,比单一RGB阈值分割和K-means聚类分割误差降低了12.12和41.48个百分点;同时结合聚类后的彩色图像对深度数据进行两次近邻回归算法修复深度数据,能够提高深度数据边缘的清晰度,单帧深度数据空洞点进行修复数据的准确度提高。该研究结果可为农业植株检测、植株叁维重构、精准对靶喷雾等提供参考。
（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。
基于回归的修复算法论文参考文献
[1].王文霞,王春红,葛少磊.基于广义回归神经网络的图像修复算法[J].计算机工程与设计.2017
[2].沈跃,徐慧,刘慧,李宁.基于K-means和近邻回归算法的Kinect植株深度图像修复[J].农业工程学报.2016