导读:本文包含了图像选择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,基色,遥感,光谱,比高,噪声,载体。
图像选择论文文献综述
李宗翰,刘佳,柯彦,张敏情,罗鹏[1]（2019）在《基于图像翻译的载体选择式图像隐写方案》一文中研究指出针对基于载体选择的隐写算法存在的安全问题,提出了一种基于图像翻译的载体选择式图像隐写方案.发送方按载体选择的方法从图像库中选取秘密信息并得到含密图像,然后输入到跨域变换模型中进行跨域变换,生成跨域图像并传递给接收方;接收方将跨域图像输入到发送方,由线下传递的跨域变换模型中得到含密图像,然后依据映射关系库将含密图像逆向转化为秘密信息.实验结果表明,所提出的方案在容量、抗检测性和安全性方面均有明显提升.(本文来源于《应用科学学报》期刊2019年05期）
赵亮,王立国,刘丹凤[2]（2019）在《高光谱图像子空间的波段选择》一文中研究指出为降低高光谱遥感数据光谱空间的冗余度,提出一种快速的波段选择方法。该方法在波段子空间下进行,依次选择各子空间中方差最大的波段作为初始波段,设定目标函数,然后逐子空间替换波段使得目标性能更加优化,直至没有替换可以使得目标更优为止。在两个公开高光谱影像数据集上对比3种常用波段选择方法(ABC、AP、ABS)来验证提出方法的有效性,实验结果表明:(1)在印第安纳数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低22.04%、52.61%、55.71%,最佳指数分别提高0.58%、51.73%、0.95%,总体分类精度分别提高0.16%、1.39%、23.07%,在搜索效率上与同类型的ABC方法相比提高6.61%—69.02%;(2)在帕维亚大学数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低2.38%、0.51%、32.83%,最佳指数分别提高1.34%、17.97%、12.92%,总体分类精度分别提高0.31%、0.69%、8.53%,在搜索效率上与同类型的ABC方法相比提高19.13%—86.34%。本文提出的波段选择方法能够选择合适的波段子集满足不同的应用需要,是一种有效的波段选择方法。(本文来源于《遥感学报》期刊2019年05期）
饶朗毓,蓝永洪,牛海艳[3]（2019）在《显微图像分析中色度学参数的选择及其在细胞学研究中的应用》一文中研究指出目的探讨红绿蓝(RGB)叁基色及其叁基色系数作为色度学参数更加适合显微图像分析。方法以宫颈液基涂片中宫颈鳞状上皮细胞为研究对象,将其分为红基色组(细胞浆红色组和浅红色组)、绿基色组(细胞浆绿色组和浅绿色组)和蓝基色组(细胞核蓝色组和浅蓝色组),测试其RGB叁基色,计算叁基色系数,分析变化规律,寻找与结果变化一致的色度学参数。结果与相应的浅色组相比,细胞浆红色组的红基色值、细胞浆绿色组的绿基色值和细胞核蓝色组的蓝基色值均明显下降(P<0. 05);与其他组相比,除了红基色组的红基色值明显增高(P<0. 05)外,绿基色组的绿基色值和蓝基色组的蓝基色值未见明显改变(P>0. 05)。与相应的浅色组相比,细胞浆红色组的红基色系数值、细胞浆绿色组的绿基色系数值和细胞核蓝色组的蓝基色系数值均明显增高(P<0. 05);与其他组相比,红基色组的红基色系数值、绿基色组的绿基色系数值和蓝基色组的蓝基色系数值均明显增高(P<0. 05)。结论 RGB叁基色和叁基色系数均可反映细胞之间颜色的变化差异;叁基色系数的变化规律更符合实际观察结果,作为色度学参数比较合理科学。(本文来源于《中国体视学与图像分析》期刊2019年03期）
高翔,朱紫瑞,孙伟[4]（2019）在《不同参数选择对场发射扫描电镜图像的影响》一文中研究指出场发射扫描电子显微镜(FESEM)是扫描电镜的一种,主要用于对样品显微结构的表征,同时还能定性、定量地获得样品微观区域内的化学成分和结构信息。目前作为一种先进的测试技术手段,FESEM在科学研究、工业生产和刑侦物证等众多领域中得到广泛的应用。本文研究了加速电压、工作距离、探头选择、信号选择等不同参数对FESEM图像的影响,并针对一些材料的形貌表征提出了较佳的参数选择。(本文来源于《广州化工》期刊2019年18期）
周强,徐宏伟,陈逸,孙玉宝[5]（2019）在《随机多选择残差网络集成的遥感图像分类算法》一文中研究指出深度卷积网络作为一种高效的特征表示学习算法,被广泛的应用于图像分类问题中.由于遥感图像存在目标尺度与方向变化大、类内场景差异形大等问题,单一的深度网络通常不能获得准确的分类结果.为此,本文提出一种随机多选择残差网络集成的遥感图像分类算法,该算法通过多选择学习策略,集成多个残差网络共同完成分类任务,算法设置有效的集成学习目标函数,并通过随机梯度下降算法最小化多个子网络对每个样本的最优分类误差,促使各个网络之间的差异性,能够自适应于特定类别的分类任务,进而形成有效的分类,同时其泛化性通常显着优于单个学习器.在两个公开的遥感数据集上验证了本文算法的有效性,多个残差网络能够对不同类别的遥感影像形成最优分类,有效提升了分类的准确性.(本文来源于《小型微型计算机系统》期刊2019年09期）
姚俊光,余冰纯,林景峰,殷惠莉[6]（2019）在《基于OpenCV的龙眼图像合理通道选择研究》一文中研究指出随着科学技术的不断提高,实时图像处理算法在多媒体、通信等领域的应用越来越广泛。介绍一种基于OpenCV的龙眼的图像处理技术。针对获得的图像,将图像转化为其他色彩空间模型后,再把每种模型的通道逐一分离出来,通过分析观察挑选背景与果实差别最大的几组通道,然后通过绘制各个通道的灰度分布直方图以分析其特性,从而选择出适合分割的通道。(本文来源于《现代计算机》期刊2019年26期）
梅习龙,吴雄,蒋博,邓凯,颜敏[7]（2019）在《第3代双源CT卷积核的选择对肺磨玻璃结节图像质量的影响》一文中研究指出目的:探讨第3代双源CT卷积核的合理选择在横断面重建图像中对肺磨玻璃结节(ground-glass nodule,GGN)显示的价值。方法:纳入2018年2月至2019年1月期间,在中南大学湘雅二医院行肺部CT扫描发现肺GGN并手术证实为早期腺癌的患者52例,对其肺部CT数据进行卷积核Bl57,Br54,Br49的3组重建。以GGN处图像的信噪比(signal-to-noise ratio,SNR)、对比噪声比(contrast-to-noise ratio,CNR)和标准差(standard deviation,SD)作为客观图像质量评价标准,主观图像质量由2名放射科医生从总体图像质量、噪声、病变轮廓3个方面进行双盲评分。结果:重建卷积核Br49(SNR:11.36±5.39,CNR:7.19±4.29),Br54(SNR:8.30±3.35,CNR:5.09±2.86)图像的SNR和CNR明显高于重建卷积核Bl57图像(SNR:4.18±2.10,CNR:3.25±1.78;多重比较均P<0.01)。GGN处SD重建卷积核Br49为61.80±20.17,Br54为80.45±20.31,均明显低于重建卷积核Bl57(137.92±31.11,均P<0.01)。总体图像质量方面,重建卷积核Br54评分5.0(4.5, 5.0),高于重建卷积核Br49评分3.0(3.0, 4.0),Br49评分高于Bl57评分3.0(3.0, 3.5)(均P<0.05);病灶轮廓方面,重建卷积核Br54评分5.0(4.0, 5.0),高于重建卷积核Br49评分4.0(4.0, 5.0),Br49图像评分高于Bl57评分3.0(3.0, 3.0)(均P<0.05);图像噪声方面,卷积核Br49评分3.0(3.0, 3.0),低于重建卷积核Br54评分4.0(4.0, 4.0),Br54评分低于Bl57评分5.0(5.0, 5.0)(均P<0.05)。结论:CT卷积核的合理选择对GGN的主观和客观图像质量具有重要作用,建议使用Br54作为肺GGN重建卷积核,这将为医生找寻、诊断GGN提供帮助。(本文来源于《中南大学学报(医学版)》期刊2019年09期）
李豪,杨桄,关世豪[8]（2019）在《阈值选择方法在高光谱图像目标检测中的应用》一文中研究指出根据约束能量最小化、自适应一致估计、光谱角匹配等理论,提出了利用传统图像分割中的阈值选取方法对高光谱图像进行目标检测的方法。通过不同的目标检测方法将高光谱图像转化为灰度值图像,利用直方图极点法、迭代阈值选取法、最大类间方差阈值法分别提取了各个方法结果灰度值图像的阈值,并根据阈值进行灰度值图像的分割,识别出高光谱图像中的目标。结果表明:3种阈值选取的方法都能较为准确地提取到目标的位置与形状大小信息,与传统方法比较,利用阈值提取的精度更高,误分率更低,其中自适应一致估计算法与最大类间方差阈值法配合结果的正确率最高。(本文来源于《兵器装备工程学报》期刊2019年11期）
王莹,徐振宇,郑豫楠,史雪蕾,刘怡光[9]（2019）在《一种提升3维重建精度和效率的图像选择方法》一文中研究指出大型场景3维重建常需融合各局部深度图,故局部3维数据精确度直接关系整个场景重建精确度,且计算量巨大。针对此问题,提出一种旨在提高3维计算效率和精度的图像选择方法。为提高计算效率,提出一种基于位运算的参考图像选择方法,选取可覆盖场景全部3维点的最小标定图像集子集作为参考图像集;根据影响重建精度的尺度评价因子、参考与邻近图像对应相机主光轴夹角及3维点与相机主光轴夹角建立邻近图像选择的评价函数;在邻近图像的具体选择上,先根据参考图像与邻近图像的覆盖率缩小搜索范围,再根据评价函数对剩余图像进行降序排序,并选择前3张图像作为该参考图像的邻近图像。有效的参考图像选择能够极大地减少大场景多视立体3维重建过程中深度图计算量,有效的邻近图像选择兼顾了重建结果的精度和完整度。将本文方法在两组具有真实3维点云数据的公开数据集和两组室外真实场景拍摄的数据集上与另外两种选图方法以及COLMAP方法进行了对比。实验结果表明:本文方法相比于另外两种选图算法时间节省53%～59%,完整性提高4%～6%,精度提高4%～7%;相比于先进的COLMAP算法时间节省16%以上,完整性提高3%,精度提高2.7%左右。实验结果证明了本文方法的有效性。(本文来源于《工程科学与技术》期刊2019年05期）
许晨晨,戴舒,张保俊,余江华[10]（2019）在《基于Matlab的图像直方图选择去噪方法》一文中研究指出人类获取的70%以上信息是通过视觉,而视觉获取的信息主要是以图像作为载体。图像处理在无人驾驶、航空事业、食品安全检测和日常生活中都有重要应用。但在实际图像处理应用过程中,原始图像获取过程会遇到大雪、雨雾和沙尘暴等各种因素,对原始图像添加了一些噪声,不能直接获得清晰图像,因此图像去噪在图像预处理领域一直是一个基础且不可缺少的研究课题,具有非常重要的实际意义。(本文来源于《计算机与网络》期刊2019年16期）
图像选择论文开题报告
（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：
为降低高光谱遥感数据光谱空间的冗余度,提出一种快速的波段选择方法。该方法在波段子空间下进行,依次选择各子空间中方差最大的波段作为初始波段,设定目标函数,然后逐子空间替换波段使得目标性能更加优化,直至没有替换可以使得目标更优为止。在两个公开高光谱影像数据集上对比3种常用波段选择方法(ABC、AP、ABS)来验证提出方法的有效性,实验结果表明:(1)在印第安纳数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低22.04%、52.61%、55.71%,最佳指数分别提高0.58%、51.73%、0.95%,总体分类精度分别提高0.16%、1.39%、23.07%,在搜索效率上与同类型的ABC方法相比提高6.61%—69.02%;(2)在帕维亚大学数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低2.38%、0.51%、32.83%,最佳指数分别提高1.34%、17.97%、12.92%,总体分类精度分别提高0.31%、0.69%、8.53%,在搜索效率上与同类型的ABC方法相比提高19.13%—86.34%。本文提出的波段选择方法能够选择合适的波段子集满足不同的应用需要,是一种有效的波段选择方法。
（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。
图像选择论文参考文献
[1].李宗翰,刘佳,柯彦,张敏情,罗鹏.基于图像翻译的载体选择式图像隐写方案[J].应用科学学报.2019
[2].赵亮,王立国,刘丹凤.高光谱图像子空间的波段选择[J].遥感学报.2019
[3].饶朗毓,蓝永洪,牛海艳.显微图像分析中色度学参数的选择及其在细胞学研究中的应用[J].中国体视学与图像分析.2019
[4].高翔,朱紫瑞,孙伟.不同参数选择对场发射扫描电镜图像的影响[J].广州化工.2019
[5].周强,徐宏伟,陈逸,孙玉宝.随机多选择残差网络集成的遥感图像分类算法[J].小型微型计算机系统.2019
[6].姚俊光,余冰纯,林景峰,殷惠莉.基于OpenCV的龙眼图像合理通道选择研究[J].现代计算机.2019
[7].梅习龙,吴雄,蒋博,邓凯,颜敏.第3代双源CT卷积核的选择对肺磨玻璃结节图像质量的影响[J].中南大学学报(医学版).2019
[8].李豪,杨桄,关世豪.阈值选择方法在高光谱图像目标检测中的应用[J].兵器装备工程学报.2019
[9].王莹,徐振宇,郑豫楠,史雪蕾,刘怡光.一种提升3维重建精度和效率的图像选择方法[J].工程科学与技术.2019
[10].许晨晨,戴舒,张保俊,余江华.基于Matlab的图像直方图选择去噪方法[J].计算机与网络.2019
论文知识图
