导读:本文包含了目标图像分割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,目标,模糊,视觉,区域,遥感,水下。
目标图像分割论文文献综述
夏冬梅,李静,周亮[1]（2019）在《基于视觉显着模型和图像分割的文化图像目标检测（英文）》一文中研究指出针对图像目标识别中的高效率视觉注意机制问题,提出了一种基于视觉显着模型和图像分割的文化图像目标检测算法。首先采用基于颜色分量对比度视觉显着模型对现有的视觉显着计算方法进行了改进,提高了显着区域检测的效率。然后在传统Grab Cut图像分割算法的原理上,结合改进的视觉显着模型来实现显着区域初始化,无需人工交互步骤,从而实现全自动的图像目标检测。测试数据结果表明:相比于现有的几种典型方法,提出算法具有较好的目标检测性能和较快的检测速度。(本文来源于《机床与液压》期刊2019年18期）
叶靖雯,吴晓峰[2]（2019）在《端到端深度图像分割网络中抑制无效率学习的目标损失函数设计》一文中研究指出在端到端深度图像分割网络训练时,常出现前景和背景区域相差巨大的情况,造成目标特征学习不足而背景特征学习过度.对此提出一种基于代价敏感学习的目标函数构造方法:借鉴难例挖掘思想,使用表征难易程度的Focal因子对样本训练误差加权处理,有效抑制无效率学习;仿人类视觉系统引入感受野因子,兼顾上下文信息.在医学影像数据集上对方法的有效性和可扩展性进行了测试.结果表明,新方法有助于提升网络对于小目标的检出能力,同时分割结果更贴合目标轮廓.(本文来源于《微电子学与计算机》期刊2019年09期）
丁春玲[3]（2019）在《基于多目标决策的图像分割优化算法研究》一文中研究指出针对单一的图像分割标准使传统图像分割策略的效果不佳这一问题,提出了一种基于多目标决策的图像分割优化算法。该算法基于TOPSIS技术实现同时组合和优化两个不同的互补分割标准,即全局一致性误差(GCE)和F-measure,克服使用单一标准所造成的限制。提出的多准则融合框架在伯克利图像数据集上得到了验证,并与传统方法进行了比较。实验结果表明基于多目标决策的图像分割算法获得了更好的图像分割效果。(本文来源于《新乡学院学报》期刊2019年06期）
赵汝海,王宏亮,朱广[4]（2019）在《火灾图像分割与目标识别方法研究》一文中研究指出火灾现场环境复杂,获取的图像对比度较低,边缘模糊,使得火灾图像分割和火焰区域识别困难。为此,提出了一种基于色彩空间的火灾图像分割与多特征量融合的火灾图像识别方法。首先通过颜色特征找出可疑的火焰发生区域,然后通过色彩空间的H、S、I特征的线性组合对可疑区域进行分割,接着分析和提取可疑区域的火焰特征,输入提取的火焰颜色、纹理和形状特征,利用BP神经网络建立火灾识别模型,并以光、气焰和烛焰为干扰,通过神经网络的训练,最终分类和输出。仿真结果表明,火灾识别精度高,鲁棒性好。(本文来源于《机械工程师》期刊2019年07期）
熊辉,孙书会[5]（2019）在《基于目标区域约束的人体手臂运动轨迹图像分割》一文中研究指出针对传统分割方法存在分割完整性不足、分割耗时较长以及分割精度较差的问题,提出基于目标区域约束的人体手臂运动轨迹图像分割方法.采取多阈值分割方法,对目标区域约束阈值进行设定,根据阈值取值,得出图像阈值分割曲面图.通过对比巴氏距离系数描述轨迹目标区域与候选目标区域之间的相似度,根据Mean Shift检索邻域范围内密度评估的极大值,迭代上述过程,不断更新运动轨迹目标,根据图像轨迹目标跟踪结果,利用目标区域约束法实现图像分割.结果表明,利用该方法后图像分割区域较为完整,耗时较短,分割精度明显提高.(本文来源于《沈阳工业大学学报》期刊2019年04期）
任佳,张胜男,董超,赵敏钧[6]（2019）在《基于改进模糊C均值的海面目标图像分割算法》一文中研究指出提出一种图像分割算法,解决水面无人艇在执行目标跟踪与识别任务过程中的图像快速准备分割问题。首先使用均值滤波算法对彩色的海洋背景图像进行滤波,同时利用其非参数性得到图像的聚类中心和类别数,并以此作为初始化参数进行图像的模糊C均值聚类,在此基础上进行大津法Otsu二值化处理实现目标提取。使用BSDS500标准数据集和海洋背景图像对算法的分割效果及效率进行验证,与传统的模糊C均值算法、脉冲耦合神经网络算法、自适应遗传算法以及马尔科夫随机场算法进行对比的结果显示了该算法的有效性。(本文来源于《计算机工程与科学》期刊2019年05期）
赵凤,张咪咪,刘汉强[7]（2019）在《区域信息驱动的多目标进化半监督模糊聚类图像分割算法》一文中研究指出现有的多目标进化聚类算法应用于图像分割时,往往是在图像像素层面上进行聚类,运行时间过长,而且忽略了图像区域信息使得图像分割效果不太理想。为了提高多目标进化聚类算法的分割效果和时间效率,该文将图像区域信息与部分监督信息引入多目标进化聚类,提出图像区域信息驱动的多目标进化半监督模糊聚类图像分割算法。该算法首先利用超像素策略获得图像的区域信息,然后结合部分监督信息,设计融合区域信息和监督信息的适应度函数,接着通过多目标进化策略对多个适应度函数进行优化得到最优解集。最后构造融合区域信息与监督信息的最优解评价指标,实现从最优解集中选取一个最优解。实验结果表明:与已有多目标进化聚类算法相比,该算法不但分割效果有所提升,而且运行效率得以提高。(本文来源于《电子与信息学报》期刊2019年05期）
赵春梅[8]（2019）在《水下图像分割和目标特征提取及识别技术研究》一文中研究指出随着我国工业的迅速发展及环保意识的增强,工业废水的处理压力也随之增加。废水池中杂物的回收和清理是工业废水处理的重要环节。水下智能机器人作为水下环境工作的载体,精湛的视觉处理技术有助于提高其安全性和自主能力。基于光视觉的水下智能机器人凭借其良好的环境感知能力而广泛应用于水下作业。因此对水下智能机器人视觉处理技术的研究具有重要的意义。本论文主要从图像增强、图像分割、特征提取和目标识别四个方面进行研究,具体研究内容如下:首先,针对水下图像光照不均匀和对比度低及噪声强等特点,研究了一种水下灰度图像增强方法。该方法将同态滤波、直方图拉伸和小波阈值去噪叁种经典的图像增强方法联合,改善了水下图像光照不均匀的现象且扩大了目标和背景的灰度差别。其次,针对水下特殊的成像环境和特定灰度目标的分割,研究了两种水下图像分割方法:指定灰度目标的水平集分割方法和多灰度目标的水平集分割方法。指定灰度目标的水平集分割方法在C-V模型的基础上加入了小范围的距离约束项,使其具有局部性,可以分割出指定灰度的目标;多灰度目标的水平集分割方法是在C-V分割模型的基础上,加入李纯明分割模型的内部能量函数项和边缘定位函数,其对多灰度目标分割效果较好,且抗噪性较好。再次,针对水下图像存在的颜色失真及纹理特征弱等现象,研究了基于形状特征的水下目标特征提取方法。该方法构造了基于Hu不变矩、归一化转动惯量(NMI)、小波矩及仿射不变矩的组合不变矩,再应用主成分分析法(PCA)对组合不变矩进行降维与优化。实验结果表明,该特征提取方法提高了水下目标识别的效率和准确度。最后,针对BP神经网络学习时出现收敛缓慢、容易陷入局部极小和训练震荡等现象,应用混沌策略和遗传算法与粒子群优化算法(PSO)结合,再应用改进后的粒子群优化算法优化BP神经网络。实验证明,改进方法加速了BP神经网络的收敛速度和防止其陷入局部极小,同时提高了BP神经网络识别水下目标的性能。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
林翊钧,吴凤鸽,赵军锁[9]（2018）在《基于图像分割和密度聚类的遥感动目标分块提取》一文中研究指出大幅宽遥感图像的动目标检测研究中,卷积神经网络虽然取得了显着效果,但算法存在目标搜索空间庞大、模型极其消耗时间及计算资源的问题,因此本文从目标区域预筛选的角度给出了针对性优化方法。首先,基于局部误差处理的策略,改进了现有的图像分割算法来粗糙地提取动目标可能存在的区域。然后,以相邻区域合并、减少总数量和面积为目的,设计了一种基于空间约束的密度聚类算法——SC-DBSCAN,其以分治思想来降低问题的规模,通过空间尺寸的先验约束自适应地将数据划分为多个相互独立的簇,并针对簇的复杂程度选择相应的合并策略,在复杂簇中,考虑到合并结果与对象遍历顺序相关,易陷入局部最优,引入基于模拟退火思想的随机扰动有效提升了输出的图像块质量。最终,通过减少模型推断次数及避免目标的重复检测,显着地改进动目标检测的整体效率。(本文来源于《北京航空航天大学学报》期刊2018年12期）
赵凤,李超琦[10]（2018）在《基于多目标区间值模糊聚类的含噪图像分割》一文中研究指出针对区间值模糊聚类算法,提出基于多目标区间值模糊聚类的含噪图像分割算法。利用迭代非局部均值算法去除图像中的噪声点,并在其上构造一个区间值模糊图像,然后设计两个区间值模糊聚类有效性函数作为多目标优化的适应度函数,并构造一个融合区间值模糊信息的最优解选取指标。在自然图像和刑侦图像上的实验结果表明,该算法能够在抑制噪声的同时取得良好的分割效果。(本文来源于《西安邮电大学学报》期刊2018年05期）
目标图像分割论文开题报告
（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：
在端到端深度图像分割网络训练时,常出现前景和背景区域相差巨大的情况,造成目标特征学习不足而背景特征学习过度.对此提出一种基于代价敏感学习的目标函数构造方法:借鉴难例挖掘思想,使用表征难易程度的Focal因子对样本训练误差加权处理,有效抑制无效率学习;仿人类视觉系统引入感受野因子,兼顾上下文信息.在医学影像数据集上对方法的有效性和可扩展性进行了测试.结果表明,新方法有助于提升网络对于小目标的检出能力,同时分割结果更贴合目标轮廓.
（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。
目标图像分割论文参考文献
[1].夏冬梅,李静,周亮.基于视觉显着模型和图像分割的文化图像目标检测（英文）[J].机床与液压.2019
[2].叶靖雯,吴晓峰.端到端深度图像分割网络中抑制无效率学习的目标损失函数设计[J].微电子学与计算机.2019
[3].丁春玲.基于多目标决策的图像分割优化算法研究[J].新乡学院学报.2019
[4].赵汝海,王宏亮,朱广.火灾图像分割与目标识别方法研究[J].机械工程师.2019
[5].熊辉,孙书会.基于目标区域约束的人体手臂运动轨迹图像分割[J].沈阳工业大学学报.2019
[6].任佳,张胜男,董超,赵敏钧.基于改进模糊C均值的海面目标图像分割算法[J].计算机工程与科学.2019
[7].赵凤,张咪咪,刘汉强.区域信息驱动的多目标进化半监督模糊聚类图像分割算法[J].电子与信息学报.2019
[8].赵春梅.水下图像分割和目标特征提取及识别技术研究[D].哈尔滨工程大学.2019
[9].林翊钧,吴凤鸽,赵军锁.基于图像分割和密度聚类的遥感动目标分块提取[J].北京航空航天大学学报.2018
[10].赵凤,李超琦.基于多目标区间值模糊聚类的含噪图像分割[J].西安邮电大学学报.2018
论文知识图
