导读:本文包含了数据融合图像融合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,数据,遥感,深度,分解,张量,瓦房店。
数据融合图像融合论文文献综述
陈思楷,周青,周燕翔,宋宏宁,邓倾[1]（2019）在《基于超声-CT图像的心脏影像融合数据处理方法》一文中研究指出目的应用多模态心脏影像融合技术进行动物实验,获取超声-CT心脏影像融合方法和检验指标,并通过临床试验验证其可行性。方法采集6只比格犬心脏CT增强图像和超声心脏瓣膜容积图像,使用Mimics innovationsuite 19.0及3-Matic 11.0软件将各配准点及瓣环平面对齐,将超声心脏瓣膜图像融合至CT心脏腔室上,于融合图像和心脏标本中测量配准指标:二尖瓣前外侧联合点(ALC)、后内侧联合点(PIC)、主动脉瓣闭合口(AVC)到心尖部的最大径(D-ALC、D-PIC、D-AVC)及二尖瓣环平面与主动脉瓣环平面夹角(AMA)。对41例心房颤动患者行CT和经食管超声检查,采用同样方法处理图像,并测量基于CT图像和基于CT-超声融合图像的配准指标。结果动物实验中,超声-CT心脏影像融合成功,融合图像与心脏标本中测量D-ALC、D-PIC、D-AVC和AMA差异均无统计学意义(P均>0.05)。对41例患者均成功完成超声-CT心脏影像融合配准,临床融合组与临床CT组间D-ALC、D-PIC、D-AVC和AMA测量值差异均无统计学意义(P均>0.05)。图像融合后AMA差值在5°以内者占92.68%(38/41),D-ALC、D-PIC、D-AVC差值百分比均在5%以内者占87.80%(36/41)。结论采用以瓣环为解剖定位标志的内部特征法进行心脏CT-超声影像融合可行且准确;AMA和瓣环平面与心尖部距离差值可作为检测配准准确性的指标。(本文来源于《中国医学影像技术》期刊2019年09期）
王烜,王海鹏,王然,吴子杰,高福亮[2]（2019）在《基于GF2号与Landsat8数据融合的遥感图像地质解译——以1∶5万瓦房店市幅为例》一文中研究指出随着遥感卫星的分辨率越来越高,遥感技术在地质填图工作中的应用也愈发广泛,尽管遥感技术在地质学的应用仍有很多不足,但仅仅对于地质填图工作来说,已经可以节约部分野外工作量,通过遥感地质解译可区分岩性差异较大的地质体,并绘制其界线,减少不必要的野外调查,将地质工作者的精力放在更复杂的地学问题上。高分2号卫星属于中高分变率卫星,全色波段0.8 m,其数据质量高、数据获取方便、重访周期短等优点逐渐吸引地质工作者的注意。目前,使用高分2号卫星进行遥感地质解译的文献相对较少,本文具有一定的示范作用。本次以1∶5万标准图幅瓦房店市幅为例,使用GF2号数据与Landsat8数据融合和主成分分析后做假彩色合成影像,解译出地质单元21个,线性断裂构造61条,使用真彩色合成与DEM迭加建立地表叁维模型来确定断裂期次与交切关系,最终将遥感地质解译结果与野外实地调查工作成果相对比,以分析地质解译精度,经测算两者平均吻合率达80%,达到1∶5万区域地质调需要,为瓦房店市幅1∶5万区域地质调查工作提供参考依据,填补瓦房店地区地质单元遥感影像特征的空白。(本文来源于《地质论评》期刊2019年04期）
李岭[3]（2019）在《图像与数据融合的抓取机构控制系统研究》一文中研究指出随着我国智能制造生产的转型升级,智能装配生产线的需求越来越高。大量企业将工业机器人和视觉技术应用于自动化生产线中,完成工件的检测、分拣、搬运等工作。但是,在电视生产装配中还是以人工装配为主。本文将机器视觉应用到智能电视装配生产线中实现自动化检测定位,提高生产效率。首先,根据电视背板的参数和特征,研究设计了单目自适应抓取机器人总体方案。分别对直角坐标机器人、自适应机械手传动结构、伺服驱动系统设计选型,并使用NX Nastran软件对设计加工的自适应机械手结构进行静态有限元分析,通过分析机械手结构的应力、应变云图,得出该设计的自适应机械手结构满足当前实际应用要求。其次,针对电视背板装配工艺流程设计了一套视觉抓取系统,确定工业相机安装位置和定焦拍摄方式,并对机器视觉硬件系统计算选型。接着分析计算相机镜头内外参数进行畸变标定。然后使用Halcon进行背板外观识别与定位分析。先后使用图像增强和误差更小的高斯滤波对背板图像进行平滑处理来消除噪声。紧接着研究Prewitt边缘算子、Sobel边缘算子、Laplace边缘算子和Canny边缘算子提取的背板特征轮廓图像的性能和差异,并分析Canny边缘算法中的高低阈值以得到最佳的边缘轮廓效果图。由电视背板特征把背板图像分为两部分检测,分别根据图像性质和模板匹配的方法进行检测;为了提升系统运行速度,设计一种改进搜索区间的归一化(NCC)的模板匹配算法计算匹配值,从而完成电视背板的外观检测。然后,根据图像处理得到位置信息和背板抓取控制流程,提出了一种图像和位置数据融合的混合视觉伺服控制策略,将图像的二维数据输入控制器改变机械手抓取姿态后,通过机器人控制器中绝对坐标系把图像二维坐标转换成直角坐标机器人叁维坐标,实现机器人自适应抓取过程。并且对直角坐标机器人的Z轴点到点运动做S型曲线规划,对X轴、Y轴折线运动轨迹做叁次B样条曲线平滑处理,来避免运动过程中的冲击现象。最后,搭建自适应抓取实验平台,设计上位机软件并与PLC和工业相机通信。针对图像误差设计了一种基于标准模板中心参数值与增量误差值求差的误差补偿方法提高抓取精度,并基于所设计的自适应抓取机器人实验平台进行综合实验分析。(本文来源于《沈阳工业大学》期刊2019-06-04）
戴耀威,高正创,唐树银,李宍宇,叶继铭[4]（2019）在《基于信息融合的无人驾驶图像数据处理方法》一文中研究指出在无人驾驶领域的研究中,激光雷达和图像识别始终是支撑兵収展的两大热点。本研究利用MobileNet神经网络结合加速器对摄像头图像迚行处理,再针对激光雷达的云点数据采用聚类分析的斱法迚行处理,最终将云点数据与图像数据迚行迭加生成深度信息,完成对障碍物的识别。(本文来源于《网络安全技术与应用》期刊2019年04期）
曹申,杨舟[5]（2018）在《激光点云与图像数据融合技术在逆向造型中的应用》一文中研究指出在逆向造型的过程中,进行数据采集得到的点云文件由于其缺失了表面信息和拓扑关系,在造型中对设计效率造成了一定影响。本文提出了在逆向造型中利用激光采集的点云数据与CCD采集的图像数据进行融合,赋予造型表面信息。通过实验表明,该点云融合算法方能够很好的赋予采集的点云数据其造型模型颜色信息,对物体表面颜色的造型提供了较好的识别性,在逆向造型中为后续材料纹理识别奠定了一定的基础。(本文来源于《数码世界》期刊2018年11期）
许艳,侯振杰,梁久祯,陈宸,贾靓[6]（2018）在《深度图像与骨骼数据的多特征融合人体行为识别》一文中研究指出运动人体的行为分析与识别是智能监控中的关键技术,研究有效的人体行为对智能视频推广与应用具有重要意义.为发挥深度图像与骨骼数据的优越性,将深度特征与骨骼特征结合进行人体行为识别,提出一种基于深度信息和骨骼数据的特征融合的人体行为识别方法.在深度图像方面捕捉行为线索,提取人体行为梯度、轮廓曲率的几何特征;在骨骼数据方面提取运动节点的多种特征,用人体行为轮廓比、角度差和距离差表征行为形态,达到结果只与行为分布有关的目的;运用一种多模型概率投票的识别分类机制,减小噪声对实验结果的影响.实验表明,该方法能够有效识别人体行为.(本文来源于《小型微型计算机系统》期刊2018年08期）
任晓旭,吕良福,崔广泰[7]（2018）在《耦合图像间的数据融合算法》一文中研究指出耦合数据的融合算法主要通过利用其中一个数据集的信息提高对其他耦合数据集的估计精度和完善对相关潜变量的解释。针对现实中存在的大量耦合图像,基于耦合数据融合中的耦合矩阵和张量分解优化(CMTFOPT)算法,提出一种针对耦合图像的耦合图像分解优化(CIF-OPT)算法。相应的理论分析及实验结果表明,不同噪声影响下用CIF-OPT算法进行耦合图像融合后的效果均具有鲁棒性,且融合效果优于其他耦合算法(如:CMTF-OPT算法)。特别地,针对其中缺失数据元素的图像,CIF-OPT算法可以利用与其耦合的图像,对缺失数据元素的图像进行精确的数据恢复。(本文来源于《计算机应用》期刊2018年10期）
丁明月,庄晓东[8]（2018）在《基于数据融合的K均值聚类彩色图像分割方法》一文中研究指出为了实现彩色图像的准确分割,在K均值聚类分割算法的基础上引入数据融合技术,将彩色信息和灰度信息的融合结果作为分割依据。首先完成图像从RGB(red,green,blue)空间到HSV(hue,saturation,value)空间的转换,在HSV空间实现颜色量化并生成彩色直方图,利用直方图阈值技术寻找峰值,进而确定K值的大小,再利用灰度直方图来确定初始聚类中心。在聚类过程中,采用加权融合法对HSV空间的色彩信息和灰度空间的图像信息进行数据融合,得到一个新的融合矢量矩阵,最后利用像素与各质心融合矢量之间的欧氏距离做相似测度完成彩色图像的分割。实验结果表明,该方法与分裂式K均值聚类(fissive K-means,FKM)方法相比,不仅能够实现分割区域数的自适应调整,而且各分割区域间的类间方差较大,分割速度快。该方法能够实现对彩色图像比较准确的分割,具有一定的实用价值。(本文来源于《青岛大学学报(工程技术版)》期刊2018年02期）
马云鹏[9]（2018）在《基于多光谱数据融合的图像显着性检测》一文中研究指出图像显着性检测是计算机视觉中一个重要研究领域,在智能化的时代背景下,提升多媒体大数据信息的处理精度和速率已成为一项严峻挑战。而显着性检测可以从图像中提取最简洁有用的视觉信息,有利于目标的准确定位与内容的快速检索。近年来,随着图像显着性检测技术的迅速发展,虽然有许多显着性检测算法被提出,但针对复杂条件场景下的图像显着性检测仍然还没有完全被解决。针对以上问题,本文分别提出了基于协同图模型和基于多尺度深度网络的多光谱显着性检测算法,以提高复杂场景下视觉显着性检测的精度与鲁棒性。本文的主要工作如下:(1)如何根据多模态图像的特征来建立表示模型去描述超像素的相似性关系,进而实现鲁棒的显着性检测?可见光图像易受光线变化和恶劣环境影响,从而为显着性检测任务带来很大的挑战。针对单光谱成像的局限性,本文融合多光谱图像信息,即可见光和热红外,对超像素进行协同表达,然后提出一种协同图模型优化超像素之间的关系,进而实现鲁棒的图像显着性检测。特别地,为了挖掘超像素之间的内在关系,本文利用低秩和稀疏表示模型来动态的学习超像素块之间的相似性关系。同时,为了利用更多的图像线索,结合超像素位置等特征定义最终的相似性矩阵。然后,使用流形排序算法中得到单个模态下的显着性图像。最后,为了自适应地融合不同的模态信息,为每一个模态引入一个质量权重,通过SVM学习得到,把单模态显着性结果结合各自的质量权重形成最终的图像显着性结果。本文在数据集上进行了实验,验证了提出方法的有效性。(2)如何充分地利用图像不同尺度的深度特征来描述图像局部和全局的对比关系?现有的显着性检测算法大多将显着性检测目标看成一个单独的实体,并仅用全局的信息来表示目标外观,并没有充分考虑到图像的全局到局部的这样一个内在结构关系。对此,本文提出了一种基于多尺度深度网络的多光谱显着性检测方法。首先,对图像划分为叁个尺度并使用叁个CNN网络对每个尺度下的图像区域进行深度特征提取,提取到的特征作为输入输送到由两个全连接层组成的分类网络中并得到显着性图像。为了融合不同模态下的显着性图,我们分别对每个模态下的图片训练出一个SVM分类器,每个模态下的显着性图片输入到SVM分类器里会产生一个权重用来表示当前模态下显着性图片的可靠性。最后通过对权重进行线性加权就能得出结果。(本文来源于《安徽大学》期刊2018-05-01）
王霄衣[10]（2018）在《基于数据融合的遥感图像分辨率增强算法研究》一文中研究指出近年来随着越来越多的遥感卫星发射升空,获取遥感影像的手段也多种多样,如何有效的利用遥感影像的多源性,扬长避短,实现多源数据的优势互补,成为当今科研人员的一个研究热点问题。本文开展了遥感图像融合技术研究,在分析了TM和MODIS数据的各自特点基础上,通过融合高空间分辨率和高时间分辨率的遥感影像,得到高时空分辨率的遥感图像,从而提高农作物动态观测频率,服务现代智能化农业。本文首先对融合高空间分辨率和高时间分辨率的遥感影像的一种典型的时空自适应融合算法(STARFM算法)进行研究,发现STARFM算法存在两个不足之处:一个是融合数据反射率的方向性依赖问题,即BRDF效应问题,另一个是存在混合像元问题。针对此两种不足,本文运用Ross-Li模型对MODIS数据的BRDF效应进行矫正,并通过使用两个周期的数据来计算中心像素的反射率,来提高结果的准确性,从而降低混合像元的影响。实验结果表明改进型STARFM算法能够较好的减弱混合像元以及BRDF效应的影响,较STARFM算法,本文融合方法得到的实验结果的信源熵、相关系数、平均绝对误差、均方误差等指标均有改善。同时,近年来基于神经网络的图像融合算法,特别是基于卷积神经网络的超分辨率(SRCNN)算法的应用范围最为广泛。SRCNN的权值一般使用两种方法进行初始化,即高斯分布以及编码器赋值,这两种算法具有不确定性,对图像的重建精度有所影响,但是粒子群算法具有较好的收敛性,可用来设置较好的网络初始参数,因此本文使用PSO算法来优化卷积神经网络,初始化SRCNN权值,进而达到提高分辨率重建精度的目的。实验结果表明,引入PSO算法后可以提高卷积神经网络的遥感影像分辨率重建精度,融合后图像的信源熵、相关系数、平均绝对误差、均方误差等指标均有改善。(本文来源于《黑龙江大学》期刊2018-03-27）
数据融合图像融合论文开题报告
（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：
随着遥感卫星的分辨率越来越高,遥感技术在地质填图工作中的应用也愈发广泛,尽管遥感技术在地质学的应用仍有很多不足,但仅仅对于地质填图工作来说,已经可以节约部分野外工作量,通过遥感地质解译可区分岩性差异较大的地质体,并绘制其界线,减少不必要的野外调查,将地质工作者的精力放在更复杂的地学问题上。高分2号卫星属于中高分变率卫星,全色波段0.8 m,其数据质量高、数据获取方便、重访周期短等优点逐渐吸引地质工作者的注意。目前,使用高分2号卫星进行遥感地质解译的文献相对较少,本文具有一定的示范作用。本次以1∶5万标准图幅瓦房店市幅为例,使用GF2号数据与Landsat8数据融合和主成分分析后做假彩色合成影像,解译出地质单元21个,线性断裂构造61条,使用真彩色合成与DEM迭加建立地表叁维模型来确定断裂期次与交切关系,最终将遥感地质解译结果与野外实地调查工作成果相对比,以分析地质解译精度,经测算两者平均吻合率达80%,达到1∶5万区域地质调需要,为瓦房店市幅1∶5万区域地质调查工作提供参考依据,填补瓦房店地区地质单元遥感影像特征的空白。
（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。
数据融合图像融合论文参考文献
[1].陈思楷,周青,周燕翔,宋宏宁,邓倾.基于超声-CT图像的心脏影像融合数据处理方法[J].中国医学影像技术.2019
[2].王烜,王海鹏,王然,吴子杰,高福亮.基于GF2号与Landsat8数据融合的遥感图像地质解译——以1∶5万瓦房店市幅为例[J].地质论评.2019
[3].李岭.图像与数据融合的抓取机构控制系统研究[D].沈阳工业大学.2019
[4].戴耀威,高正创,唐树银,李宍宇,叶继铭.基于信息融合的无人驾驶图像数据处理方法[J].网络安全技术与应用.2019
[5].曹申,杨舟.激光点云与图像数据融合技术在逆向造型中的应用[J].数码世界.2018
[6].许艳,侯振杰,梁久祯,陈宸,贾靓.深度图像与骨骼数据的多特征融合人体行为识别[J].小型微型计算机系统.2018
[7].任晓旭,吕良福,崔广泰.耦合图像间的数据融合算法[J].计算机应用.2018
[8].丁明月,庄晓东.基于数据融合的K均值聚类彩色图像分割方法[J].青岛大学学报(工程技术版).2018
[9].马云鹏.基于多光谱数据融合的图像显着性检测[D].安徽大学.2018
[10].王霄衣.基于数据融合的遥感图像分辨率增强算法研究[D].黑龙江大学.2018
论文知识图
