导读:本文包含了图像分割运算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,形态学,水线,声纳,算子,微分,代数。
图像分割运算论文文献综述
陶永鹏,刘朝霞,顼聪[1](2018)在《基于GPU运算的脑部核磁共振图像分割算法》一文中研究指出使用脑部核磁共振图像(MRI)检测大脑组织中白质与灰质的变化已经变得积极和富有挑战性。本文提出基于GPU运算的平行模糊C均质聚类算法(FCM),并比较了在不同平台上执行FCM算法的效能。研究结果发现,利用GPU进行MRI图像分割处理时,图像输出相同,同时有效缩短了运行时间,其运算效能比基于CPU的运算效能至少提高7倍;使用单精度浮点运算和传统的Memory-copy数据传输方式就能获得较好的较能和准确率;基于GPU运算的运算平台更具性价比。(本文来源于《电视技术》期刊2018年06期)
徐彬,张梅[2](2015)在《基于相减运算的图像分割方法研究》一文中研究指出图像分割问题是计算机视觉领域中低层次视觉的一个经典难题。文章先简单介绍传统图像分割方法,然后在结合原有方法的基础上,提出一种新的分割方法。通过实验结果,总结新方法与传统方法的特点,提出一种设想与展望。(本文来源于《信息通信》期刊2015年11期)
刘光宇,卞红雨,石红[3](2012)在《结合形态学运算的谱抠图声纳图像分割法》一文中研究指出针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。(本文来源于《吉林大学学报(工学版)》期刊2012年01期)
蒙建军[4](2011)在《基于KFCM和灰度阈值及灰质开运算对医学图像分割的研究》一文中研究指出随着数字图像处理技术的发展和实际应用要求,不要求输出结果是一幅完整图像,而是将图像进行预处理后,然后再经过分割和描述提取有效的特征,进而加以判决分类。在人工智能领域中,计算机视觉关注开发和分析图像内容的算法,在图像分析与处理过程中,图像分割是研究的一个热点和难点问题。虽然图像分割方法很多,但是不存在一种普遍使用的最优方法,有时将多种分割算法有机结合起来,得到更好的分割效果。为了提取磁共振脑图像(MRI)中的脑白质,本文首先利用核模糊C均值聚类算法(KFCM)对类内分布呈团聚状且无干扰信息的第一种MRI脑图像进行分割,通过仿真实验,KFCM算法中的参数m=3时取得较好分割效果,其次讨论了参数m选取过大,会导致分割效果不理想,且m的值过大,利用KFCM算法进行图像分割的时间会越长。其次,由于图像亮度不均或成像个体本身有亮度变化等影响,利用KFCM算法对MRI脑图像分割时,会导致误分,以至于不能很好提取MRI脑图像中的脑白质。于是,本文将KFCM算法、灰度阈值法和灰质开运算叁种算法有效结合起来,首先利用KFCM分割算法提取含有脑白质的某一类别图像,再利用灰度阈值算法选取适当阈值进行分割(根据这一类图像灰度直方图选取阈值),将脑白质周围环绕的伪边缘部分特征去除,再利用数学形态学的灰质开运算做进一步分割,即首先通过腐蚀分割算法去除脑白质周围剩余的伪边缘,小颗粒噪声等,然后膨胀分割算法填充图像被腐蚀过后留下的空洞,分割结果取得较好效果,最后用面积交迭度和误分率两种分割评价算法仿真实验,结果表明,本文设计分割算法达到预期效果。(本文来源于《重庆师范大学》期刊2011-04-01)
倪维平,严卫东,边辉,吴俊政,芦颖[5](2011)在《基于MRF模型和形态学运算的SAR图像分割》一文中研究指出针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法。首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果。实验结果显示,该方法可以较好地实现SAR图像目标区域的分割,且处理效率较高,利于实现SAR图像的快速有效分割。(本文来源于《电光与控制》期刊2011年01期)
韩艳丽,樊利恒,翁璐[6](2010)在《基于形态学运算的星图像分割》一文中研究指出在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声和划痕,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难,甚至使得自动阈值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算,实验证明,通过组合膨胀和腐蚀,可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的自动阈值分割可以得到很好的分割效果。(本文来源于《海军航空工程学院学报》期刊2010年06期)
张梅,文静华,张祖勋,张剑清[7](2010)在《微分运算与形态学深度图像分割比较》一文中研究指出首先研究了深度图像基于微分不变量和形态学边缘检测算子的两种常用分割方法,接着提出了一种改进的形态学水线区域分割方法,并用同一物体的深度图像进行对比分析实验。实验结果表明:改进算法的速度较基于微分不变量的分割方法快,但略慢于基于形态学边缘检测算子的分割方法;改进算法提取的边缘较前两种分割方法光滑,分割结果与人的主观视觉感知具有良好的一致性。(本文来源于《计算机工程与应用》期刊2010年19期)
李刚,黎燕,黄芳[8](2007)在《属性形态运算及其在心脏图像分割中的应用》一文中研究指出图像分割在心室容积计算中起着关键作用,文中提出了基于属性形态运算的分割方法。属性形态开闭运算类似于重建开闭,因为它们都是连通成分的变换。然而,属性形态开闭运算更具普遍性,它们描述更一般化的形状特征并且没有形状改变,它们只测试连通成分是否满足某种递增准则,满足的保留,否则移除。将属性形态运算与梯度算子结合,就构成一种强抗噪性的分割方法。将这些运算应用到有噪声的心脏图像的分割,不仅将噪声去除,而且图像的边缘保留完好,取得满意的效果。(本文来源于《计算机仿真》期刊2007年09期)
赵于前,柳建新,刘剑[9](2007)在《基于形态学重构运算的医学图像分割》一文中研究指出医学图像分割是高层次医学图像理解和解释的前提条件,其目的是通过提取描述对象的特征,把感兴趣对象从周围环境中分离出来。文章在形态学基本运算的基础上,介绍了形态学重构运算和形态学图像分割的基本流程,最后用形态学重构运算对脑部MRI图像进行了分割,实验结果表明,这一方法可成功地将脑髓分割出来。(本文来源于《计算机工程与应用》期刊2007年10期)
图像分割运算论文开题报告
(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:
图像分割问题是计算机视觉领域中低层次视觉的一个经典难题。文章先简单介绍传统图像分割方法,然后在结合原有方法的基础上,提出一种新的分割方法。通过实验结果,总结新方法与传统方法的特点,提出一种设想与展望。
(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。
图像分割运算论文参考文献
[1].陶永鹏,刘朝霞,顼聪.基于GPU运算的脑部核磁共振图像分割算法[J].电视技术.2018
[2].徐彬,张梅.基于相减运算的图像分割方法研究[J].信息通信.2015
[3].刘光宇,卞红雨,石红.结合形态学运算的谱抠图声纳图像分割法[J].吉林大学学报(工学版).2012
[4].蒙建军.基于KFCM和灰度阈值及灰质开运算对医学图像分割的研究[D].重庆师范大学.2011
[5].倪维平,严卫东,边辉,吴俊政,芦颖.基于MRF模型和形态学运算的SAR图像分割[J].电光与控制.2011
[6].韩艳丽,樊利恒,翁璐.基于形态学运算的星图像分割[J].海军航空工程学院学报.2010
[7].张梅,文静华,张祖勋,张剑清.微分运算与形态学深度图像分割比较[J].计算机工程与应用.2010
[8].李刚,黎燕,黄芳.属性形态运算及其在心脏图像分割中的应用[J].计算机仿真.2007
[9].赵于前,柳建新,刘剑.基于形态学重构运算的医学图像分割[J].计算机工程与应用.2007