导读:本文包含了区域增长算法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:区域,算法,相位,包裹,疵点,相移,卷积。
区域增长算法论文文献综述
肖顺夫,刘升平,李世娟,杜鸣竹,吕纯阳[1]（2019）在《改进区域增长算法的植株多视图几何重建》一文中研究指出【目的】通过研究3种不同复杂程度植株冠层的叁维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过叁维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和叁维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,叁维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数(R2)均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数(R2)均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株叁维重建,为育种研究获取植株表型提供一定的参考。(本文来源于《中国农业科学》期刊2019年16期）
张睿,严利平,张海燕,冯浩亮,楼盈天[2]（2019）在《基于枝切线和可靠度的区域增长相位解包裹算法》一文中研究指出为了提高相位解包裹精度,提出了一种基于枝切线阻止误差传播和可靠度指引路径的解包裹算法。该算法首先计算像素点是否为残差点,根据残差点生成枝切线;然后计算像素点的可靠度,以两相邻像素可靠度之和作为边的可靠度,并按可靠度大小对边排序;接着从可靠度最大的边开始判断,若边对应的任一点未解包且未解包点不在枝切线上,则对边进行解包操作,若边对应的两点都已解包且不属于同一解包区域,则对解包区域进行归并操作;最后对枝切线解包。仿真和实验结果表明:该算法能有效减少误差传播,提高相位解包裹精度。(本文来源于《浙江理工大学学报(自然科学版)》期刊2019年04期）
王雯,任小玲,陈逍遥[3]（2018）在《一种改进的区域增长彩色3D点云分割算法》一文中研究指出针对目前3D点云分割中广泛应用的区域增长算法,对其进行了改进。首先,对原始3D点云进行了去噪及简化。其次,选取局部邻域内法线间平均夹角最小的点作为种子点,减少了聚类类数,使得分割结果更加稳定。再次,在增长过程中,利用3D点云的彩色信息,将法线夹角和颜色差异小于某设定阈值的点聚为相同的类。最后,优化分割结果,检测过少或过多的聚类点数以避免过分割和欠分割。实验结果表明,和传统算法相比,该方法提高了点云分割速度,解决了点云区域增长不稳定问题,达到了良好的点云分割效果。(本文来源于《国外电子测量技术》期刊2018年11期）
张天骐,张华伟,刘董华,李群[4]（2019）在《基于区域增长校正的频域盲源分离排序算法》一文中研究指出卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。(本文来源于《电子与信息学报》期刊2019年03期）
张培培,王亦红[5]（2017）在《基于薄膜疵点的改进区域增长分割算法研究》一文中研究指出为了提高薄膜疵点图像的分割精度,考虑经典手动区域增长存在门限选择困难、增长精度较低、基于像素的自动增长对噪声灵敏、分割速度缓慢,提出一种基于游程的区域自动增长算法。首先对采集到的薄膜疵点进行改进中值滤波,消除噪声,防止边缘细节的信息丢失,然后用传统增长方法对薄膜图像进行分割,并针对分割方法不足进行相应的改进,最后采用改进增长方法对图像进行处理,使分割出的目标更加完整,并通过实验验证其优越性。(本文来源于《信息技术》期刊2017年08期）
姜媛媛[6]（2017）在《基于超体素区域增长的点云分割算法研究》一文中研究指出点云分割是叁维点云数据处理的关键环节,是叁维重建、场景理解和目标识别的基础步骤。对分割算法进行深入优化设计,提高算法的分割精度和效率,是点云分割领域的重要研究课题。本文在总结点云分割研究现状的前提下,针对现有分割算法存在分割边界粗糙、分割区域不平滑等问题,提出一种基于超体素区域增长的点云分割算法,可以有效避免欠分割和过分割,实现点云数据的精准分割。本文完成的主要工作如下:超体素的过分割处理。对点云数据进行过分割处理,得到依附于物体边界、均匀平滑的超体素。首先,将无组织的点云数据进行体素化,得到具有固定分辨率的体素云。考虑体素空间内的26邻域,通过遍历KD树建立体素数据的邻接关系图。然后,在体素空间内进行网格化处理筛选种子体素,对聚类算法进行初始化。在邻接关系图的基础上,通过考虑空间位置、几何特征和边界信息来计算邻接体素的距离关系。最后,利用流约束的聚类算法,从种子体素开始进行聚类生成超体素,完成体素云的过分割处理。超体素的区域增长融合。对过分割得到的超体素依据区域增长原理进行融合,实现点云数据的分割。首先,对过分割得到的超体素数据进行平面拟合,利用平面拟合的残差值来衡量超体素表面的曲率变化,设置合理的残差阈值筛选种子超体素,使得该分割方法可以在表面光滑但空间不连通的区域或者边界处断开,确保分割区域的空间连通性。其次,在区域融合的过程中,引入点特征直方图来捕获超体素数据的表面几何特征,利用法线方向变化来确保分割区域的光滑性,通过综合考虑几何特征和光滑性约束对超体素进行局部融合,避免过分割和欠分割的问题。最后,通过归一化处理特征向量计算邻接超体素之间的相似性距离,利用区域增长的原理实现超体素数据的局部融合。本文提出的超体素区域增长的点云分割算法,采取“先过分割,再融合”的思想,实现点云数据的精确分割。针对多组不同场景的数据集进行对比实验,本文的算法不仅保持了传统区域增长算法简单、快速的优点,而且降低了噪声和异常值对分割结果的干扰,增强了算法处理复杂场景的稳定性和精确性;在提高分割效率的同时,确保最终的分割结果具有平滑的分割区域和精确的分割边界。(本文来源于《西安电子科技大学》期刊2017-06-01）
代双凤,吕科,翟锐,董继阳[7]（2016）在《基于3D区域增长法和改进的凸包算法相结合的全肺分割方法》一文中研究指出肺实质分割结果的准确性在实际临床应用中具有非常重要的意义。但由于肺结节的位置、大小、形状的不规则性,肺部病变的多样性,以及人体胸部解剖结构的明显差异等,使得各类分割方法不能统一地适用于所有的胸部CT图像,所以对于肺实质分割方法的研究仍具有很大的挑战。该文在国内外研究分析的基础上提出基于3D区域增长法与改进的凸包修补算法相结合的全肺分割方法。在3D区域增长法的粗分割基础上,对分割的结果进行细化工作,通过连通域标记法与形态学方法相结合去除气管和主支气管,得到初步的肺实质掩膜,最后应用改进的凸包算法对肺部轮廓进行修补平滑,最终得到肺部分割结果。通过与凸包算法及滚球法相对比,证明该文所提改进的凸包算法能够有效地修补肺部轮廓凹陷,修补后的结果分割精度较高。(本文来源于《电子与信息学报》期刊2016年09期）
刘颖,张瑞峰,陈相舟,李锵,纪鑫[8]（2016）在《一种新的质量图引导的路径预测区域增长算法》一文中研究指出针对五步相移干涉测量,提出了一种新的质量图用于引导路径预测区域增长算法。首先基于分支设置处理残差点,直至相位图中所有残差点都被平衡。然后将包裹相位图按质量值分割为若干区域,把分支对应的质量值设为最低,按质量值由高到低顺序对每一区域的相位进行路径预测区域增长方式的去包裹,若区域间有交界,则通过调整偏移量的方法进行融合处理。软件仿真和实验验证结果表明,与传统区域增长算法相比,新算法准确度更高,计算速度更快。(本文来源于《光电工程》期刊2016年01期）
李艳波,于翔[9]（2015）在《基于区域增长法的叁维支气管树分割算法》一文中研究指出虚拟内窥镜在胸部疾病诊断方面占据重要的地位,通常支气管树分割方法存在分割结果不准确和分割漏洞问题,因此提出基于区域增长法的支气管树分割算法。首先通过区域增长法进行主干分割,然后对细小分支进行获取,并通过质量评价函数对细小分支进行筛选,删除伪分支。实验结果表明,该支气管树分割法可以简单、有效地提取出完整的肺支气管树,得到包含第5级以上的支气管,解决支气管断裂和分割漏洞现象,具有较好的鲁棒性。(本文来源于《计算机科学》期刊2015年S2期）
王琼[10]（2015）在《基于区域增长的立体匹配算法研究》一文中研究指出眼睛是人类获取外界信息的主要手段。计算机通过模拟人眼系统进行观察、识别、获取叁维场景的信息,并作出相应的分析。计算机视觉能够代替人眼在多种危险场合工作,故对机器视觉的研究具有重要的意义。立体匹配是计算机视觉领域的重点和难点,如何快速地实现高精度的立体匹配是近年来众多学者研究的重点。因基于区域的立体匹配算法具有诸多优势,故本文用其对图像进行相应的立体匹配。论文主要工作如下：1)光照的变化对图像像素的灰度有一定的影响,针对传统Census变换算法因过度依赖中心像素点灰度值导致匹配误差大的问题,本文提出一种改进的高鲁棒性Census变换算法。该算法首先利用变换窗口灰度均值与局部反差值之和代替中心像素点的灰度值进行相应的变换,提高了变换结果的抗噪性和不同子块之间的区分度。然后,采用高斯加权变换窗口提高离中心点近的像素点的权重,有效减小边界不连续区域对匹配的影响。最后,对Middlebury数据库里的图像添加仿真光照,并用其提供的真实匹配值计算本文算法匹配精度。实验结果表明,与传统算法比较,本文算法具有更高的匹配精度,更强的鲁棒性。2)研究了区域增长算法的原理和扩张步骤,针对传统区域增长方法在处理低纹理图像时,因为种子点个数不够,导致无法进行大范围增长的问题,提出一种融合SIFT特征点与轮廓信息的匹配算法。该算法首先进行SIFT特征点匹配以及图像边缘的提取。然后,采用两层匹配法对轮廓点进行匹配：第一步,利用特征点和极线约束等指导轮廓点进行粗匹配；第二步,采用边缘相关性约束,加入特征向量信息实现轮廓点的精匹配。最后,将高精度的轮廓点和SIFT特征点一起作为种子点完成后续区域增长等过程。理论分析与实验表明,与传统区域增长算法相比,本文能够得到更多种子点,匹配范围更广,匹配精度更高。(本文来源于《西南交通大学》期刊2015-05-01）
区域增长算法论文开题报告
（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：
为了提高相位解包裹精度,提出了一种基于枝切线阻止误差传播和可靠度指引路径的解包裹算法。该算法首先计算像素点是否为残差点,根据残差点生成枝切线;然后计算像素点的可靠度,以两相邻像素可靠度之和作为边的可靠度,并按可靠度大小对边排序;接着从可靠度最大的边开始判断,若边对应的任一点未解包且未解包点不在枝切线上,则对边进行解包操作,若边对应的两点都已解包且不属于同一解包区域,则对解包区域进行归并操作;最后对枝切线解包。仿真和实验结果表明:该算法能有效减少误差传播,提高相位解包裹精度。
（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。
区域增长算法论文参考文献
[1].肖顺夫,刘升平,李世娟,杜鸣竹,吕纯阳.改进区域增长算法的植株多视图几何重建[J].中国农业科学.2019
[2].张睿,严利平,张海燕,冯浩亮,楼盈天.基于枝切线和可靠度的区域增长相位解包裹算法[J].浙江理工大学学报(自然科学版).2019
[3].王雯,任小玲,陈逍遥.一种改进的区域增长彩色3D点云分割算法[J].国外电子测量技术.2018
[4].张天骐,张华伟,刘董华,李群.基于区域增长校正的频域盲源分离排序算法[J].电子与信息学报.2019
[5].张培培,王亦红.基于薄膜疵点的改进区域增长分割算法研究[J].信息技术.2017
[6].姜媛媛.基于超体素区域增长的点云分割算法研究[D].西安电子科技大学.2017
[7].代双凤,吕科,翟锐,董继阳.基于3D区域增长法和改进的凸包算法相结合的全肺分割方法[J].电子与信息学报.2016
[8].刘颖,张瑞峰,陈相舟,李锵,纪鑫.一种新的质量图引导的路径预测区域增长算法[J].光电工程.2016
[9].李艳波,于翔.基于区域增长法的叁维支气管树分割算法[J].计算机科学.2015
[10].王琼.基于区域增长的立体匹配算法研究[D].西南交通大学.2015
论文知识图
