导读:本文包含了自然图像论文开题报告文献综述、选题提纲参考文献,主要关键词:图像,卷积,特征,稀疏,算法,场景,极值。
自然图像论文文献综述写法
付念[1](2019)在《基于Hadoop技术和稀疏表示模型的自然图像重建算法》一文中研究指出本文提出一种基于分布式存储和计算系统对自然图像进行重建的算法,该算法的主要思想是从分析图像的基本特征开始,对图像块的颜色纹理特征形成一个颜色索引集,对这部分信息进行稀疏重建,通过稀疏矩阵具有低秩性的特点,保持同一类别的结构特性,筛选出最具代表性的特征点来计算和排序这些特征的权重。再通过向量空间计算两点之间的距离来衡量图像之间的相似性,重建后,(本文来源于《电子世界》期刊2019年23期)
黄淑梅[2](2019)在《人教版高中地理教材图像系统研究分析——以“必修第一册”第六章《自然灾害》为例》一文中研究指出《普通高中地理课程标准(2017年版)》颁布后,人民教育出版社对人教版高中地理教材进行了修订,以"必修第一册"新增内容《自然灾害》为例,从图文比例、图像类型、图像大小、图像数据来源,以及与新课标的契合度等方面对其图像系统进行了研究分析,发现其在图文结合的形式下给予了图像足够的空间显示,但在图像大小编排上有所欠缺,与新课标内容要求的契合度还需加强。(本文来源于《中学地理教学参考》期刊2019年23期)
贾玉福,胡胜红,刘文平,王超,向书成[3](2019)在《使用条件生成对抗网络的自然图像增强方法》一文中研究指出自然图像增强是计算机视觉领域中的一个研究热点.针对以往图像增强方法计算过程复杂和参数需手工设置等缺陷,提出一种基于条件生成对抗模型的图像增强(enhancement with conditional generative adversarial networks,E-CGAN)方法.分别构建生成式神经网络和判别式神经网络,其中,生成模型直接对图像进行处理生成最终增强的图片结果,判别模型在训练阶段对生成模型构建对抗型损失函数,优化生成模型的参数.在生成模型的结构中,加入L1距离误差函数作为生成模型的约束,并提出连续多尺度跨层连接方式,加快网络的训练速度,提高生成模型的准确率.在图像清晰度增强,灰度图像着色两个图像增强问题上进行实验,结果表明,E-CGAN可以有效地保留图像特征,PSNR和SSIM质量平均提高9%和5%.(本文来源于《南京师大学报(自然科学版)》期刊2019年03期)
许辰,骆挺,蒋刚毅,郁梅,姜求平[4](2019)在《融合结构与非结构信息的自然图像恰可察觉失真阈值估计》一文中研究指出目的研究表明,图像的恰可察觉失真(JND)阈值主要与视觉系统的亮度适应性、对比度掩模、模块掩模以及图像结构等因素有关。为了更好地研究图像结构对JND阈值的影响,提出一种基于稀疏表示的结构信息和非结构信息分离模型,并应用于自然图像的JND阈值估计,使JND阈值模型与人眼视觉系统具有更好的一致性。方法首先通过K-均值奇异值分解算法(K-SVD)得到过完备视觉字典。然后利用该过完备字典对输入的自然图像进行稀疏表示和重建,得到该图像对应的结构层和非结构层。针对结构层和非结构层,进一步设计基于亮度适应性与对比度掩模的结构层JND估计模型和基于亮度对比度与信息不确定度的非结构层JND估计模型。最后利用一个能够刻画掩模效应的非线性可加模型对以上两个分量的JND估计模型进行融合。结果本文提出的JND估计模型利用稀疏表示将自然图像的结构/非结构信息进行分离,然后采用符合各自分量特点的JND模型进行计算,与视觉感知机理高度一致。实验结果表明,本文JND模型能够有效地预测自然图像的JND阈值,受污染图的峰值信噪比(PSNR)值比其他3个JND对比模型值高出3 5 d B。结论与现有模型相比,该模型与人眼主观视觉感知具有更好的一致性,更能有效地预测自然图像的JND阈值。(本文来源于《中国图象图形学报》期刊2019年09期)
苗燕春[5](2019)在《基于自然场景的图像增强技术应用探究》一文中研究指出图像增强技术在图像处理中占据重要一环,在自然场景中由于天气影像问题导致输出图像模糊不清.基于此,对图像增强的基本方法进行深入剖析,对比了不同图像增强基本方法的优缺点.研究发现,利用小波图像压缩技术对图像进行分频处理,运用灰度变换和直方图均衡化,可以对压缩后损失的部分进行再次增强.(本文来源于《白城师范学院学报》期刊2019年08期)
肖珂,戴舜,何云华,孙利民[6](2019)在《基于城市监控的自然场景图像的中文文本提取方法》一文中研究指出智慧城市的首要任务是城市场景监控及其信息分析,场景图像中文本信息的识别是一种直观且高效的场景信息分析手段,但目前场景图像的中文文本提取由于图像光照和模糊、中文字符结构复杂等因素,未能达到很好的效果.为解决这一问题,提出一种边缘增强的最大稳定极值区域(maximally stable extremal regions, MSER)检测方法,可在光照和模糊影响的条件下提取MSER,通过几何特征约束条件高效地过滤明显的非MSER,得到高质量的候选MSER.之后使用提出的中心聚合方法对分割成多个MSER的候选中文文本域进行中文的聚合,使得候选区域成为单个候选的中文文本分量,再对这些分量进行分析,并运用机器学习选出正确的中文文本.实验结果表明:该算法能够更有效地提取出自然场景图像中的中文文本.(本文来源于《计算机研究与发展》期刊2019年07期)
荆栎菊[7](2019)在《面向自然图像和计算机生成图像鉴别的机器学习算法研究》一文中研究指出随着数字媒体技术快速发展,人们可以利用复杂数学模型生成高度逼真的计算机合成图像,这极大地促进了虚拟现实技术的发展,但同时也带来了数字图像的真实性鉴别等安全问题。如何区分采集自真实场景的自然图像和计算机生成的强真实感虚拟图像是目前数字图像真实性鉴别中的重要课题之一。已有方法中大多采用传感器模式噪声作为图像取证特征,但其中滤波降噪算子和描述模式噪声的纹理特征表达能力不足。本文结合双树复小波(Dual-Tree Complex Wavelet Transform,DT-CWT)与机器学习中的支持向量机(Support Vector Machine,SVM)和深度卷积神经网络(Deep Convolutional Neural Network,DCNN)等理论和方法,提出了一套解决方案。具体研究工作如下:1·提出了一种基于双树复小波域与支持向量机的自然图像和计算机生成图像区分算法。该算法首先利用降噪算子得到图像的传感器模式噪音,并使用奇异值分解(Singular Value Decomposition,SVD)进行增强处理。然后在双树复小波变换基础上,提取每个子带的能量和偏差作为特征。最后利用SVM进行分类。实验结果表明,该方法不但提取的特征维度较低,而且精确度较高。2.提出了一种基于深度卷积神经网络的自然图像和计算机生成图像鉴别算法。在预处理阶段,运用算法1中的降噪算子生成模式噪声图像。在特征提取阶段,利用本文设计的8层深度卷积神经网络对模式噪音图像进行特征提取。最后选用SVM和SoftMax作为分类器。实验结果表明,相比现有文献,本算法具有网络结构简单和训练速度快等优点,且取得较高精确度。3.提出了一种基于迁移学习的自然图像和计算机生成图像识别算法。本算法首先运用1中的降噪算子生成模式噪声图像,然后以微调的方式将AlexNet、VGG16、ResNetl8叁个预训练模型在小规模的图像集上进行参数移植再训练。通过实验验证,利用训练好的深度神经网络进行参数微调后解决本文的图像识别问题,不但能够适应小样本数据的需求,而且可以达到更高的准确率。(本文来源于《西安理工大学》期刊2019-06-30)
周鹏飞[8](2019)在《自然场景图像中的文本检测与识别技术研究》一文中研究指出自然场景图像中的文本含有丰富而准确的高层语义信息,这些语义信息对于盲人障碍导航系统、智能城市交通管理系统、汽车的无人驾驶系统、即时翻译系统都具有指导意义。因此,对自然场景图像中文本进行定位和识别具有极大的研究价值。本文针对自然场景下的文本定位与识别进行了深入研究,具体的工作如下:1.传统MSER算法对光照敏感且在单一的灰度通道上进行文本候选区域提取时会出现文本漏检情况。针对此问题,本文提出了一种基于多通道光照均衡化的MSER算法。首先,分别在R、G、B通道下对图片做光照均衡化处理;然后,在对应通道下用MSER检测算子提取文本字符的MSER区域;最后,合并每个通道的MSER区域作为字符候选区域。经过实验验证,改进后的算法针对光照不均匀或不同复杂背景上的图片,都能检测到相对完整的字符区域,提高了算法的召回率。2.传统MSER算法对于复杂背景的场景文本检测时会出现误检情况。针对此问题,本文提出一种基于多特征融合的伪字符区域过滤算法。首先,对字符候选区域分别提取HOG特征、LBP特征、CNN特征;然后,将这叁种特征进行串形融合;最后,利用SVM训练一个字符判别器来过滤伪字符区域。经实验验证,此算法能剔除掉更多的伪字符区域,提高了算法的准确率。3.滑动卷积字符模型是基于字符分类的识别,只关注字符的深度特征,而忽略了文本行中字符与字符之间的上下文关系,这使得算法的识别精度会大打折扣。针对此问题,本文深入研究了滑动卷积字符模型,在其基础上引入双向LSTM网络来进行场景文本识别。首先,去掉滑动卷积字符模型中的分类层;然后,使用CNN滑动窗口来提取输入图像的序列特征,将输出的序列特征输入到设计好双向LSTM网络中提取每个字符的上下文特征;最后,用CTC转录机制将LSTM的输出预测转录为实际的字符串。通过与其它算法对比,本文算法在识别精度上有显着的提升。(本文来源于《西安理工大学》期刊2019-06-30)
李东勤,徐勇,周万怀[9](2019)在《自然场景图像中的文本检测及定位算法研究——基于边缘信息与笔画特征》一文中研究指出鉴于自然场景图像中的文本具有较强的边缘信息,而汉字大多包含横竖笔画,提出了基于边缘信息与笔画特征的文本检测及定位方法。通过提取自然场景图像的边缘特征,运用数学形态学方法实现对断裂笔画的有效连接,从而形成候选文本区域;再利用文本的笔画特征,实现文本与背景的分离;最后通过自定义规则,将相邻的候选文本块进行合并,同时去除不符合条件的候选文本块。测试结果显示,该方法的查全率为90.4%,误检率为15.6%。(本文来源于《重庆科技学院学报(自然科学版)》期刊2019年03期)
李策,贾盛泽,曲延云[10](2019)在《一种自然场景图像的目标材质视觉特征映射算法》一文中研究指出针对自然场景图像目标材质视觉特征映射中,尚存在特征提取困难、图像无对应标签等问题,本文提出了一种自然场景图像的目标材质视觉特征映射算法.首先,从图像中获取能表征材质视觉重要特征的反射层图像;然后,对获取的反射层图像进行前景、背景分割,得到目标图像;最后,利用循环生成对抗网络对材质视觉特征进行无监督学习,获得对图像目标材质视觉特征空间的高阶表达,实现了目标材质视觉特征的映射.实验结果表明,所提算法能够有效地获取自然场景图像目标的材质视觉特征,并进行材质视觉特征映射;与同类算法相比,具有更好的主、客观效果.(本文来源于《自动化学报》期刊2019年06期)
自然图像论文开题报告范文
(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:
《普通高中地理课程标准(2017年版)》颁布后,人民教育出版社对人教版高中地理教材进行了修订,以"必修第一册"新增内容《自然灾害》为例,从图文比例、图像类型、图像大小、图像数据来源,以及与新课标的契合度等方面对其图像系统进行了研究分析,发现其在图文结合的形式下给予了图像足够的空间显示,但在图像大小编排上有所欠缺,与新课标内容要求的契合度还需加强。
(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。
自然图像论文参考文献
[1].付念.基于Hadoop技术和稀疏表示模型的自然图像重建算法[J].电子世界.2019
[2].黄淑梅.人教版高中地理教材图像系统研究分析——以“必修第一册”第六章《自然灾害》为例[J].中学地理教学参考.2019
[3].贾玉福,胡胜红,刘文平,王超,向书成.使用条件生成对抗网络的自然图像增强方法[J].南京师大学报(自然科学版).2019
[4].许辰,骆挺,蒋刚毅,郁梅,姜求平.融合结构与非结构信息的自然图像恰可察觉失真阈值估计[J].中国图象图形学报.2019
[5].苗燕春.基于自然场景的图像增强技术应用探究[J].白城师范学院学报.2019
[6].肖珂,戴舜,何云华,孙利民.基于城市监控的自然场景图像的中文文本提取方法[J].计算机研究与发展.2019
[7].荆栎菊.面向自然图像和计算机生成图像鉴别的机器学习算法研究[D].西安理工大学.2019
[8].周鹏飞.自然场景图像中的文本检测与识别技术研究[D].西安理工大学.2019
[9].李东勤,徐勇,周万怀.自然场景图像中的文本检测及定位算法研究——基于边缘信息与笔画特征[J].重庆科技学院学报(自然科学版).2019
[10].李策,贾盛泽,曲延云.一种自然场景图像的目标材质视觉特征映射算法[J].自动化学报.2019