导读:本文包含了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,均值,局部,光谱,算法,自适应,邻域。
图像分割论文文献综述
丁陈梅,王涛,孙权森[1]（2019）在《基于多尺度超像素和图割的交互式图像分割算法》一文中研究指出传统图割算法一般基于图像的局部关系构建分割模型,由于缺乏图像的结构层信息,导致它们较难分割包含噪声和纹理的图像。针对上述问题,论文提出一种基于多尺度超像素和图割的交互式图像分割算法。首先利用线性迭代聚类算法对图像进行多尺度预分割,用获取到的超像素代替像素构建加权图。然后通过融合多尺度超像素信息,基于小尺度超像素的局部近邻性约束克服过分割,基于大尺度超像素的长范围连通性约束克服欠分割,来进一步提高图像分割质量。最后通过实验验证了该算法的有效性。(本文来源于《计算机与数字工程》期刊2019年12期）
庞明明,安建成[2]（2019）在《融合模糊LBP和Canny边缘的图像分割》一文中研究指出现有Canny算法获取图像目标区域边缘时断裂过多,因此提出一种融合模糊局部二值模式的Canny边缘检测算法(fuzzy local binary pattern-Canny,FLBP-Canny)。为加强局部结构信息,将模糊数学和局部二值模式相融合,结合Canny算子提取目标轮廓。实验结果表明,FLBP-Canny算法对区域轮廓有较好检测率。(本文来源于《计算机工程与设计》期刊2019年12期）
金丽丽[3]（2019）在《探究基于动态阈值图像分割法的人脸识别技术研究》一文中研究指出本文以探究基于动态阈值图像分割法的人脸识别技术研究为主要内容进行阐述,提出一种动态阀值图像分割人脸识别对策,将图像分割之中存在的Fisher准则使用其中,在使用此种函数类间均值进行分析,对方差进行合理计算,从而可以自动化获取各种图像,通过分析后可以形成最佳分类阀值,在结合动态阀值对人脸肤色进行分割,进而使用解码器对其进行二值化处理,在使用图像有效分离。最终可以明确人脸肤色的基本位置和区域,结合肤色分割基本性能,基于负载基础上对肤色进行精准化分割,提升人脸检测人工作速度和精准度。(本文来源于《计算机产品与流通》期刊2019年12期）
陈兴志,乐文涛,王代文,黄飞翔,刘乃瑶[4]（2019）在《基于PSO-KMeans算法的MATLAB(GUI)图像分割系统平台开发应用》一文中研究指出针对GUI设计开发系统在图像处理领域中的领域问题,本文以PSO-Kmeans组合算法为理论基础,通过GUI控件的布局设计及回调函数程序的编写,开发了一套基于PSO—KMeans算法的MATLAB(GUI)图像分割系统平台开发应用,实现了对图像的分割结果、参数输出、数据可视化,解决了图像分割过程中实现复杂的问题。同时,选取在图像分割应用中的示例图片对图像进行分割测试。结果表示,图像分割系统界面友好,操作简单,准确实现了图像的分割,并得到分割的相关数据。该研究提高了图像分割的简单性以及可视化性。(本文来源于《国外测井技术》期刊2019年06期）
焦姣,吴玲达,王朴军[5]（2019）在《结合空间-光谱调制及图像分割的多光谱图像融合方法》一文中研究指出为了进一步提高多光谱(MS)图像与全色(PAN)图像之间的融合质量,平衡空间细节的注入与光谱信息的保持,提出了一种基于局部自适应空间-光谱调制与图像协同分割的融合方法.该方法利用k-means算法、根据MS图像的光谱特性进行图像分割,得到不同的连通体组,进而基于局部连通体组构建了局部自适应光谱调制(LASpeM)系数和局部自适应空间调制(LASpaM)系数,分别对融合图像中的光谱与空间信息进行调制;其中,LASpeM系数的构建基于MS和PAN图像中的细节提取以及MS波段之间的光谱关系, LASpaM系数的构建则基于MS和低分辨率PAN图像之间光谱特性的局部差异及相关性.另外,引入融合与分割的协同思想,利用图像分割来优化融合结果,并根据融合结果的反馈信息对分割算法的参数进行调整.在Matlab环境下,采用2个卫星GeoEye-1和QuickBird数据集进行融合实验,结果表明,文中方法在主观视觉与客观评价指标方面总体上优于7种经典及流行的融合方法,能够平衡融合图像的空间信息注入和光谱信息保持,有效地减少光谱扭曲.(本文来源于《计算机辅助设计与图形学学报》期刊2019年12期）
杨丽艳,赵玉娥,黄亮[6]（2019）在《结合SLIC和模糊聚类的遥感图像分割方法》一文中研究指出超像素分割是目前用于遥感影像分割的研究热点,但它易产生过度分割的问题。为解决过度分割问题,提出一种简单线性迭代聚类(SLIC)结合快速FCM聚类算法(Fast fuzzy C-means,FFCM)的遥感图像分割方法。该方法首先用SLIC算法对初始影像进行预分割;然后使用FFCM对获取的超像素进行合并。本文将分形网络演化方法(FNEA)作为对比实验方法。实验结果表明,本文提出方法的分割结果与实际地物的相似度更高,抗噪性更好。提出分割方法的精度较FNEA算法相比均有所提高。研究成果可为遥感影像分割提供有效借鉴。(本文来源于《软件》期刊2019年12期）
杨玉娥,马志雯,刘娟[7]（2019）在《基于形态学的医学图像分割方法研究》一文中研究指出医学细胞图像分割增强算法是医学细胞图像分析中的重要内容,首先对图像进行增强、平滑及降噪预处理,最终应用分割算法对细胞图像进行分割。本文中提出应用空间域法对医学细胞图像进行信息增强,通过高斯平滑滤波与降噪处理,得到增强细胞特征的图像。在图像分割步骤中,本文运用基于形态学与梯度计算的分水岭算法对医学细胞图像目标进行分割,得到医学细胞目标边缘。通过实验并与Canny算子进行比较,验证了本文算法的有效性。(本文来源于《中阿科技论坛(中英阿文)》期刊2019年04期）
胡雅婷,李长明,柳振鑫,任虹宾,陈营华[8]（2019）在《一种鲁棒的无监督聚类图像分割算法》一文中研究指出针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题,提出一种基于无监督可能性聚类的自动加权图像分割算法.该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心,利用可能性聚类的模式搜索性质自动确定聚类划分;然后根据像素间灰度值关系进行图像加权,通过将加权系数与像素噪声的可能性相关联,降低噪声对图像分割的影响.实验结果表明,相对于基于模糊C-均值聚类的图像分割算法,该算法不仅取得了较好的分割效果,而且无监督分割时计算效率更高,对噪声的鲁棒性更强.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
徐航,随力,张靖雯,赵彦富,李月如[9]（2019）在《卷积神经网络在医学图像分割中的研究进展》一文中研究指出卷积神经网络(CNN)是目前计算机视觉和模式识别中效果最为突出的算法。CNN拥有强大的空间识别能力,可以从图像中提取高阶的空间特征,同时通过共用卷积核的方式大幅减少参数量,从而在提升网络性能的同时保持总参数量在一个合理的、可运算的范畴。部分采用无监督学习的CNN算法可以在没有先验知识的条件下实现一定程度的图像语义分割,大幅减少人工读图的负担。本研究就CNN在医学图像分割中的研究进展和使用CNN时的具体技巧及其效果进行综述。以使用CNN为核心的深度学习工具解决医学图像分割的课题为中心,展示了CNN在有监督学习、半监督学习及无监督学习中的巨大潜力,分析比较了现有方案的优点与不足,探讨了未来CNN在医学图像领域的前进方向。(本文来源于《中国医学物理学杂志》期刊2019年11期）
张晓磊,潘卫军,陈佳炀,张智巍,王思禹[10]（2019）在《基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法》一文中研究指出作为图像数据结构分割的重要工具,模糊C均值已被广泛应用于计算机视觉领域;然而模糊C均值在图像分割过程中不能有效地保留边缘和抑制噪声,往往得不到理想的分割结果;为解决这一问题,文章利用导向滤波器推导出一种新的改进模糊C均值算法;该算法的第一个创新点是其线性平移不变滤波过程,利用边缘保持平滑特性来保留分割中的边缘结构;第二个创新点是该技术通过将空间信息引入目标函数来改善对噪声的鲁棒性,空间信息通过导向滤波的平均输出获得;为了解决聚类算法中初始聚类中心问题,在图像分割过程中使用均值漂移算法选取初始聚类中心;文章方法的主要优点在于其对边缘保留和噪声具有鲁棒性,进而提高分割精度;基于合成图像和真实遥感图像的实验结果表明,与其他主流分割算法相比,该方法在分割性能方面表现出了良好的性能。(本文来源于《计算机测量与控制》期刊2019年11期）
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：
现有Canny算法获取图像目标区域边缘时断裂过多,因此提出一种融合模糊局部二值模式的Canny边缘检测算法(fuzzy local binary pattern-Canny,FLBP-Canny)。为加强局部结构信息,将模糊数学和局部二值模式相融合,结合Canny算子提取目标轮廓。实验结果表明,FLBP-Canny算法对区域轮廓有较好检测率。
（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。
图像分割论文参考文献
[1].丁陈梅,王涛,孙权森.基于多尺度超像素和图割的交互式图像分割算法[J].计算机与数字工程.2019
[2].庞明明,安建成.融合模糊LBP和Canny边缘的图像分割[J].计算机工程与设计.2019
[3].金丽丽.探究基于动态阈值图像分割法的人脸识别技术研究[J].计算机产品与流通.2019
[4].陈兴志,乐文涛,王代文,黄飞翔,刘乃瑶.基于PSO-KMeans算法的MATLAB(GUI)图像分割系统平台开发应用[J].国外测井技术.2019
[5].焦姣,吴玲达,王朴军.结合空间-光谱调制及图像分割的多光谱图像融合方法[J].计算机辅助设计与图形学学报.2019
[6].杨丽艳,赵玉娥,黄亮.结合SLIC和模糊聚类的遥感图像分割方法[J].软件.2019
[7].杨玉娥,马志雯,刘娟.基于形态学的医学图像分割方法研究[J].中阿科技论坛(中英阿文).2019
[8].胡雅婷,李长明,柳振鑫,任虹宾,陈营华.一种鲁棒的无监督聚类图像分割算法[J].吉林大学学报(理学版).2019
[9].徐航,随力,张靖雯,赵彦富,李月如.卷积神经网络在医学图像分割中的研究进展[J].中国医学物理学杂志.2019
[10].张晓磊,潘卫军,陈佳炀,张智巍,王思禹.基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法[J].计算机测量与控制.2019
论文知识图
