导读:本文包含了图像解码论文开题报告文献综述、选题提纲参考文献，主要关键词:卷积,图像,光谱,神经网络,深度,神经,编解码。
图像解码论文文献综述写法
蓝丽金,江勇捷[1]（2019）在《基于S3C6410的JPEG图像编码与解码的研究与实现》一文中研究指出为了提高图片的传输速度和质量,需对图片信息先压缩后传输,从而数据的储存减少,传输速度提高,传输时间缩短,传输质量大大提高。本文采用ARM作为主控芯片充分利用了它的硬件资源和软件资源,实现图像对图像的编码和解码过程。本研究根据要求设计了一套实验样机,最后的测试结果表明,该方案设计基本合理,具有一定的可行性。实验调试效果不错,基本能满足设计要求,且经过处理过后的图像能清晰的显示。(本文来源于《数字技术与应用》期刊2019年10期）
朱蘅初[2]（2019）在《图像艺术中的情绪解码——绘本治疗在听障儿童情绪智力干预中的实践研究》一文中研究指出绘本治疗作为艺术治疗的一个分支,包含图像、叙事、神经、心理等多个方面,具有较强的应用价值和推广性。以听障儿童为个案对象,从绘本治疗的多元模式取向出发,通过图像艺术的具体实践,能够更好地探讨绘本治疗中艺术活动对听障儿童情绪智力的干预方式、原理及效果。(本文来源于《美与时代(上)》期刊2019年10期）
袁宗文,陈初侠[3]（2019）在《一种可控分形图像解码速度的算法》一文中研究指出尽管更快的图像解码方法应用更为广泛,但在某些特殊的应用场合,需要渐进可控的图像解码方法.在保证最终解码图像不变的前提下,将传统压缩映射的固定参数改为可变参数,通过调节这些参数实现解码过程渐进可控.实验结果表明,传统分形解码约迭代8次即已收敛,提出的算法可实现迭代8到36次解码收敛,实现了解码过程灵活可控,而且该算法可更多地展现解码图像序列的生成过程.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年09期）
章云港,杨剑锋,易本顺[4]（2019）在《低剂量CT图像去噪的改进型残差编解码网络》一文中研究指出针对低剂量CT图像中存在复杂噪声与伪影的问题,提出了一种用于低剂量CT图像去噪的改进型残差编解码网络.原始的残差编解码网络由一系列卷积层与反卷积层组成,且通过短连接结构学习残差.改进措施主要包括3个方面:首先,引入了批量归一化提高网络的去噪效果;其次,使用空洞卷积替换普通卷积,从而有效减少了网络中参数的数量;最后,对网络隐层中的特征图数量进行了调整,进一步优化了网络性能与复杂度.实验结果表明:改进后的网络复杂度降低,去噪效果得到提升.(本文来源于《上海交通大学学报》期刊2019年08期）
贾瑞明,刘立强,刘圣杰,崔家礼[5]（2019）在《基于编解码卷积神经网络的单张图像深度估计》一文中研究指出针对传统方法在单目视觉图像深度估计时存在鲁棒性差、精度低等问题,提出一种基于卷积神经网络(CNN)的单张图像深度估计方法。首先,提出层级融合编码器-解码器网络,该网络是对端到端的编码器-解码器网络结构的一种改进。编码器端引入层级融合模块,并通过对多层级特征进行融合,提升网络对多尺度信息的利用率。其次,提出多感受野残差模块,其作为解码器的主要组成部分,负责从高级语义信息中估计深度信息。同时,多感受野残差模块可灵活地调整网络感受野大小,提高网络对多尺度特征的提取能力。在NYUDv2数据集上完成网络模型有效性验证。实验结果表明,与多尺度卷积神经网络相比,该方法在精度δ<1.25上提高约4.4%,在平均相对误差指标上降低约8.2%。证明其在单张图像深度估计的可行性。(本文来源于《图学学报》期刊2019年04期）
熊锐,张雷洪,蒋周杰,王建强,覃榜道[6]（2019）在《基于编码-解码对称神经网络的高分辨率图像重构机理研究》一文中研究指出针对目前许多图像重构算法存在重构出来的图像不清晰、分辨率低等问题,提出了一种基于编码-解码对称神经网络的高分辨率图像重构算法。首先将图像进行压缩获取低分辨率图像,然后将低分辨率图像作为输入图像经过编码-解码对称神经网络,并利用其中的卷积神经网络进行编码得到特征图像,最后再利用反卷积神经网络进行解码实现图像的细节恢复。实验结果表明,经过基于编码-解码对称神经网络重构出来的图像比之前的低分辨率图像更加清晰,图像的分辨率得到了提高。(本文来源于《光学仪器》期刊2019年04期）
梁玮,郝雯,李秀秀,王映辉,杨秀红[7]（2019）在《兼顾色度和光谱精度的多光谱图像LabW2P编解码》一文中研究指出针对可见光多光谱图像在通用领域的应用,为提高压缩效率,有效提升重建光谱曲线的色度及光谱精度,进一步存储传输,提出了一种非线性光谱反射率模型,并基于此设计了复杂度适中、光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。首先根据多光谱图像物理特性,提出非线性光谱反射率模型,将光谱数据表示为线性成分和差别光谱,线性成分由六维变换空间及光谱投影系数组成,差别成分为非线性表示成分,该模型用于光谱数据至不同基变换空间的分解及表示,为算法的构建,光谱及色度重建性能的提升,提供了理论基础;然后,根据人眼视觉系统特征、光照条件,借助CIE标准色度空间转换函数,提取光谱反射率中的叁维色度信息Lab,保证重建图像的色度精确性;基于光谱非线性表示模型,采用类视觉曲线的叁角函数基,提取线性成分前两维投影系数作为光谱编码的后两维W_1和W_2,用于近似描述CIERGB色度空间中R和G通道,同时有效提高光谱数据的色度和光谱还原度;利用误差补偿机制生成预测差别光谱,采用主成分分析(PCA)法提取其第一维主成分作为编码值P,补偿了线性光谱重建误差,并进一步提升了光谱精确性;最后,组合提取的叁部分数据,形成LabW2P编码。LabW2P解码即编码的逆过程。首先,根据Lab及W_1和W_2,结合CIELAB至CIEXYZ色度空间转换函数、光照条件、 CIE标准观察者色匹配函数、及叁角函数基,采用最小二乘回归,获得变换空间上的重建投影系数,进而重建线性光谱数据;然后,根据P值,采用PCA逆变换,获取重建预测差别数据,最后,结合两部分重建数据,获得光谱重建图像。实验分析显示, LabW2P算法的平均色度精度为0.207 6,较经典的PCA, LabPQR和LabRGB法分别提升了81.54%, 55.48%, 32.29%,最大平均色差为0.507 0,此外均处于0～0.5之间,达到了视觉难以辨认的可忽略色差的色彩重建水平;平均光谱精度为0.012 7,较PCA性能稍弱,较LabPQR和LabRGB法分别提升了13.01%, 6.62%,表明LabW2P编码法的色度和光谱重建性能优势明显。此外该算法可直接用于物体色估计,较PCA和LabPQR法,传输附加信息少,可达压缩比更高。(本文来源于《光谱学与光谱分析》期刊2019年06期）
陆默,安伯·丹斯[8]（2019）在《人工智能用图像和生物组学解码癌症》一文中研究指出机器学习可以对癌症照片、肿瘤病理切片和基因组进行分析。如今,科学家正准备将这些信息整合到癌症超级模型中。每个癌症患者都在思考的一个问题是:我还能活多久?基因组学家迈克尔·斯奈德(Michael Snyder)希望他能找到答案。目前,所有医生能做的就是将患有类似癌症的患者分组,然后对他们和其他组患者的相同药物反应或预后进行评估,但目前的分组方法粗略而不完善,而且往往都只是基于人工收集的数据。(本文来源于《世界科学》期刊2019年06期）
汪洲[9]（2019）在《改进的JPEG图像二维DCT编解码技术研究》一文中研究指出JPEG是网络中最常见的图像存储格式,因其高压缩比而被广泛应用于互联网中,其标准的核心为DCT算法,将图像分块为不重迭的8×8模块进行单独处理,因此会在模块边界产生伪影即块效应。改进的离散余弦变换(MDCT)在信号处理领域起着重要作用,相比于DCT算法,MDCT虽然算法复杂度更高,但由于其重迭变换的性质,在信号处理领域能获得更好的效果。为了解决JPEG图像的边界效应,本文采用二维MDCT算法替代JPEG标准中的DCT算法,并在此基础上改进JPEG的压缩编码过程。主要研究内容如下:(1)分析JPEG图像压缩标准及其流程,剖析其核心的量化与熵编码过程。对JPEG标准的图像压缩过程进行详细分解,对其霍夫曼编码步骤进行实验性测试说明,同时用实验来测试JPEG标准的压缩性能,讨论JPEG标准的局限性。(2)分析DCT算法和MDCT算法的特点,提出新的MDCT快速算法。由于MDCT算法与DCT算法不同的重迭性质,使得其计算复杂度更高并且软硬件的实现更困难,因此提出了两种MDCT快速算法以减少计算复杂度并提高软硬件实现可能性,即基于2×2的MDCT快速算法和MDCT转换为DCT-Ⅱ的间接算法,并对两种算法与传统DCT行列式算法进行复杂度的对比,对比结果:两种改进的MDCT快速算法复杂度均低于传统的行列式算法,并且MDCT转换为DCT-Ⅱ的间接算法复杂度是最低的。(3)MDCT算法由于重迭的性质其输出只有输入的1/4大小,因此改进JPEG标准的量化过程并设计新的量化表,提出改进的JPEG图像压缩、重构方法。通过矩阵运算进行理论分析,采用两类实验测试重构方法与效果:一类是选取不同分辨率的灰度图像分别使用DCT和MDCT算法进行JPEG标准下的图像压缩重构实验,对压缩重构的图像峰值信噪比和程序运行时间进行对比;其二是使用不同类型的灰度与彩色图像分别进行两种压缩重建实验比较压缩重构效果。两种实验结果表明:随着图像分辨率的提升,MDCT代替DCT算法带来的时间成本提升在增大但峰值信噪比提升变化不大;图像内容越复杂、细节越多,无论彩色或者灰度图像,使用MDCT算法代替DCT算法带来的峰值信噪比提升更高。本文通过对JPEG标准的分析得知DCT算法带来的块效应成为了JPEG发展的限制,而采用MDCT算法代替DCT算法需要对标准中量化、图像重建过程做出相应改进,同时必须使用快速算法代替行列式算法以降低时间成本,对改进的标准进行理论分析并用实验验证。结果表明:MDCT算法替代JPEG标准中的DCT算法后,图像的分辨率越高,算法的时间成本提升越高,但压缩重建图像的峰值信噪比提升幅度基本不变;图像内容越复杂、细节越多的图像得到的压缩重建效果提升更高。(本文来源于《江西理工大学》期刊2019-05-01）
徐海月,姚乃明,彭晓兰,陈辉,王宏安[10]（2019）在《基于编解码网络的多姿态人脸图像正面化方法》一文中研究指出多姿态人脸图像正面化可以缓解头部姿态变化对人脸分析任务的影响.以往直接从多姿态人脸图像合成正面人脸图像的方法存在细节特征缺失的问题.针对这一问题,本文提出一种基于编解码网络的多姿态人脸图像正面化方法——多任务卷积编解码网络(MCEDN).该方法引入正面基础特征网络合成正面人脸基础特征,并在此基础上融合编码网络提取的多姿态人脸局部特征进行细节补偿,最终合成更加清晰的正面人脸图像.利用多任务学习机制建立端到端模型,统一局部特征提取、正面基础特征解析、正面图像合成3个模块,通过共享参数提升整个模型的效果.与已有方法对比, MCEDN在多个数据集上都可以合成结构稳定、细节清晰的正面人脸图像.我们直接使用合成的正面人脸图像进行人脸识别和表情识别,识别准确率达到先进水平,这表明MCEDN可以有效保留人脸细节特征,支持人脸分析任务.(本文来源于《中国科学:信息科学》期刊2019年04期）
图像解码论文开题报告范文
（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：
绘本治疗作为艺术治疗的一个分支,包含图像、叙事、神经、心理等多个方面,具有较强的应用价值和推广性。以听障儿童为个案对象,从绘本治疗的多元模式取向出发,通过图像艺术的具体实践,能够更好地探讨绘本治疗中艺术活动对听障儿童情绪智力的干预方式、原理及效果。
（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。
图像解码论文参考文献
[1].蓝丽金,江勇捷.基于S3C6410的JPEG图像编码与解码的研究与实现[J].数字技术与应用.2019
[2].朱蘅初.图像艺术中的情绪解码——绘本治疗在听障儿童情绪智力干预中的实践研究[J].美与时代(上).2019
[3].袁宗文,陈初侠.一种可控分形图像解码速度的算法[J].赤峰学院学报(自然科学版).2019
[4].章云港,杨剑锋,易本顺.低剂量CT图像去噪的改进型残差编解码网络[J].上海交通大学学报.2019
[5].贾瑞明,刘立强,刘圣杰,崔家礼.基于编解码卷积神经网络的单张图像深度估计[J].图学学报.2019
[6].熊锐,张雷洪,蒋周杰,王建强,覃榜道.基于编码-解码对称神经网络的高分辨率图像重构机理研究[J].光学仪器.2019
[7].梁玮,郝雯,李秀秀,王映辉,杨秀红.兼顾色度和光谱精度的多光谱图像LabW2P编解码[J].光谱学与光谱分析.2019
[8].陆默,安伯·丹斯.人工智能用图像和生物组学解码癌症[J].世界科学.2019
[9].汪洲.改进的JPEG图像二维DCT编解码技术研究[D].江西理工大学.2019
[10].徐海月,姚乃明,彭晓兰,陈辉,王宏安.基于编解码网络的多姿态人脸图像正面化方法[J].中国科学:信息科学.2019