导读:本文包含了轮廓图像论文开题报告文献综述及选题提纲参考文献，主要关键词:最大类间,方差法,激光图像,轮廓检测
轮廓图像论文文献综述
丁冬艳,涂宏庆[1]（2019）在《最大类间方差法的激光图像轮廓检测》一文中研究指出采用主动轮廓模型轮廓提取方法检测激光图像轮廓时,针对图像目标和背景间的过渡地带的分割误差高,未能检测图像目标的细节轮廓,检测准确性大大降低。为了提高激光图像轮廓检测效果,提出基于最大类间方差法的激光图像轮廓检测方法,用二维灰度直方图的形式描述激光图像,采用最大类间方差法分割激光图像,获取激光图像目标的最优阈值,将最优阈值作为激光图像目标的初次边缘,对该边缘能量进行最小化处理,直至获取边缘能量最小值,具有能量最小值的边缘即为激光图像目标的最终轮廓。实验结果表明,所提方法可有效检测不同类型的激光图像轮廓,且真阳性率高达90. 12%,假阳性率仅有0. 22%,具有较高的检测准确性。(本文来源于《激光杂志》期刊2019年10期）
李平[2]（2019）在《船舶轮廓图像叁维重构技术研究》一文中研究指出传统叁维造型技术所得的叁维坐标精准度差,为了解决这个问题,提出一种新的船舶轮廓图像叁维重构技术。先提取船舶轮廓线,在处理船舶轮廓图像数据,以实现重构的完整性,在此基础上,采用零均值归一化算法,匹配船舶轮廓图像特征点,在建立粗匹配关系后,获取船舶轮廓叁维点坐标,实现船舶轮廓图像叁维重构,由此,完成船舶轮廓图像叁维重构技术的设计。最后,在数据库中随机选取7组立体匹配对应图像点,对比2种方法的精准度,实验结果表明,所提方法精准度更高。(本文来源于《舰船科学技术》期刊2019年20期）
王珊,高珊珊,郭宁宁,张彩明[3]（2019）在《多层次轮廓约束的图像放大算法》一文中研究指出为解决图像放大过程中有效地保证边缘锐化的图像插值难题,提出多层次轮廓约束的图像放大算法.首先利用检测算子对图像进行预处理,将图像分为边缘区域、平坦区域;其次,针对图像边缘区域进行自适应梯度扩散获取适当的边缘轮廓层作为图像放大约束;最后对轮廓层直接进行曲线插值重采样,不额外增加边缘层数,以保证放大后的图像在视觉上的边缘清晰.对于非轮廓层的平坦区域,构建双叁次Coons插值曲面并进行重采样,保持了平坦区域的平滑性.测试图像为自然图像和医学图像,自然图像的来源是set5和set14测试集,实验对比方法主要从客观效果、视觉效果、时间复杂度3个方面进行比较.实验结果表明,采用该算法得到的放大图像不仅可以保持轮廓清晰,且PSNR及SSIM指标超过了大多数经典的插值算法以及目前流行的基于机器学习的算法.(本文来源于《计算机辅助设计与图形学学报》期刊2019年10期）
汪毅,刘珊珊,张玮茜,蔡怀宇,陈晓冬[4]（2019）在《扫频光学相干层析角膜图像轮廓自动提取算法》一文中研究指出在扫频光学相干层析系统中,远心扫描模式造成角膜图像中存在伪影、部分结构缺失及低信噪比区域,影响了角膜轮廓提取的精度.针对该问题,本文提出了一种针对低质量角膜图像的轮廓自动提取算法.该算法首先依据图像标准差分布将图像划分为高、低信噪比区域;针对高信噪比区域,通过峰值点定位法获取角膜轮廓;针对低信噪比区域,通过连续帧图像间配准迭加实现图像增强,为低信噪比区域提供参考轮廓点,再通过权衡参考轮廓点与局部直线拟合结果的优劣,实现角膜轮廓定位;最后,通过全局多项式拟合实现对全区域的角膜整体轮廓信息.对光学眼模型进行实验,结果表明,与已有算法相比,本文算法对角膜轮廓的提取精度平均提高了4.9%.(本文来源于《物理学报》期刊2019年20期）
温方金,马丰原,贾治国,吕坤[5]（2019）在《基于CMOS图像传感器的热轧钢板轮廓测量系统》一文中研究指出本文提出一种基于CMOS图像传感器的钢板轮廓测量方法,用以检测热轧钢板的长度、宽度和轮廓信息。通过对轮廓信息的计算和分析,达到钢板板头板尾优化剪切的目的。该系统由光电测宽系统、信号处理系统、激光测速系统等主要部分组成。利用信号滤波、小波分解等方法确定钢板边缘信息,通过二维建模和建表测量的方法实时测量钢板的宽度值。同时结合激光测速仪的速度与长度关系,综合计算出钢板的轮廓数据。(本文来源于《中国金属通报》期刊2019年09期）
王超,王也,杨添淏,隆武强[6]（2019）在《复杂背景下燃油喷雾图像中油束轮廓的提取》一文中研究指出提出了一种在复杂背景下燃油喷雾图像中前景油束轮廓提取的新算法,该算法包括油束前景区域预提取、油束轮廓细提取和油束轮廓修补3个步骤.在油束前景区域预提取阶段,利用具有自适应阈值的帧间差分法和形态学填充处理提取出完全覆盖真实油束的前景区域.在油束轮廓细提取阶段,结合像素点在时间维度和空间维度上的信息对预提取获得的油束前景区域内的每个像素点进行多重判断,得到油束轮廓.在油束轮廓修补阶段,结合前景点修补阈值和油束横向、纵向位置边界条件对在视窗污染位置处的油束轮廓进行预测,结果表明:该算法能够精确地提取出处于复杂动态背景下的前景油束轮廓.(本文来源于《内燃机学报》期刊2019年05期）
王雪娜,东野长磊[7]（2019）在《几种经典活动轮廓图像分割模型综述》一文中研究指出图像分割是将图像进行特征提取的关键技术。图像分割算法研究成果较多,活动轮廓模型是图像分割获取边缘信息的重要方法。阐述了几种经典的活动轮廓方法,通过大量仿真实验对几种方法进行比较,指出现阶段图像分割遇到的问题并展望其研究趋势。(本文来源于《软件导刊》期刊2019年09期）
刘鑫,曾铭钰,段幼春,樊贵军[8]（2019）在《基于机器学习的模糊图像边缘轮廓叁维重建方法研究》一文中研究指出针对传统的模糊图像边缘轮廓叁维重建速度慢的问题,设计了一种基于机器学习的模糊图像边缘轮廓叁维重建方法。通过对图像边缘轮廓检测,采用立体匹配的方法,寻找检测到的图像边缘中的对应点,以此获取叁维坐标,根据获取的叁维坐标得到物体表面的叁维点云图,实现基于机器学习的模糊图像边缘轮廓叁维重建,实验结果表明,该方法能够提高模糊图像边缘轮廓叁维重建的速度,能够弥补传统方法的缺点,具有一定的实际应用意义。(本文来源于《电子测试》期刊2019年17期）
王涛,潘国富,张济博[9]（2019）在《基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法》一文中研究指出针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。(本文来源于《海洋科学》期刊2019年08期）
田丰[10]（2019）在《人机交互船体可视图像轮廓点获取方法研究》一文中研究指出由于传统的可视图像轮廓点获取技术精准度低的情况,设计一种基于人机交互的船体可视图像轮廓点获取方法,根据图像形态学的定义,检测图像的边缘形态,采用结构图像元素定义,对图像边缘进行细化,在检测图像的基础上,定义船体检测到的轮廓模型为平面内的一条参数曲线,利用最小二乘法得到各点的左右斜率,确定角点,以此实现对船体可视图像轮廓点的获取。并设计仿真实验对该方法进行检验,实验结果表明,此方法在进行船体可视图像轮廓点获取上,精准度较传统方法高,具备实际应用意义。(本文来源于《舰船科学技术》期刊2019年16期）
轮廓图像论文开题报告
（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：
传统叁维造型技术所得的叁维坐标精准度差,为了解决这个问题,提出一种新的船舶轮廓图像叁维重构技术。先提取船舶轮廓线,在处理船舶轮廓图像数据,以实现重构的完整性,在此基础上,采用零均值归一化算法,匹配船舶轮廓图像特征点,在建立粗匹配关系后,获取船舶轮廓叁维点坐标,实现船舶轮廓图像叁维重构,由此,完成船舶轮廓图像叁维重构技术的设计。最后,在数据库中随机选取7组立体匹配对应图像点,对比2种方法的精准度,实验结果表明,所提方法精准度更高。
（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。
轮廓图像论文参考文献
[1].丁冬艳,涂宏庆.最大类间方差法的激光图像轮廓检测[J].激光杂志.2019
[2].李平.船舶轮廓图像叁维重构技术研究[J].舰船科学技术.2019
[3].王珊,高珊珊,郭宁宁,张彩明.多层次轮廓约束的图像放大算法[J].计算机辅助设计与图形学学报.2019
[4].汪毅,刘珊珊,张玮茜,蔡怀宇,陈晓冬.扫频光学相干层析角膜图像轮廓自动提取算法[J].物理学报.2019
[5].温方金,马丰原,贾治国,吕坤.基于CMOS图像传感器的热轧钢板轮廓测量系统[J].中国金属通报.2019
[6].王超,王也,杨添淏,隆武强.复杂背景下燃油喷雾图像中油束轮廓的提取[J].内燃机学报.2019
[7].王雪娜,东野长磊.几种经典活动轮廓图像分割模型综述[J].软件导刊.2019
[8].刘鑫,曾铭钰,段幼春,樊贵军.基于机器学习的模糊图像边缘轮廓叁维重建方法研究[J].电子测试.2019
[9].王涛,潘国富,张济博.基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法[J].海洋科学.2019
[10].田丰.人机交互船体可视图像轮廓点获取方法研究[J].舰船科学技术.2019