导读:本文包含了图像特征空间论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,图像去雾,递归双边滤波,特征空间采样
图像特征空间论文文献综述
訚鹏[1]（2017）在《结合特征空间采样和递归双边滤波的快速图像去雾》一文中研究指出当空气中的水蒸气和尘埃结合时,就会形成体积越来越大的细微水滴,悬浮在空中从而形成雾,而雾的出现将会导致采集到的图像模糊不清。在雾天条件下,图像不可避免地受到大气中悬浮颗粒的散射作用,从而使得其对比度不高,颜色失真,细节与边缘不全。因此在此种情况下所获取的图像会给该图像的使用者带来诸多不便,严重影响了我们的日常生活。而图像去雾算法是在图像处理的理论知识的基础上,从有雾图像中恢复出真实的场景,得到更多有用的信息,从而来提高图像的能见度,以方便图像的后续处理。图像去雾是图像处理的研究分支,既是图像增强技术的特定应用,又与图像增强技术略有不同,也即它既具有其的特点,又具有其与众不同的地方,具体体现在其能提高雾天图像的质量。尽管许多去雾算法已被提出,但大多有一定的局限性,因此该领域还有很大的研究空间。在本文中,根据图像雾浓度的不同,我们利用两种不同的去雾算法来得到清晰无雾的图像。在薄雾图像中,薄雾图像中雾的分布比较均匀,并且场景中的物体的边缘都较为清晰,在本文采用基于介质传播函数的方法来实现去雾的目的。首先获取介质传播函数的初始值,然后通过递归双边滤波对初始的介质传播函数来做进一步细化。最后利用梯度域递归双边滤波对去雾结果进行调整。为了加速该算法,通过高斯KD树来对有雾图像的特征空间来采样。与现有方法相比,该方法能够有效对薄雾图像进行去雾,边缘和细节都保持的较好。针对浓雾图像,采用基于大气耗散函数的方法实现去雾的目的。首先获取最初的大气耗散函数。然后,我们利用递归双边滤波算子,在避免引发光晕效应的同时去完善初始的大气耗散函数,以获取高质量的清晰图像。为加速图像去雾,基于近邻传播聚类算法对有雾图像进行特征空间采样。与现有方法相比,该方法对含有大量边缘特征以及复杂场景的有雾图像的效果更好。并且根据当前帧视频图像若干相邻帧的信息来估计其全局大气光,利用递归双边滤波对视频图像的大气耗散函数或介质传播函数进行跨帧滤波处理,将这些方法扩展应用于视频中,可以得到时空连贯性的去雾效果。(本文来源于《湖北大学》期刊2017-04-11）
陈烽[2]（2016）在《多特征空间下金属断口图像自适应识别方法的改进研究》一文中研究指出传统基于单一纹理特征的方法对金属断口图像的识别准确率低,误差率高。提出一种多特征空间下金属断口图像自适应识别方法,通过分析金属断口区域的自然纹理情况,提取灰度共生矩阵特征,基于对多个纹理特征的分析,来对金属断口图像进行自适应识别。(本文来源于《世界有色金属》期刊2016年16期）
詹曙,方琪,杨福猛,常乐乐,闫婷[3]（2016）在《基于耦合特征空间下改进字典学习的图像超分辨率重建》一文中研究指出针对目前基于字典学习的图像超分辨率重建效果欠佳或字典训练时间过长的问题,本文提出了一种耦合特征空间下改进字典学习的图像超分辨率重建算法.该算法首先利用高斯混合模型聚类算法对训练图像块进行聚类,然后使用更改字典更新方式的改进KSVD字典学习算法来快速获得高、低分辨率特征空间下字典对和映射矩阵.重建时根据测试样本与各个类别的似然概率自适应地选择最匹配的字典对和映射矩阵进行高分辨率重建.最后利用图像非局部相似性,将其与迭代反向投影算法相结合对重建后的图像进行后处理获得最佳重建效果.实验结果表明了本文方法的有效性.(本文来源于《电子学报》期刊2016年05期）
王瑞,郝娜,张波,常天庆[4]（2016）在《基于图像信息的多特征空间坦克姿态估计》一文中研究指出坦克作为地面战场的主要目标,分析其姿态至关重要。根据坦克姿态估计的需要,在可见光条件下采集了坦克车体纵轴与瞄准镜光轴不同夹角的图像作为训练集。利用主成分分析法选取了目标的主要特征向量,每个训练子集用3个特征向量表示,利用少量的特征向量建立目标的8个特征空间,降低了空间的维数。设计判别准则将待识别目标向量与重构向量之间的余弦值进行比较,即确定目标所在的空间位置,完成了目标姿态的识别。实验结果表明,利用建立目标多特征空间的方法识别目标空间位置是有效的。(本文来源于《火力与指挥控制》期刊2016年03期）
谢镭,张红,王超,张波,吴樊[5]（2015）在《一种新的简缩极化SAR图像H/α特征空间》一文中研究指出现有简缩极化(Compact Polarimetry)SAR图像H/α经验特征空间存在两个问题:一是没有考虑简缩极化模式下的散射熵普遍高于全极化模式;二是在散射机制重迭区域,简缩极化H/α空间的分类能力较弱,尤其是多次散射。针对以上问题首先定量分析了DCP模式简缩极化SAR的散射角与全极化SAR数据散射角之间的关系,且在对7组不同传感器的SAR数据分析的基础上,提出了散射熵的替代参数ED,基于Monte Carlo模拟实验得到了H/α分解的各参数(熵H、平均散射角α和替代参数ED)分解的稳态条件;然后通过统计各散射机制在ED/α分布的密度空间,提出了一种新的简缩极化SAR图像ED/α特征空间。实验结果表明:替代参数ED与全极化熵具有良好相关性,而且ED/α特征空间提高了散射机制分类的精度。(本文来源于《遥感技术与应用》期刊2015年01期）
徐君,徐富红,蔡体健,谢承旺,王彩玲[6]（2014）在《面向端元提取的光谱角特征空间图像分块方法》一文中研究指出传统的高光谱端元提取算法一般是在高维的光谱特征空间中进行运算,并且图像的全部像元都参与算法,因此运算量偏大,运算效率较低。提出了一种光谱角特征空间的概念,利用图像的空间信息辅助端元提取。图像的全部像元都可以映射到8维的光谱角特征空间中,样本点在特征空间中距离原点的远近表征了其在图像中的位置是否为地物区块的边缘,利用这点可以对高光谱图像进行空间分割。在分割后的每个子块图像内部只选取少数"最纯"像元参与端元提取算法,从而大大降低了端元提取的计算复杂度。(本文来源于《测绘科学技术学报》期刊2014年05期）
王荔霞,谢维信,裴继红[7]（2014）在《多高斯模型特征空间覆盖学习的海洋航摄图像分割》一文中研究指出本文提出了一种新的基于多高斯特征空间覆盖学习的航摄海洋图像分割方法.通过分析,发现在RGB叁维色空间中,海水背景像素点的分布尽管在不同成像条件下具有不同的分布特性,但其具有的共同特性是具有集聚性,可以被一个或多个椭球所覆盖.因此,本文在色空间中基于贝叶斯最大后验概率和3δ准则对海水背景进行多高斯分布模型覆盖建模,自学习得到其高斯分布个数并建立相对应的多高斯分布模型.最后,根据上述学习结果,从航拍海洋的图像中分离出海水背景,实现航拍海洋图像中背景和目标的分割.实验证明,该方法具有良好的背景学习性能,能够准确有效地得到海水背景多高斯分布覆盖模型.基于该背景学习模型的海洋图像分割,具有较高的正确率和较低的误差,且算法花费的时间较少,具有较好的稳定性和实时性.(本文来源于《电子学报》期刊2014年10期）
董健[8]（2014）在《基于加权特征空间信息视觉词典的图像检索模型》一文中研究指出针对传统的视觉词袋模型中视觉词典对底层特征量化时容易引入量化误差,以及视觉单词的适用性不足等问题,提出了基于加权特征空间信息视觉词典的图像检索模型。从产生视觉词典的常用聚类算法入手,分析和探讨了聚类算法的特点,考虑聚类过程中特征空间的特征分布统计信息,通过实验对不同的加权方式进行对比,得出效果较好的均值加权方案,据此对视觉单词的重要程度加权,提高视觉词典的描述能力。对比实验表明,在ImageNet图像数据集上,相对于同源视觉词典,非同源视觉词典对视觉空间的划分影响较小,且基于加权特征空间信息视觉词典在大数据集上更加有效。(本文来源于《计算机应用》期刊2014年04期）
贾广象,陈莹[9]（2015）在《基于图像目标特征空间自学习分类算法》一文中研究指出为解决图像分类过程中特征点选择的随机性对分类精度造成的影响,提出一种基于图像目标特征空间自学习分类算法。利用基于颜色和纹理特征的多通道局部主动轮廊模型找到图像的目标区域,在目标区域选取特征并对特征稀疏编码建立图像的目标特征空间。为进一步提高图像分类精度建立投票机制下基于图像目标特征空间的自学习算法。实验结果表明,该方法能避免特征选择的随机性对实验结果的影响,有效地提高图像分类的精度。(本文来源于《计算机工程与应用》期刊2015年20期）
刘叁军[10]（2014）在《基于图像特征空间学习的图像分类方法研究》一文中研究指出随着多媒体技术及网络技术的进一步发展，图像分类方法的研究已经成为当今国内外研究的热点问题。图像分类方法主要分为基于图像空间的分类方法和基于特征空间的分类方法。在图像数据信息量已经变得非常庞大的今天，如何建立快速、有效的图像分类方法成为了一个迫切需要解决的问题。基于图像空间的分类方法面对数据量很大的情况下，计算复杂度较高，其实用性不强；而基于特征空间的学习方法，不仅可以降低数据的维数，降低计算的复杂性，而且还具有较强的鲁棒性，实用性，成为图像分类的主流方法。本文对基于图像特征空间学习的图像分类方法作了深入的研究，其中涉及图像处理,计算机视觉,机器学习,人工智能等诸多领域。随着图像分类系统商用化进程的进一步发展,越来越多的研究者开始进入图像分类这个领域，是一个很有发展前景的研究方向。本文主要工作如下：1)图像描述子是表征图像的方式，是对图像分类识别的前置阶段，也是至关重要的基础。工作中主要通过滤波器的方式，提出了局部化的高斯埃尔米特矩，并使用其优化当前流行的图像描述子，使得提取的图像轮廓特征更加丰富，冗余信息更少，在有噪声的影响下，其分类效果更加精确。2)稀疏表示是对所提取的图像特征进行表示的高效途径之一。本文提出了将非负矩阵分解方法和图拉普拉斯方法应用到基于稀疏表示的学习框架中，有效的避免了传统的稀疏编码算法中出现的“负因子相消”、编码特征之间互相关信息丢失的现象，从而提高了图像分类的精度。3)空间金字塔不但可以实现维数约减，还能够表征图像的空间结构信息。在基于稀疏表示的基础上，提出了通过自适应加权的方式，加大支持目标形状特征的权值，抑制背景形状特征的权值，获得图像特征的自适应加权空间金字塔表示，从而提高了对图像背景特征的鲁棒性。(本文来源于《西安电子科技大学》期刊2014-03-01）
图像特征空间论文开题报告
（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：
传统基于单一纹理特征的方法对金属断口图像的识别准确率低,误差率高。提出一种多特征空间下金属断口图像自适应识别方法,通过分析金属断口区域的自然纹理情况,提取灰度共生矩阵特征,基于对多个纹理特征的分析,来对金属断口图像进行自适应识别。
（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。
图像特征空间论文参考文献
[1].訚鹏.结合特征空间采样和递归双边滤波的快速图像去雾[D].湖北大学.2017
[2].陈烽.多特征空间下金属断口图像自适应识别方法的改进研究[J].世界有色金属.2016
[3].詹曙,方琪,杨福猛,常乐乐,闫婷.基于耦合特征空间下改进字典学习的图像超分辨率重建[J].电子学报.2016
[4].王瑞,郝娜,张波,常天庆.基于图像信息的多特征空间坦克姿态估计[J].火力与指挥控制.2016
[5].谢镭,张红,王超,张波,吴樊.一种新的简缩极化SAR图像H/α特征空间[J].遥感技术与应用.2015
[6].徐君,徐富红,蔡体健,谢承旺,王彩玲.面向端元提取的光谱角特征空间图像分块方法[J].测绘科学技术学报.2014
[7].王荔霞,谢维信,裴继红.多高斯模型特征空间覆盖学习的海洋航摄图像分割[J].电子学报.2014
[8].董健.基于加权特征空间信息视觉词典的图像检索模型[J].计算机应用.2014
[9].贾广象,陈莹.基于图像目标特征空间自学习分类算法[J].计算机工程与应用.2015
[10].刘叁军.基于图像特征空间学习的图像分类方法研究[D].西安电子科技大学.2014