导读:本文包含了图像感兴趣区域论文开题报告文献综述及选题提纲参考文献，主要关键词:图像检索,显着点提取,感兴趣区域,特征提取
图像感兴趣区域论文文献综述
张烨,王树奇,武风波[1]（2019）在《基于圆形感兴趣区域的图像检索算法》一文中研究指出传统的基于内容的图像检索系统在检索时往往通过获取整幅图像的全局特征进行计算,必然含有一些冗余信息,从而给检索带来过多的计算量和不准确性。因此将检索的区域范围从全局缩小到局部,提出一种改进的图像感兴趣区域提取算法。首先使用Harris算法提取出图像的显着点,通过对显着点进行条件筛选截取出一个圆形感兴趣区域,然后对该区域提取多种特征并进行归一化处理,最后用距离函数实现图像间的相似度比较。实验结果表明,所提算法能够对图像的感兴趣区域进行有效提取,提高了运行效率,同时获得了较好的检索效果。(本文来源于《现代电子技术》期刊2019年20期）
杨金锋,石滨萌[2]（2019）在《手指双模态特征图像感兴趣区域稳定定位方法研究》一文中研究指出为了改善指静脉成像质量和稳定获取指静脉、指节纹的感兴趣区域(ROI),本文提出了一种新的手指双模态成像系统及指静脉、指节纹ROI定位方法。首先,设计了一种含有多光谱、多亮度等级光源的手指拱起成像模型,该模型可较好改善指静脉的成像质量。然后,利用手指拱起产生的拐点实现对指节纹感兴趣区域的稳定定位,并利用双目摄像头下指静脉和指节纹成像区域之间的位置关系确定指静脉特征的感兴趣区域。实验结果表明本文所提出的方法能够较好提高指静脉血管的成像质量和指静脉、指节纹感兴趣区域的定位精度。(本文来源于《信号处理》期刊2019年07期）
颜煜,侯小毛,肖鹰,延晓雪[3]（2019）在《基于感兴趣区域和小波变换的图像融合算法（英文）》一文中研究指出为了提高图像融合效率,保持良好的边缘支持度,以便更好完成图像重构,提出了基于小波变换的图像融合算法。利用小波变换对信号多方向特征提取的优势,将多维图像信号分析化繁为简,在融合规则制定中,权衡图像融合的清晰度和融合算法复杂度,对图像信号低频信号和高频信号分开处理,低频进行加权平均,而高频进行局部方差处理,最后进行小波逆变换得到重构图像。实验证明,该方法重构图像效果清晰,且信噪比高。(本文来源于《机床与液压》期刊2019年12期）
张秀玲,张逞逞,周凯旋[4]（2019）在《基于感兴趣区域的CNN-Squeeze交通标志图像识别》一文中研究指出在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用K-means对交通标志图像进行叁角形、圆形图像二聚类,并利用制作的切割模板切割ROI并提取HOG特征;然后,利用卷积神经网络(Convolutional Neural Network, CNN)对HOG特征进行过滤、降维,并通过Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与BP网络、SVM及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.(本文来源于《交通运输系统工程与信息》期刊2019年03期）
潘锡英,何元烈,孙盛,陈佳腾[5]（2019）在《基于图像感兴趣区域的机器人闭环检测算法》一文中研究指出基于深度学习的机器人闭环检测算法在复杂光照条件下具有一定的鲁棒性,但在视角变化明显的场景下检测效果不佳,为此本文提出一种利用图像感兴趣区域的闭环检测新方法.首先,通过多尺度感兴趣区域网络(MSRPN)获得图像中的感兴趣区域,用改进的PlaceCNN(基于Place数据集的卷积神经网络)提取感兴趣区域的特征.然后,采用先粗匹配后细匹配原则,提出一种基于RPOI PlaceCNN(基于图像感兴趣区域的PlaceCNN)的闭环检测算法,并利用双向匹配对之间的空间约束,去除不正确的匹配对,以提高闭环检测的整体准确性.在GardensPoint、Mapillary、Norland叁种公开数据集上对方法的有效性进行了实验验证.实验结果表明,本文提出的闭环检测算法在光照、视角和不同变化组合引起的显着变化场景下依然能表现出较强的鲁棒性.(本文来源于《机器人》期刊2019年05期）
古新展,陈文天,战跃福[6]（2019）在《模糊C均值聚类算法在肺部CT图像感兴趣区域特征提取中的临床应用研究》一文中研究指出目的:基于模糊C均值(FCM)聚类算法理论,探讨肺部CT图像感兴趣区域(ROI)特征提取的临床应用价值。方法:回顾性分析200例肺部疾病患者的200幅CT影像资料,应用FCM算法进行ROI的特征提取,依据CT图像处理前后的评价数据将其分为对照组和观察组,处理前图像为对照组,处理后图像为观察组。主观评价的观测指标为影像诊断准确率,客观评价的观测指标为对比噪声比(CNR),通过诊断准确率和CNR等两项指标评估图像处理效果。结果:观察组的诊断准确率明显高于对照组,两组一致性诊断正确率和独立性诊断正确率差异均有统计学意义(x~2=5.983,x~2=5.696;P<0.05);观察组的图像质量明显优于对照组,两组信噪比(SNRROI)和CNR比较差异有统计学意义(t=2.335,t=2.612;P<0.05)。结论:FCM算法适用于肺部CT图像ROI特征提取的临床应用,提高了图像质量和影像诊断水平,具有较高的应用价值。(本文来源于《中国医学装备》期刊2019年02期）
戴志鹏[7]（2019）在《基于FCN的图像感兴趣区域提取与细粒度分类的研究》一文中研究指出近年来基于深度学习的细粒度分类是研究的热点,细粒度分类的主要方法是先找出分类对象再分类。找出分类对象的方法中主要分为两种:强监督与弱监督,强监督需要使用昂贵的人工标签,为了减少人工标注成本,提出一种基于FCN的图像感兴趣区域的分割与提取,并利用分割的图像进一步训练网络提高正确率。(本文来源于《现代计算机(专业版)》期刊2019年03期）
权巍,赵云秀,韩成,丁莹,姜珊[8]（2018）在《基于立体图像感兴趣区域及对比度的舒适度评价模型》一文中研究指出针对立体图像舒适度难以有效地进行客观评价的问题,结合人眼视觉注意机制,提出了基于区域对比度的舒适度评价模型.根据显着图与视差图提取感兴趣区域作为前景区域;量化前景和后景区域颜色空间,估计空间加权区域对比度,计算前景区域视差角、宽度角;根据主观评价值利用最小二乘法拟合曲线得出客观评价模型.对比视差+宽度模型可知,模型预测值与主观评价值的Pearson相关系数、Kendall相关系数较原模型分别提高了8.1%、3.9%,且平均绝对值误差减小了13%,均方根误差减小了22.1%.本文模型的普适性更优,结果更接近主观评价值.(本文来源于《光子学报》期刊2018年12期）
吴俊峰,牟轩沁[9]（2019）在《L_1范数字典约束的感兴趣区域CT图像重建算法》一文中研究指出针对现有全变分(TV)约束感兴趣区域(ROI)重建方法易产生块状伪影、细小结构丢失的问题,提出了一种L1范数字典稀疏约束的ROI低剂量CT医学图像重建算法。首先将ROI医学图像重建问题转化为最优化问题,以罚加权最小二乘函数为保真项,L1范数字典稀疏表示为约束项构建目标函数;然后将目标函数分解为图像更新和字典稀疏表示两个子优化问题,并交替求解上述两个子优化问题,实现ROI图像重建。胸腔模体仿真实验结果表明,在分别添加光子数为1×105、5×104和1×104泊松噪声投影情况下,与TV约束重建方法相比,图像结构相似度(SSIM)分别提高约0.103 5、0.113 1和0.125 8,峰值信噪比分别提高4.88、4.93和5.44dB。山羊肺部实际CT扫描实验结果进一步证明,本文算法能够有效地去除块状伪影且较好的保留细小结构。(本文来源于《西安交通大学学报》期刊2019年02期）
李温温,刘富,姜守坤[10]（2019）在《指节纹图像感兴趣区域提取与特征识别算法》一文中研究指出为降低特征提取的工作量同时提高识别的准确性,设计了一种指节纹图像感兴趣区域(ROI)提取方法。首先,对采集到的图像进行预处理操作,分离并旋转定位四指图像。其次,通过手指图像梯度分布关系,计算负梯度的极值,并统计图像中每一行的负梯度极值个数来确定近指节纹的ROI区域。最后,通过局部二值模式(LBP)直方图相似性来验证所提取的ROI区域的准确性。实验证明,在采用本文方法所建立的指节纹ROI数据库中,分类准确率达到了100%。(本文来源于《吉林大学学报(工学版)》期刊2019年02期）
图像感兴趣区域论文开题报告
（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：
为了改善指静脉成像质量和稳定获取指静脉、指节纹的感兴趣区域(ROI),本文提出了一种新的手指双模态成像系统及指静脉、指节纹ROI定位方法。首先,设计了一种含有多光谱、多亮度等级光源的手指拱起成像模型,该模型可较好改善指静脉的成像质量。然后,利用手指拱起产生的拐点实现对指节纹感兴趣区域的稳定定位,并利用双目摄像头下指静脉和指节纹成像区域之间的位置关系确定指静脉特征的感兴趣区域。实验结果表明本文所提出的方法能够较好提高指静脉血管的成像质量和指静脉、指节纹感兴趣区域的定位精度。
（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。
图像感兴趣区域论文参考文献
[1].张烨,王树奇,武风波.基于圆形感兴趣区域的图像检索算法[J].现代电子技术.2019
[2].杨金锋,石滨萌.手指双模态特征图像感兴趣区域稳定定位方法研究[J].信号处理.2019
[3].颜煜,侯小毛,肖鹰,延晓雪.基于感兴趣区域和小波变换的图像融合算法（英文）[J].机床与液压.2019
[4].张秀玲,张逞逞,周凯旋.基于感兴趣区域的CNN-Squeeze交通标志图像识别[J].交通运输系统工程与信息.2019
[5].潘锡英,何元烈,孙盛,陈佳腾.基于图像感兴趣区域的机器人闭环检测算法[J].机器人.2019
[6].古新展,陈文天,战跃福.模糊C均值聚类算法在肺部CT图像感兴趣区域特征提取中的临床应用研究[J].中国医学装备.2019
[7].戴志鹏.基于FCN的图像感兴趣区域提取与细粒度分类的研究[J].现代计算机(专业版).2019
[8].权巍,赵云秀,韩成,丁莹,姜珊.基于立体图像感兴趣区域及对比度的舒适度评价模型[J].光子学报.2018
[9].吴俊峰,牟轩沁.L_1范数字典约束的感兴趣区域CT图像重建算法[J].西安交通大学学报.2019
[10].李温温,刘富,姜守坤.指节纹图像感兴趣区域提取与特征识别算法[J].吉林大学学报(工学版).2019