导读:本文包含了部件分割论文开题报告文献综述及选题提纲参考文献，主要关键词:GrabCut,细粒度分类,图像分割,图像分类
部件分割论文文献综述
庞程,姚鸿勋,孙晓帅[1]（2019）在《基于部件检测的细粒度图像分割》一文中研究指出细粒度图像中物体的分割是具有挑战性的,因为这类图像一般具有很大的表观变化和混杂的背景。大多数已有的分割方法都不能以足够的准确率将细粒度图像中物体的细小部件分割出来。然而在细粒度识别任务中,这些细小的部件通常包含了对细粒度分类极为重要的语义信息。通过观察发现,细粒度物体通常在类间共享相同的部件种类,本文由此提出一种新颖的基于部件检测的细粒度图像分割方法。该方法明确地检测部件在图像中的位置,给出部件位置假设。然后通过不断地迭代更新部件假设和分割的输出假设,以获得更优的分割效果。实验表明本文方法能够很好地保留具有语音信息的部件,提高细粒度分类的准确率。(本文来源于《智能计算机与应用》期刊2019年02期）
王枫,厉智,刘青山,孙玉宝[2]（2019）在《基于部件检测与检索的行人精细化分割》一文中研究指出针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含叁个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional Neural Network,快速区域卷积神经网络)模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第叁个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在叁个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.(本文来源于《电子学报》期刊2019年02期）
张晓红,曾建潮[3]（2015）在《基于状态空间分割的两部件系统机会维修优化》一文中研究指出针对"硬失效"故障的两部件串联系统,制定了周期性视情预防更换、机会更换和故障更换相结合的维修策略,提出了劣化状态空间分割方法以分析机会维修模型中系统的各种维修组合的维修概率,并给出了系统稳态联合概率密度的数值近似求解方法.应用该方法建立了基于半更新过程理论的系统长期平均费用率模型,求解最优维修策略对应的检测周期、机会和预防维修阈值.数值实验表明了劣化状态空间分割法和费用率模型的正确性和有效性,分析了优化结果对各种费用参数的灵敏程度.(本文来源于《系统工程理论与实践》期刊2015年06期）
孙广生[4]（2015）在《基于体素的叁维形体部件分割》一文中研究指出进入21世纪后,多媒体技术获得了巨大的发展,而其中以叁维数字模型和叁维场景技术为代表的叁维信息技术正在逐步成为影响人们生活、工作和娱乐的主流媒体技术。科学技术的增长与信息采集设备的便易性更促成了叁维数据的分工,从面信息中分离出来的体信息在叁维重建及可视化、建模与图形的检索、运动轨迹追踪、场景数字化、数据压缩、形体分割等正发挥着越来越重要的作用。而在众多应用中,模型各部分的语义及几何信息的需求使得模型的体分割,尤其是部件分割,受到越来越多的关注。然而当前大部分的模型分割算法都是基于面的,基于体的分割算法为数不多。因此,本次从基于体的角度进行形体分割,具有重要的理论意义与实用价值。本文首先系统介绍了当前基于面和体的叁维形体部件分割方法,这些方法由于提取特征与分割准则的不同对不同模型呈现优劣各异的分割效果。随后我们对基于面信息的叁维网格进行体素化:我们首先利用插值法对叁维网格进行表面体素化,然后再对内部体素进行填充从而完成整个体素化过程。其次,我们利用传统的边界传播算法提取形体的中轴骨骼;与传统骨骼细化算法不同的是我们在中轴提取过程中,记录每层体素所删减的顺序,提出了用于描述形体“厚”、“薄”特性的最大迭代深度MID(Maximum Iterative Depth)与最小迭代深度MIID(MInimum Iterative Depth),并用MIID进行去噪、剪枝,最终得到理想骨骼。第叁,我们利用最大迭代深度MID对“薄”壁形体与“非薄”壁形体进行自动初分割,并利用基于PCA主成分分析法与累加平均法得到的环切周长CCP(Circled Cutting Perimeter)对形体进行再分割,从而得到基于面与体的分割结果。最后,我们利用Princeton的分割评价体系与Benchmark中的分割算法进行定性与定量比较,实验表明本文所提出的基于MID-CCP的叁维分割算法具有较好的综合性能。(本文来源于《上海交通大学》期刊2015-01-01）
裴明涛,王永杰,贾云得,郭志强[5]（2014）在《基于多尺度模板匹配和部件模型的车牌字符分割方法》一文中研究指出为提高车牌字符分割的准确率,提出了一种基于多尺度模板匹配和部件模型的车牌字符分割方法.对单层车牌,根据车牌结构特征建立多尺度模板作用于车牌候选区域,通过投影得分估计出最佳模板对应的尺度和位置信息;对双层车牌,使用部件模型对双层车牌进行建模,双层车牌的上层字符区域和下层字符区域分别对应部件模型的一个部件,通过多尺度的模板匹配得到上下层部件的候选集合,利用部件模型中部件之间的几何约束得到最终的车牌字符分割结果.实验结果表明,所提出的方法可以有效进行单/双层车牌的字符分割.(本文来源于《北京理工大学学报》期刊2014年09期）
杨扬,李善平[6]（2012）在《分割位置提示的可变形部件模型快速目标检测》一文中研究指出针对滑动窗口目标检测方法需要穷举搜索目标、检测速度较慢的问题,提出一种可变形部件模型候选点检测算法.图像先经过两种不同原理的分割方法预处理,尽量使至少一个分割接近目标真实位置,分割的左上角附近称为候选点.然后,将可变形部件模型作为底层检测器,模型的训练和测试都只在候选点上进行,这大大提高了检测速度.在PASCAL2007数据集上的实验结果表明,候选点检测在一半类别上的正确率超过了穷举搜索方法.(本文来源于《自动化学报》期刊2012年04期）
沈建锋,杨文明,廖庆敏[7]（2012）在《结合部件分割和粒子滤波的3D人体运动跟踪》一文中研究指出尽管随机采样降低了陷入局部极值的风险,但不能保证收敛到全局最优.为此提出了一个将人体部件分割算法嵌入到粒子滤波框架的人体运动跟踪系统.首先使用Condensation算法传播并评估粒子,然后利用基于期望最大化的部件分割算法迭代更新粒子.在迭代过程中,从采样粒子推导的姿态用于部件分割,分割结果用于确定粒子分布,使粒子逐渐接近高似然区域,从而提高找到全局最优的概率并降低采样粒子数.在HumanEva-II数据库上的测试结果表明了文中系统的有效性,且对比实验结果也优于Condensation算法和退火粒子滤波.(本文来源于《计算机辅助设计与图形学学报》期刊2012年02期）
汪君[8]（2009）在《面向深度图像的遮挡物体部件化建模与分割》一文中研究指出部件化物体分割是面向深度图像建模与识别的关键步骤。在多物体场景中,物体之间因相互遮挡而产生采样数据部分缺失的现象。本文研究并设计了超二次曲面边缘对缺失部分数据的物体建模,以及基于边缘增长的深度图像区域分割方法,实现了遮挡物体的部件化建模与分割。本文首先采用超二次曲面投影边缘对缺失部分数据物体建模,通过分析超二次曲面边缘拟合的原理,建立了超二次曲面边缘拟合的初始目标函数,同时利用曲线等距取样和边缘投影等策略,优化了目标函数,设计并实现了超二次曲面边缘拟合算法,得到了物体的超二次曲面模型参数,成功恢复了缺失部分数据物体的原始模型。然后针对多个物体间存在相互遮挡的情况,用基于边缘和区域约束的区域增长方法进行部件化物体建模与分割,通过分析区域增长方法的基本原理和深度图像分割的基本过程,并研究和设计了基于边缘和区域约束的区域增长策略,将深度图像的区域信息和边界信息互相融合,改进了区域增长规则。最后设计并实现了面向深度图像的部件化物体建模与分割算法,成功得到了分割后各部件的超二次曲面模型参数。实验结果表明,超二次曲面边缘拟合实现了对缺失部分数据物体的建模,而基于边缘和区域约束的区域增长方法实现了遮挡物体的建模与分割,为部件化物体识别奠定了基础。(本文来源于《中南大学》期刊2009-05-01）
李根,潘翔,陈志杨,张叁元,叶修梓[9]（2008）在《基于泊松形状信号的网格模型部件分割算法》一文中研究指出为了将网格模型分割成若干个有意义的部件,提出了一种基于网格模型结构信号的分割算法.通过构造网格模型对应的体素模型,基于体素模型求解泊松方程得出每个体素对应的泊松形状信号;根据网格模型顶点与体素模型的对应关系,计算出网格模型中每个叁角面片对应的泊松形状信号;采用Mean-Shift算法将每个叁角面片对应的泊松形状信号进行聚类;最后基于泊松形状信号值,提取网格模型主要部件,并精化分块结果边界,从而达到网格模型部件分割的目的.实验表明,该算法能对具有部件结构特征的实体模型有较好的分割效果、鲁棒、速度快,与物体各个部件刚体变换无关.(本文来源于《浙江大学学报(工学版)》期刊2008年12期）
高秀芬,李春芝[10]（1998）在《300MW、600MW锅炉分割屏末级过热器等部件管屏同齿形密封板加工攻关》一文中研究指出根据加工300MW、600MW锅炉分割屏,末级过热器等部件管屏用齿形密封板加工中出现的质量问题,结合自己多次参与攻关的亲身实践、全面总结解决这一质量问题的过程及方法,为改变密封板加工工艺提出了理论根据。(本文来源于《锅炉制造》期刊1998年01期）
部件分割论文开题报告
（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：
针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含叁个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional Neural Network,快速区域卷积神经网络)模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第叁个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在叁个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.
（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。
部件分割论文参考文献
[1].庞程,姚鸿勋,孙晓帅.基于部件检测的细粒度图像分割[J].智能计算机与应用.2019
[2].王枫,厉智,刘青山,孙玉宝.基于部件检测与检索的行人精细化分割[J].电子学报.2019
[3].张晓红,曾建潮.基于状态空间分割的两部件系统机会维修优化[J].系统工程理论与实践.2015
[4].孙广生.基于体素的叁维形体部件分割[D].上海交通大学.2015
[5].裴明涛,王永杰,贾云得,郭志强.基于多尺度模板匹配和部件模型的车牌字符分割方法[J].北京理工大学学报.2014
[6].杨扬,李善平.分割位置提示的可变形部件模型快速目标检测[J].自动化学报.2012
[7].沈建锋,杨文明,廖庆敏.结合部件分割和粒子滤波的3D人体运动跟踪[J].计算机辅助设计与图形学学报.2012
[8].汪君.面向深度图像的遮挡物体部件化建模与分割[D].中南大学.2009
[9].李根,潘翔,陈志杨,张叁元,叶修梓.基于泊松形状信号的网格模型部件分割算法[J].浙江大学学报(工学版).2008
[10].高秀芬,李春芝.300MW、600MW锅炉分割屏末级过热器等部件管屏同齿形密封板加工攻关[J].锅炉制造.1998