导读:本文包含了图像散度论文开题报告文献综述及选题提纲参考文献，主要关键词:水平集,图像分割,Bregman散度,RSF模型
图像散度论文文献综述
程丹松,何仕文,石大明,刘晓芳[1]（2018）在《基于Bregman散度和RSF模型的水平集图像分割方法》一文中研究指出在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和区域可伸缩拟合能量模型(Region-Scalable Fitting,RSF)相结合的水平集图像分割方法.本方法利用包含特征点信息(Bregman散度)的全局信息项加快远离目标边界曲线的演化速度,提高算法对初始位置的鲁棒性;利用RSF模型的局部信息项提高对亮度不均匀图像的分割能力,吸引轮廓曲线向物体边界收敛,并停止在目标对象的边界处.通过对合成图像、医学图像和其它真实图像的对比实验,可以看出本文模型与现有模型(LCV、RSF和LGIF)相比,对亮度不均匀图像具有更强的处理能力和更高的处理效率,且对噪声具有更强的鲁棒性.(本文来源于《哈尔滨工业大学学报》期刊2018年05期）
王沛沛,路利军,曹双亮,李华勇,陈武凡[2]（2017）在《基于动力学聚类与α散度测度的动态心肌PET图像因子分析》一文中研究指出目的建立一种基于动力学聚类与α散度测度的因子分析方法,分析从动态心肌PET图像中无创地提取血输入函数及局部组织的时间活度曲线。方法通过最小化动态图像与因子模型间的α散度将动态PET图像做初步的分解,得到初始因子与因子图像,然后联合PET像素动力学聚类的先验信息解决因子分析模型中解的非唯一性问题,将初始因子与因子图像通过空间变换生成具有生理意义的组织活度曲线及组织空间分布。结果与传统的最小二乘法测度和最小化因子图像间重迭程度约束模型相比,本模型对噪声的敏感性较低,提取出的结果的精确性较高。结论通过选取最优的α值作为因子分析模型的测度,并引入PET图像像素的动力学聚类信息,能精确地获得血输入函数及局部组织的时间活度曲线,在视觉评价及量化评价均具有优质表现。(本文来源于《南方医科大学学报》期刊2017年12期）
刘祎,张权,张鹏程,宋胜涛,陈阳[3]（2017）在《基于直觉模糊散度的噪声图像边缘检测》一文中研究指出针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集(Intuitionistic Fuzzy Set,IFS)的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度(Intuitionistic Fuzzy Divergence,IFD)对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。(本文来源于《计算机工程与应用》期刊2017年23期）
王佳,王平,华小强,吴丰阳,曹亚菲[4]（2016）在《基于无迹变换的KL散度异源图像匹配方法》一文中研究指出针对红外/可见光异源图像匹配,提出基于无迹变换的KL散度异源图像匹配方法。首先,分别提取异源图像Sobel边缘特征点,并校正红外特征点集;然后,分别构建两特征点集的高斯混合模型,采用无迹变换法求解两高斯混合模型的KL散度,对红外特征点集的高斯混合模型进行相似变换,寻找到使KL散度最小时的变换矩阵Tmin,此即两特征点集精确匹配时的变换矩阵。实验结果表明:提出的算法在噪声和出格点较多情形下仍能正确匹配,且能快速收敛。(本文来源于《重庆理工大学学报(自然科学)》期刊2016年08期）
刘琳,程丹松,何仕文,石大明,吴锐[5]（2016）在《结合KL散度和RSF模型的主动轮廓图像分割方法》一文中研究指出针对主动轮廓模型在进行图像分割时计算复杂度较高的问题,提出一种基于区域的变分水平集主动轮廓模型图像分割方法.新模型将Kullback-Leibler(KL)散度信息加入到RSF(region-scalable fitting)模型中,在新模型的能量项中通过RSF能量项计算区域内某点和该区域"中心"之间的拟合距离来表示目标区域的相似性,同时通过最大化KL能量项使模型能更容易分离图像中的不同灰度区域,进而使图像分割的计算时间显着降低.该模型可以很好地处理图像的模糊边界和图像噪声等问题,并适用于合成图像和实际图像的分割.通过实验结果的对比可以看出,本模型在保证分割精度的前提下,加快了边缘的收敛速度,提高了图像分割的效率.(本文来源于《哈尔滨工业大学学报》期刊2016年05期）
王恒,郑笔耕[6]（2016）在《基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法》一文中研究指出为了消除当前图像重构算法存在的振铃效应,避免过度平滑图像纹理区域,使其兼顾较好的细小边缘保持与丰富纹理,以获取较高的重构图像视觉质量,提出了基于加权TV(total variation)/SAR(simutanneous auto-regression)联合先验与最小线性KL散度凸组合的图像重构算法。引入权重因子,从退化图像中提取出非局部SSIM约束,联合TV函数,设计加权TV图像正则先验,增强稀疏性;根据SAR先验与加权TV正则先验,获取重构图像的联合后验分布;再建立最小线性KL散度函数凸组合,并引入最优最小化技术,求解后验分布,完成贝叶斯推理。并研究了本文算法在不同退化程度下的用户响应。测试结果显示:与当前图像重构技术相比,本文算法的复原效果较为理想;在图像受损严重时,本文算法更受用户欢迎。(本文来源于《测控技术》期刊2016年01期）
李瑞俊,高霞[7]（2015）在《惩罚KL散度耦合迭代分布加权的图像重构算法》一文中研究指出目的利用MAP(Maximizing A Posteriori)估算技术能够较好地重构退化图像,有效降低复原图像的伪影,但MAP估算是惩罚图像的非零梯度,且其图像先验估算忽略了退化图像自身纹理,易导致重构图像过渡平滑,产生突变阶跃边缘和丢失图像中频纹理信息。设计了惩罚KL散度耦合迭代分布重新加权的图像重构算法。方法基于退化图像像素,构建图像参考梯度分布计算模型,以估算图像先验;引入KL(Kullback-Leibler)散度,联合MAP估算技术,惩罚经验分布与参考分布之间的梯度;设计迭代分布重新加权算法,最小化成本函数,优化经验梯度分布,使其更接近参考分布;基于HVS(Human Visual System),构造了转导对比度失真率模型。最后,利用Amazon Mechanical Turk数据集,对提出的算法进行用户响应研究。结果仿真实验结果表明,与当前基于MAP估算技术的图像重构机制相比,在图像退化程度严重时,提出的算法具有更好的用户响应,且具有更高的重构精度,复原图像的纹理细节清晰可见。结论提出的算法具有更高的重构质量,用户响应良好。(本文来源于《包装工程》期刊2015年03期）
张军丽[8]（2015）在《基于散度分析的模拟图像信号特征选择》一文中研究指出在对模拟图像信号进行特征选择的过程中,容易出现各类别与模拟图像信号特征之间的关系考察不充分的情况,导致传统的基于优化蚁群算法的模拟图像信号特征选择方法,由于只在整个类标签集的角度上进行特征选择,无法有效实现模拟图像信号特征的选择,提出一种基于散度分析的模拟图像信号选择方法,建立特征选择问题的数学模型,依据Fisher准则的分类思想,将散度差作为模拟图像信号特征选择的准则,获取一种基于散度差的模拟图像信号特征分类选择方法,将加权矩阵散度差的迹看作是投影鉴别规则,通过获取一组最优投影方向,使得各种类别的原始向量经投影后可最大程度的被分离,对模拟图像信号特征值对应的特征向量进行标准正交化操作,从而实现模拟图像信号的特征选择。仿真实验结果表明,所提方法具有很高的准确性。(本文来源于《计算机仿真》期刊2015年01期）
高艳,荆晓远,吴飞,李昆,姚永芳[9]（2014）在《基于散度差的彩色人脸图像统计正交分析方法》一文中研究指出由于彩色人脸图像比灰度人脸图像包含了更多的信息,彩色人脸图像识别方法越来越受到学者的重视。而对于研究最多的RGB彩色空间,通常R(红)、G(绿)、B(蓝)叁分量间存在很大的相关性。为了最大程度去除各个分量之间的相关性从而提高识别效果,有学者提出了基于统计正交投影变换(SOA)的彩色人脸图像识别方法。然而,该方法在特征提取的过程中不可避免地存在奇异性问题。为了解决这个问题,文中提出了一种基于散度差的彩色人脸图像统计正交分析方法(SDFSOA)。此外,对所涉及的参数进行了合理的设置。实验结果表明所提方法能取得更好的识别效果。(本文来源于《计算机技术与发展》期刊2014年12期）
姜晖,刘振,王鹏[10]（2014）在《二维非参数最大散度差鉴别分析的SAR图像识别》一文中研究指出为增强线性鉴别分析(LDA)在图像识别中所提取特征的可鉴别性及避免小样本问题,提出了二维非参数最大散度差鉴别分析(2DNMSD)的图像特征提取方法。首先根据非参数特征分析的准则直接在二维图像矩阵上构造散布矩阵,然后基于最大散度差鉴别分析准则求取投影矢量。基于MSTAR计划录取的数据的仿真实验结果表明:即使方位角信息未知并且使用简单的最近邻分类器,该方法所提取特征在较低特征维数下的识别率也可以达到98%以上,表明了方法的有效性和正确性。(本文来源于《火力与指挥控制》期刊2014年05期）
图像散度论文开题报告
（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：
目的建立一种基于动力学聚类与α散度测度的因子分析方法,分析从动态心肌PET图像中无创地提取血输入函数及局部组织的时间活度曲线。方法通过最小化动态图像与因子模型间的α散度将动态PET图像做初步的分解,得到初始因子与因子图像,然后联合PET像素动力学聚类的先验信息解决因子分析模型中解的非唯一性问题,将初始因子与因子图像通过空间变换生成具有生理意义的组织活度曲线及组织空间分布。结果与传统的最小二乘法测度和最小化因子图像间重迭程度约束模型相比,本模型对噪声的敏感性较低,提取出的结果的精确性较高。结论通过选取最优的α值作为因子分析模型的测度,并引入PET图像像素的动力学聚类信息,能精确地获得血输入函数及局部组织的时间活度曲线,在视觉评价及量化评价均具有优质表现。
（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。
图像散度论文参考文献
[1].程丹松,何仕文,石大明,刘晓芳.基于Bregman散度和RSF模型的水平集图像分割方法[J].哈尔滨工业大学学报.2018
[2].王沛沛,路利军,曹双亮,李华勇,陈武凡.基于动力学聚类与α散度测度的动态心肌PET图像因子分析[J].南方医科大学学报.2017
[3].刘祎,张权,张鹏程,宋胜涛,陈阳.基于直觉模糊散度的噪声图像边缘检测[J].计算机工程与应用.2017
[4].王佳,王平,华小强,吴丰阳,曹亚菲.基于无迹变换的KL散度异源图像匹配方法[J].重庆理工大学学报(自然科学).2016
[5].刘琳,程丹松,何仕文,石大明,吴锐.结合KL散度和RSF模型的主动轮廓图像分割方法[J].哈尔滨工业大学学报.2016
[6].王恒,郑笔耕.基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法[J].测控技术.2016
[7].李瑞俊,高霞.惩罚KL散度耦合迭代分布加权的图像重构算法[J].包装工程.2015
[8].张军丽.基于散度分析的模拟图像信号特征选择[J].计算机仿真.2015
[9].高艳,荆晓远,吴飞,李昆,姚永芳.基于散度差的彩色人脸图像统计正交分析方法[J].计算机技术与发展.2014
[10].姜晖,刘振,王鹏.二维非参数最大散度差鉴别分析的SAR图像识别[J].火力与指挥控制.2014