导读:本文包含了最稳定极值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:织物毛球,傅里叶变换,最大稳定极值区域,形态学
最稳定极值区域论文文献综述
钱月晶[1]（2019）在《基于最大稳定极值区域的织物毛球分割算法》一文中研究指出针对传统的基于灰度值的单一阈值分割方法不能准确地分割出织物表面的毛球的问题,提出了一种基于最大稳定极值区域(MSER)的织物毛球分割的方法。该方法采用由粗到精的分割策略,首先利用频域滤波器对毛球进行粗分割,再利用最稳定极值区域检测算子提取粗分割结果中的极小值区域,进而对毛球进行精分割,最后利用形态学的方法对精分割结果中的小区域进行剔除,得到最终的毛球区域。实验将分割得到的毛球区域与实际的毛球区域进行融合比对,结果显示该方法能有效地对织物表面的毛球进行分割。(本文来源于《浙江工贸职业技术学院学报》期刊2019年03期）
马巧梅,石桓印,康珺[2]（2019）在《最大稳定极值区域与角点检测结合的医疗图像文本区域检测算法》一文中研究指出医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文本区域检测算法。该算法首先使用成分特征分析对最大稳定极值区域进行滤除,其次使用改进的最小核值相似区(smallest univalue segment assimilating nucleus,SUSAN)角点检测算子对剩余最大稳定极值区域进行检测并滤除,最后将检测出的所有文本区域使用膨胀处理进行合并即可得到医疗图像的文本区域。实验结果表明,使用该算法提取出的医疗图像文本区域的准确率、召回率和综合性能分别为0. 9、0. 92和0. 91,达到了理想的检测效果。(本文来源于《科学技术与工程》期刊2019年06期）
钱江,张桂荣,姚江,季建中,何平[3]（2019）在《最稳定极值区域与边缘增强的船名定位方法》一文中研究指出船名自动定位技术是船名身份自动识别的第一步,对推动船舶自动化管理有着重要意义。提出一种结合最稳定极值区域和边缘增强的船名定位方法。该方法在MSER(Maximally Stable Extremal Regions)区域检测Canny边缘,通过先验知识分析连通域最终实现定位船名。实验表明,该方法能适应昼间、夜间、强光和弱光多种光照环境,昼间数字定位准确率高达90.9%,昼间船名定位准确率达78.5%。(本文来源于《计算机应用与软件》期刊2019年02期）
兰添才,陈俊,张怡晨,李翠华[4]（2018）在《基于水平集和最大稳定极值区域的颈椎椎体分割方法》一文中研究指出颈椎椎体的分割在颈椎图像处理中起着关键的作用,是颈椎病灶确定和辅助诊断的重要基础.针对颈椎椎体边缘特征复杂的特点,提出一种基于水平集和最大稳定极值区域(maximally stable extremal regions,MSER)融合的颈椎椎体分割方法.首先采用基于图像密集度分布的图像分割方法对图像进行粗分割,自动提取颈椎区域;然后采用改进的水平集方法提取出颈椎椎体的前缘轮廓;根据颈椎椎体后缘的局部稳定特征,采用改进的MSER方法提取出椎体的后缘高亮区域,并结合椎体结构特征,采用最小二乘法拟合出椎体的后缘曲线;最后融合颈椎椎体前缘轮廓与后缘曲线,从而提取完整的颈椎椎体.实验结果表明,该方法能有效地分割和提取颈椎椎体,提取的后缘曲线接近专家手工提取的结果,可以为颈椎病的临床诊断提供更客观的诊断依据.(本文来源于《厦门大学学报(自然科学版)》期刊2018年02期）
范一华,邓德祥,颜佳[5]（2018）在《基于色彩空间的最大稳定极值区域的自然场景文本检测》一文中研究指出针对传统的最大稳定极值区域(MSER)方法无法很好地提取低对比度图像文本区域的问题,提出一种新的基于边缘增强的场景文本检测方法。首先,通过方向梯度值(HOG)有效地改进MSER方法,增强MSER方法对低对比度图像的鲁棒性,并在色彩空间分别求取最大稳定极值区域;其次,利用贝叶斯模型进行分类,主要采用笔画宽度、边缘梯度方向、拐角点叁个平移旋转不变性特征剔除非字符区域;最后,利用字符的几何特性将字符整合成文本行,在公共数据集国际分析与文档识别(ICDAR)2003和ICDAR 2013评估了算法性能。实验结果表明,基于色彩空间的边缘增强的MSER方法能够解决背景复杂和不能从对比度低的场景图像中正确提取文本区域的问题。基于贝叶斯模型的分类方法在小样本的情况下能够更好地筛选字符,实现较高的召回率。相比传统的MSER进行文本检测的方法,所提方法提高了系统的检测率和实时性。(本文来源于《计算机应用》期刊2018年01期）
肖意,姜军[6]（2015）在《基于最大稳定极值区域的车牌定位与字符分割》一文中研究指出车牌定位与字符分割是车牌识别系统进行字符识别前重要的两个步骤,论文将介绍一种高效的基于最大稳定极值区域(MSER)的车牌定位与分割算法。首先对图像进行预处理并提取MSER,根据MSER间几何关系将相邻的MSER聚类在一起作为一个车牌候选区域,再利用机器学习及标准车牌的特点对每个候选区域进行分析,定位出车牌区域。然后将车牌区域根据字符的个数及MSER间关系划分为不同等级,并对不同等级的车牌采用不同的分割算法。实验数据表明,该方法车牌定位的准确率是99.07%,字符分割的准确率为97.9%。(本文来源于《计算机与数字工程》期刊2015年12期）
康锋,胡洁,张华熊,周慧[7]（2015）在《基于最大稳定极值区域的织物图案检索》一文中研究指出针对织物扫描图像的特点,提出了一种通过图像最大稳定极值区域的加速稳健特征(SURF)检索织物图案的方法。首先用结构提取算法去除织物扫描图像的纹理,保留图案信息;其次通过最大稳定极值区域法检测织物图像,提取图案各区域的SURF特征,建立织物图像特征库;再将织物检索图像与特征库内的图像进行相似性度量,得到相似图案的织物图像。实验结果表明,提出的算法能够较准确地检索织物图案。(本文来源于《纺织学报》期刊2015年10期）
肖意[8]（2015）在《基于最大稳定极值区域的车牌识别系统研究》一文中研究指出车牌识别系统是现代智能交通系统的一个重要组成部分,本论文在分析前人算法基础上,提出和设计了一套新的基于最大稳定极值区域的车牌识别算法系统,主要研究内容如下:首先分析了最大稳定极值区域(Maximally Stable Extremal Regions,MSER)的基本算法及其思想和实现过程,针对车牌字符的特点,提出了对提取的MSER进行去重及初步清除的规则,以减少干扰的MSER数量,进而提高算法的效率。在车牌定位模块,首先根据MSER的几何关系,并结合车牌特点设计一套规则,对车牌进行粗定位。然后使用一种线性支持向量机(Support Vector Machine,SVM)分类器用于判断候选车牌区域内每个MSER是否为字符,所得结果用于对上一步得到的车牌候选区域进行精定位。最后提出了一种对候选车牌区域进行等级划分的方法,为后面的字符分割模块做准备。本车牌定位方案将车牌几何结构知识与内容相结合,改善了前人基于MSER的车牌定位算法的不足,提高了车牌定位的准确率。在字符分割模块,针对不同等级的车牌,提出了不同的字符分割方案,兼顾了速度和精度。对于一等车牌,可直接利用MSER的信息分割提取字符。对于二等车牌,则依次采用二值化、车牌倾斜校正和投影分割叁个步骤来提取字符。与现有方法不同,每个步骤都利用了MSER的信息。首先提出了一种新的基于MSER的二值化算法,该算法可有效避免光照不均导致字符无法被提取的问题。在车牌倾斜校正步骤,根据被识别为字符的MSER中心位置进行直线拟合,得到倾斜角度,完成水平校正。最后将MSER信息与投影分割相结合的方法进行字符分割。实验表明,本文提出的分割方案能够准确高效的进行车牌字符分割。在字符识别模块,通过实验比对,采用了方向梯度直方图(Histogram of Gradient,HOG)特征。对于数字和字母字符,提出了一种分级识别的思想,兼顾了识别精度和速度。对于汉字字符,由于每块车牌只有一个汉字,所以直接采用了识别能力强的非线性SVM。最后,本文对不同天气,不同光照条件下的1000张车牌图像进行整体车牌识别测试,车牌识别准确率为95.1%,平均耗时为90ms,能够同时满足实时性和准确性的要求。(本文来源于《华中科技大学》期刊2015-05-01）
王亚彬[9]（2014）在《基于最大稳定极值区域和相位一致性的仿射变换图像配准》一文中研究指出图像配准是图像融合、图像拼接、目标检测以及叁维重建等众多计算机视觉领域中重要的基础步骤。在不同时间、不同视角或者由不同传感器拍摄的同一场景中的图像,往往存在平移、旋转、缩放、仿射等几何变换。图像配准就是对存在上述几何变换的图像建立对应关系,达到校正图像坐标和形变的目的。与平移、旋转和缩放变换相比,仿射变换在更大的程度上改变了图像结构,这使得传统的特征提取方法很难或者无法准确地建立图像间的对应关系。因此,仿射变换图像的配准也变得更加困难。首先,本文详细地讨论了基于特征的图像配准方法中的四个基本步骤,即特征提取、特征匹配、变换参数估计和图像变换插值。在此基础上,着重研究了特征提取和特征匹配中常用的算法,包括Harris角点检测、尺度不变特征(SIFT)提取及匹配、完全仿射变换不变特征(ASIFT)提取及匹配、最大稳定极值区域(MSER)特征提取和相位一致性特征提取,并对这些算法应用于仿射变换图像配准中存在的问题进行了分析和总结。其次,针对上述算法存在的问题,提出了一种基于最大稳定极值区域和相位一致性特征相结合的仿射变换图像配准算法。该算法包括叁个步骤:(1)分别对参考图像和待配准图像进行MSER检测和匹配,对匹配的MSER区域的质心进行拟合和归一化处理获得两个大致对齐的圆形区域,并估计输入图像间的粗配准变换矩阵。(2)提出一种基于Gabor滤波分解的相位一致性特征点检测算法,使用该特征点提取算法分别在获得的两个圆形区域中进行特征点检测,得到两个特征点集合。(3)采用基于概率分布的点集配准算法估计两个点集间的仿射变换矩阵,将点集间的仿射变换矩阵与圆形区域间的粗配准变换矩阵相结合,计算出参考图像和待配准图像间的精确变换矩阵。最后,在Windows XP环境下,采用Matlab编程语言实现了本文的算法,并在相同运行环境下,与其它几种经典的基于区域的配准算法以及基于特征的仿射变换图像配准算法进行实验对比。仿真实验结果表明,本文提出配准算法能够获得比基于互信息(MI)和基于相关性(CC)的区域配准算法更高的配准精度;对于存在较大仿射变换的图像,本文提出的算法能够获得比基于SIFT特征的图像配准算法更好的配准效果;与基于MSER的图像配准算法相比,能够获得更多的正确匹配对、更高的特征重复率和配准精度;同时,比基于ASIFT的图像配准算法有更高的运算效率。此外,对于存在光照变化、模糊和JPEG压缩情况下的图像,本文算法也能获得比较好的配准结果。(本文来源于《西安电子科技大学》期刊2014-12-01）
韩峰[10]（2014）在《基于最大稳定极值区域的场景分类方法研究》一文中研究指出随着信息时代的到来,图像作为描述物体最形象最直观的方式,逐渐成为人类获取信息的重要来源和利用信息的重要手段,所以近几年来,越来越多的学者们将自己的目光转移到图像处理与计算机视觉等领域。自从上个世纪20年代第一张数字图像应用以来,随着电子信息技术的快速发展,大量的数字图像不断的涌现和传播的同时,也导致了大量繁琐重复性的图像分类和检索工作,传统人工标注的方式来管理和分类图像已经远远跟不上图像的增长速度。如何使用计算机自动高效的对所需图像进行检索和分类已经成为目前图像处理领域的一个当务之急。场景图像分类作为图像分类的一种,逐渐成为科学研究中不可缺少的强有力的工具,在图像检索、智能机器人场景识别等多个领域有着重要的理论价值和应用价值。本文首先介绍了场景图像分类领域的研究背景及意义,并对近十几年场景分类国内外的研究现状进行了详细的分析,对在场景分类过程中用到的多种方法进行了介绍和分析。第二,介绍了场景分类过程中经常用到的各种特征,并对其中的颜色特征、纹理特征和边缘特征这叁大底层特征做了详细说明介绍,选择其中的纹理特征作为本论文场景图像识别的基础特征。第叁,对原经典SURF (Speeded Up Robust Features)算法做了详细介绍,并且为了达到实时性的要求,提出了一种改进的SURF快速匹配算法,对原经典SURF算法提取的特征点进行分类,并结合BBF搜索算法对特征点进行匹配,最后通过MATLAB编程,实现了本文改进的SURF快速匹配算法与BBF搜索算法相结合的物体识别,并通过实验验证了该方法的有效性。第四,提出了将MSER算法用于场景图像分类的思想。设计了一种基于场景图像的MSER-SURF特征并综合场景图像纹理特征的场景图像识别分类方法。首先运用MSER算法提取场景图像的最大稳定极值区域,通过阈值的设定,去除那些面积过小的区域,筛选出符合条件的最大稳定极值区域,然后运用本文改进的SURF描述子对这些符合条件的最大稳定极值区域进行描述,并综合使用Gabor滤波器和LBP算法提取图像的纹理特征,同时设计使用了两级支持向量机对场景图像进行训练和分类。通过实验验证,本文提出的改进SURF快速匹配算法在匹配速度上较之原有经典算法有了不小的提高,准确度也有一定改善。同时,本文提出来的将MSER算法应用到场景识别分类领域的思想也经过实验验证了其有效性。(本文来源于《山东大学》期刊2014-04-20）
最稳定极值区域论文开题报告
（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：
医疗图像的文本区域检测在网络协同诊疗和医疗云的迅速发展中起着至关重要的作用。鉴于医疗图像相对复杂、文本字体太小而难以提取这一特殊问题,有针对性地提出了一种基于最大稳定极值区域算法与改进的角点检测算法相结合的医疗图像文本区域检测算法。该算法首先使用成分特征分析对最大稳定极值区域进行滤除,其次使用改进的最小核值相似区(smallest univalue segment assimilating nucleus,SUSAN)角点检测算子对剩余最大稳定极值区域进行检测并滤除,最后将检测出的所有文本区域使用膨胀处理进行合并即可得到医疗图像的文本区域。实验结果表明,使用该算法提取出的医疗图像文本区域的准确率、召回率和综合性能分别为0. 9、0. 92和0. 91,达到了理想的检测效果。
（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。
最稳定极值区域论文参考文献
[1].钱月晶.基于最大稳定极值区域的织物毛球分割算法[J].浙江工贸职业技术学院学报.2019
[2].马巧梅,石桓印,康珺.最大稳定极值区域与角点检测结合的医疗图像文本区域检测算法[J].科学技术与工程.2019
[3].钱江,张桂荣,姚江,季建中,何平.最稳定极值区域与边缘增强的船名定位方法[J].计算机应用与软件.2019
[4].兰添才,陈俊,张怡晨,李翠华.基于水平集和最大稳定极值区域的颈椎椎体分割方法[J].厦门大学学报(自然科学版).2018
[5].范一华,邓德祥,颜佳.基于色彩空间的最大稳定极值区域的自然场景文本检测[J].计算机应用.2018
[6].肖意,姜军.基于最大稳定极值区域的车牌定位与字符分割[J].计算机与数字工程.2015
[7].康锋,胡洁,张华熊,周慧.基于最大稳定极值区域的织物图案检索[J].纺织学报.2015
[8].肖意.基于最大稳定极值区域的车牌识别系统研究[D].华中科技大学.2015
[9].王亚彬.基于最大稳定极值区域和相位一致性的仿射变换图像配准[D].西安电子科技大学.2014
[10].韩峰.基于最大稳定极值区域的场景分类方法研究[D].山东大学.2014