导读:本文包含了图像分解论文开题报告文献综述及选题提纲参考文献，主要关键词:图像增强,二维变分模态算法,引导滤波,Retinex算法
图像分解论文文献综述
贾焕,杨铁梅,李琴琴[1]（2019）在《基于二维变分模态分解的矿井图像增强方法》一文中研究指出针对煤矿主皮带图像的低光照、多尘雾、噪声大等问题,提出一种基于加权引导滤波的二维变分模态算法对主皮带图像进行增强。该算法对预处理的图像进行二维自适应非递归变分分解,对分解后的低频子模态进行加权引导滤波,增强图像的边缘细节以提高图像清晰度;并采用去噪能力强维纳斯滤波器。通过与自适应双边滤波和加权引导滤波技术仿真对比,该方法在图像边缘细节、滤除噪声等方面视觉效果不错,同时客观的峰值信噪比参数较高,均方差参数较低。(本文来源于《太原科技大学学报》期刊2019年06期）
谢斌,黄安,黄辉[2]（2019）在《本征图像分解的稀疏表示彩色图像去噪算法》一文中研究指出为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7dB和0.67dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。(本文来源于《液晶与显示》期刊2019年11期）
刘佩,贾建,陈莉,安影[3]（2019）在《基于快速自适应的二维经验模态分解的图像去噪算法》一文中研究指出为了能够对图像进行自适应的分解,并准确刻画分解系数的分布状态,提出了一种新的基于快速自适应二维经验模态分解的图像去噪算法。该算法首先对图像进行快速自适应二维经验模态分解,通过确定分解后以噪声主导的子带的个数,进一步利用正态逆高斯模型对以噪声主导的子带系数分布进行建模;然后使用贝叶斯最大后验概率估计理论从模型导出相应的阈值;最后采用最优线性插值阈值函数算法完成去噪。仿真结果表明,对于添加不同标准差大小高斯白噪声的测试图像,所提算法在峰值信噪比上相比sym4小波去噪、双变量阈值去噪、邻近算子的全变分算法和重迭组稀疏的全变分算法分别平均提高了4.36 dB,0.85 dB,0.78 dB和0.48 dB,结构相似性指数也有不同程度的提高,有效地保留了更多的图像细节。实验结果证明,所提算法在视觉性能和评价指标方面均优于对比算法。(本文来源于《计算机科学》期刊2019年11期）
王小春,葛雨凡,杨晨箫,黎星言[4]（2019）在《基于多尺度几何分解的光照不均图像增强方法》一文中研究指出针对光照不均匀的图像,结合W系统和NSCT变换,提出了一种新的图像增强方法.方法首先利用W变换对图像进行多尺度分解,然后利用NSCT中的非下采样方向滤波器组对尺度分解中的高频部分进行方向分解,得到不同尺度不同方向上的变换系数.在多尺度几何分解的基础上,对低频子带图像采用动态直方图均衡化、高频子带图像采用同态滤波的方法进行增强处理,最后利用非线性函数减小图像明、暗部分灰度值的差异,得到最后的增强结果.仿真实验结果表明,算法无论在视觉效果上还是客观评价指标上都优于其他被比较的四种增强算法,对于过亮、过暗以及局部光照不均匀的图像均取得了更好的增强效果,在增强图像细节的同时能有效抑制图像的伪吉布斯失真和过增强失真.在评价指标上,算法对叁组经典图像处理后的增强图像的信息熵分别达到了10.0755、9.7879、10.5338,明显优于其他方法.(本文来源于《数学的实践与认识》期刊2019年21期）
高冬梅[5]（2019）在《基于VO图像分解模型的多聚焦图像融合》一文中研究指出为了克服由于光学成像原理的局限性导致的图像局部失焦模糊现象,提出一种基于VO图像分解模型的多聚焦图像融合方法,待融合图像经VO模型被分解成纹理和结构两部分,再用清晰度函数分别进行融合,最后通过形态学运算优化决策图重构融合图像。实验结果在主观视觉上表现出较好的效果。(本文来源于《现代计算机》期刊2019年31期）
贾慧迪,韩志,陈希爱,唐延东[6]（2019）在《基于非局部张量火车分解的彩色图像修补》一文中研究指出数据在采集和转换的过程中通常存在部分数据丢失的问题,丢失数据的补全直接影响后续的识别、跟踪等高层任务的结果.自然图像中经常存在许多具有重复特性的相似结构,利用该类冗余信息,文中提出基于非局部张量火车分解的张量补全方法.利用图像的非局部相似性,挖掘其中蕴含的低秩特性,并通过张量火车分解模型进行建模及升阶,将低阶张量转化为高阶以进行低秩信息的进一步挖掘利用,从而进行图像中缺失数据的修补.实验验证文中方法在图像修补上的有效性.(本文来源于《模式识别与人工智能》期刊2019年10期）
王雪,靳伍银[7]（2019）在《基于矩阵低秩稀疏分解的图像去噪算法》一文中研究指出为解决传统图像去噪方法存在的纹理失真、边缘模糊等问题,基于矩阵低秩稀疏分解理论,改进低秩矩阵恢复去噪时对于高斯噪声约束的不足,提出一种局部图像块正则的模型,采用非精确增广拉格朗日乘子法(IALM)对该模型进行求解。实验结果表明,与低秩矩阵恢复去除图像噪声相比,该算法对于高斯白噪声和脉冲噪声的混合噪声模型去噪效果更优。(本文来源于《计算机工程与设计》期刊2019年10期）
李天昊,杨士东,孔汉,郑凯[8]（2019）在《改进奇异值分解去噪的图像盲复原的研究》一文中研究指出图像复原过程,对先验条件的了解通常很少,因此图像盲复原得到广泛应用。本文介绍了一些图像盲复原的算法,分析了奇异值分解去噪的不足,引进了一种改进的去噪方法。最后,利用EM算法从模糊图像估计点扩散函数,分别对比不同方差的噪声类型、不同大小图像在改进前后复原的结果,证明了改进奇异值分解算法去噪的有效性。(本文来源于《科学技术创新》期刊2019年28期）
李嫄嫄[9]（2019）在《图像分解在美术图像识读教学中的应用》一文中研究指出美术学科核心素养中的图像识读是指对美术作品、图形、影像及其他视觉符号的观看、识别和解读。在美术教学过程中,运用图像分解的方法将难以理解的美术作品,通过最基本的元素进行分解,能够有效提升学生对美术作品的感知能力和理解能力,进而提升学生的图像识读能力。(本文来源于《基础教育论坛》期刊2019年25期）
董剑龙,王浩全[10]（2019）在《基于图像分解的复杂图片中文字干扰消除》一文中研究指出针对复杂图片中文字对视觉的干扰,通过图像分解对其结构分量与纹理分量进行分离,结构分量中的文字干扰采用TV模型对其进行消除,纹理分量中的文字干扰运用Laplacian算子对所在区域进行定位,再用Criminisi算法对其有效消除.仿真结果表明,该方法对复杂图片中文字的干扰消除高效实用.(本文来源于《新疆大学学报(自然科学版)》期刊2019年03期）
图像分解论文开题报告
（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：
为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7dB和0.67dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。
（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。
图像分解论文参考文献
[1].贾焕,杨铁梅,李琴琴.基于二维变分模态分解的矿井图像增强方法[J].太原科技大学学报.2019
[2].谢斌,黄安,黄辉.本征图像分解的稀疏表示彩色图像去噪算法[J].液晶与显示.2019
[3].刘佩,贾建,陈莉,安影.基于快速自适应的二维经验模态分解的图像去噪算法[J].计算机科学.2019
[4].王小春,葛雨凡,杨晨箫,黎星言.基于多尺度几何分解的光照不均图像增强方法[J].数学的实践与认识.2019
[5].高冬梅.基于VO图像分解模型的多聚焦图像融合[J].现代计算机.2019
[6].贾慧迪,韩志,陈希爱,唐延东.基于非局部张量火车分解的彩色图像修补[J].模式识别与人工智能.2019
[7].王雪,靳伍银.基于矩阵低秩稀疏分解的图像去噪算法[J].计算机工程与设计.2019
[8].李天昊,杨士东,孔汉,郑凯.改进奇异值分解去噪的图像盲复原的研究[J].科学技术创新.2019
[9].李嫄嫄.图像分解在美术图像识读教学中的应用[J].基础教育论坛.2019
[10].董剑龙,王浩全.基于图像分解的复杂图片中文字干扰消除[J].新疆大学学报(自然科学版).2019