导读:本文包含了多目图像论文开题报告文献综述及选题提纲参考文献，主要关键词:多目立体视觉测量,图像质量评价,图像对比度增强,激光辅助靶标
多目图像论文文献综述
王灵丽[1]（2016）在《大型锻件多目立体视觉测量图像处理方法研究》一文中研究指出大型锻件是我国重型装备制造业的基础,体现了国家制造水平的综合实力。为保证工程领域重大装备中关键零部件在极端服役工况下的物理性能与机械性能,通常采用锻造工艺进行毛坯件加工制造。然而,受限于我国大型锻件的加工制造水平,当前锻造工艺材料利用率低、能耗大,亟需准确、可靠的测量方法获取锻件的几何参数,用以合理规划锻造工艺、提高加工精度。在复杂的工业现场环境下实现大型锻件热态几何参数的精确、实时测量是十分困难的。针对目前双目立体视觉测量难以实现大型锻件全局尺寸精确测量的问题,本文提出了多目立体视觉测量方法。采用两组由双目相机构成的视觉传感器,分别从不同视角采集表征锻件尺寸特征的激光光条图像,并重建锻件多视数据,在视场重迭区域投射激光辅助拼接靶标准确求取视觉传感器间的转换关系,采用拼接技术将锻件多视数据转换到参考坐标系下,从而实现锻件整体尺寸测量。本文深入研究大型锻件多目立体视觉测量中图像处理方法,包括激光光条图像质量评价、图像对比度增强和多视数据拼接。由于现场烟尘干扰、锻压机遮挡,导致光条图像模糊或局部缺失,无法准确表征锻件特征,需要进行图像质量评价,识别出降质图像。本文分析激光光条图像灰度分布特性,建立综合考虑单幅图像质量与左右图像相关质量的互参考激光光条图像质量评价模型。锻造现场激光光条图像质量评价实验结果表明,该方法准确评价光条图像质量,提高锻件测量效率。针对光条图像局部亮度不均,导致锻件光条特征提取不完整的问题,提出将小波变换与限制对比度自适应直方图均衡化相结合的光条图像对比度增强方法,并进行激光光条图像增强与标准件测量实验。实验结果表明,该方法有效改善光条图像质量,提高锻件局部特征测量的精度。将获取的锻件多视数据转换到同一坐标系下,需要保证视觉传感器之间转换关系求取的准确性。本文设计投射在视觉传感器视场重迭区域的非正交激光网格靶标,以网格交点作为拼接特征点,并提出基于感兴趣区域的拼接特征点高精度提取算法。利用重建的拼接特征点,采用粗拼接与精确拼接结合的多视数据拼接方法,求取拼接转换矩阵。在实验室8.6m×5m的视场中,拼接误差在0.1%以内,满足锻件测量要求。在锻造现场搭建多目立体视觉测量系统,测量方形锻件平均高度为1325.1 mm,验证了本文提出的多目立体视觉测量方法对大型锻件尺寸测量的有效性。(本文来源于《大连理工大学》期刊2016-05-30）
朱景福,李民赞,张彦娥,赵瑞娇[2]（2010）在《玉米冠层平行多目图像匹配方法》一文中研究指出针对一种四通道矩形排列的多光谱相机,开发了一种平行多目成像匹配模型。利用相机拍摄了田间玉米冠层图像,相机的4个通道分别为R(红)、G(绿)、B(蓝)和NIR(近红外),拍摄距离为0.5m左右。分析了玉米冠层图像的特点,提出了一种图像匹配方法。该方法首先选择某一通道图像作为源图像,其他通道图像作为目标图像,源图像中叶片边缘作为源特征点,由该点18个方向的导数作分量构成特征向量。其次在目标图像中搜索相应的目标特征点,若在其中某一区域内的点与源特征点所在边缘方向夹角小于某阈值,将特征向量与源特征向量的距离为最小的点视为匹配的目标特征点,构成特征点对集合。对于该点对集合中每5对不共线特征点构造1个仿射变换,对所有仿射变换取平均值,构成从目标图像到源图像的仿射变换,完成图像匹配。该方法适用于不规则目标物,复杂背景,且目标物在不同通道中变化较大的情况,算法原理简单,实现容易。(本文来源于《农业工程学报》期刊2010年11期）
王静[3]（2010）在《多目立体视觉中图像匹配技术研究》一文中研究指出本文研究的主要内容是多目立体视觉的图像特征点匹配问题。图像特征点匹配指的是找出物体从不同角度拍摄后在不同图像上投影点的对应。为了提高图像匹配算法的精度和可靠性,首先将一套明显区别于背景物体的标记点粘贴到物体上对其进行拍摄,然后对拍摄图像进行处理,实现不同图像间同名点的匹配。为了使得特征点匹配以及叁维重建的结果更加精确,本文对边缘检测和特征点匹配问题进行了研究。主要的研究内容及创新点如下：1)、提出了一种改进的OFMM算法。由于OFMM算法运算量大,对OFMM算法的模板进行了改进,使边缘判定条件发生了改变。2)、提出了一种新的标记点自动检测算法。为了使边缘检测算法达到高效、快速、准确的运行效果,首先使用Canny算法对图像进行初始边缘定位,然后根据标记点的特征对无效边缘进行过滤,其次使用改进后的OFMM算法对图像边缘进行进一步修正,再次对标记点使用改进的算法分类,最后确定标记点的亚像素中心坐标。3)、提出一种基于相机姿态的匹配算法。首先根据已经匹配的编码元获取各幅图像的相机姿态,然后在相机姿态已知的情况下,根据极线约束实现非编码元的匹配,最后为了增加匹配点对并提高匹配的准确性,使用对称性距离约束对初匹配结果进行精匹配。(本文来源于《青岛大学》期刊2010-05-15）
佘堃[4]（2006）在《鲁棒图像多目数字水印技术研究》一文中研究指出数字水印是一种保护数字材料版权的方案。自从上个世纪90年代以来，越来越多的人工作在这个充满趣味、挑战和机会的研究领域。在本论文中，引入了LCNN(Lagrange约束神经网络)方法，模仿哺乳动物双眼系统比单眼更清晰的观测过程，以期获得更清晰的数字水印。经典LCNN(CLCNN)效率低，容易碰到“病态”矩阵问题。本文仔细研究了LCNN的学习矩阵的逼近过程，发现了Lagrange约束入与有监督学习目标min(As-X)之间的关系，引入x的逼近加速度替换入病态学习逼近的方案，更彻底地阐述了大脑有监督学习和无监督学习的“你中有我、我中有你”的关系。正是通过对这种并行学习的认识，本文提出了4类自适应LCNN(ALCNN)快速算法，为欠定稀疏分析(m＜n)和超超定(m＞＞n)分析的快速、并行实现，提供了新的思路和解决办法。本文在讨论多种主流数字水印技术(基于小波和基于独立成分)的基础上，自主设计了2种小波域自适应水印嵌入方案，一种是二值鲁棒水印，一种是鲁棒灰度水印。进一步，利用LCNN和双正交的小波基，设计了一个多分辨率子带分解与独立成分分析融合(MSD-ICA)的灰度数字水印嵌入方案，实验表明，对于较高强度的噪声、压缩等攻击，它的提取精度提高到90％以上，这对受环境影响较大的弱图像和弱水印的提取和验证是非常有用的。最后，针对安全中间件技术在电子政务印章系统中的应用项目，本文设计了一个基于双脆弱水印的电子印章公文保护方案，并申请了发明专利。在创新方面，归纳如下：(1)提出了一种根据宿主信号亮度变化自适应调整嵌入参数的灰度水印算法：针对灰度水印，自动调整插入和提取乘法系数。该算法对灰度水印和Cox的乘法、加法嵌入规则是有效的。能抗击水印游戏竞技中的较恶劣噪声、JPEG压缩等攻击。实际上，该算法对于一些背景亮度敏感的图片，效果也不错。相关内容发表在[134]。(2)提出了一种根据二值水印关键点的自适应调整的鲁棒参考水印算法：对着名的鲁棒参考水印算法(RRW)进行分析，针对其对纹理平滑部分的不适应的缺陷，提出了根据二值水印边界的关键点来选择不同长度网格(Grid)的量化指数算法，实验表明在所考虑的情况下该算法优于RRW算法，适应面更广。相关内容已经发表在[135][136]。(3)提出了4种快速、高效的自适应Lagrange约束神经网络(ALCNN)算法：重新认识了Lagrange函数约束项系数入的物理意义——有监督学习的加速度。所设计的4种算法的学习矩阵收敛都是O(n)，其中自适应调整λ算法的独立成分求解复杂度也是O(n)，使它具有更广阔的应用空间，并奠定了ICA大规模并行处理的基础；其它3种算法的独立成分求解复杂度都是O(n~2)，可以利用它们学习矩阵收敛的优势，在识别、追踪方面发挥作用。而带检验的ALCNN算法，则充分发挥了无监督学习、有监督学习的融合优势。这些工作经过总结，已递交到“电子科技大学学报”上。(4)设计了基于双脆弱水印的电子印章公文保护算法：将文档Hash值作为水印数据嵌入到电子印章里，加盖到电子文档中，使电子印章与文档相关联，以保护水印-文档的唯一性，具有数字签名性质。电子印章在单独存放时，用单位的标识作为脆弱水印嵌入，以保证印章的完整性。上述工作成果已集成到安全中间件体系架构中，并在“电子政务安全服务平台”项目中获得了应用。相关内容已经申请发明专利。专利申请号：200510021291．3，公开号：1725244。(5)提出了基于LCNN和小波技术嵌入灰度水印到彩色宿主图像的算法。使用LCNN的ICA技术，将灰度水印嵌入到彩色图像中。该方案对弱水印的提取效果较好，在好的不可感知性(高PSNR)的情况下，能获得较好的水印相似性NC。相关内容已经发表在[226][227]。(本文来源于《电子科技大学》期刊2006-09-01）
多目图像论文开题报告
（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：
针对一种四通道矩形排列的多光谱相机,开发了一种平行多目成像匹配模型。利用相机拍摄了田间玉米冠层图像,相机的4个通道分别为R(红)、G(绿)、B(蓝)和NIR(近红外),拍摄距离为0.5m左右。分析了玉米冠层图像的特点,提出了一种图像匹配方法。该方法首先选择某一通道图像作为源图像,其他通道图像作为目标图像,源图像中叶片边缘作为源特征点,由该点18个方向的导数作分量构成特征向量。其次在目标图像中搜索相应的目标特征点,若在其中某一区域内的点与源特征点所在边缘方向夹角小于某阈值,将特征向量与源特征向量的距离为最小的点视为匹配的目标特征点,构成特征点对集合。对于该点对集合中每5对不共线特征点构造1个仿射变换,对所有仿射变换取平均值,构成从目标图像到源图像的仿射变换,完成图像匹配。该方法适用于不规则目标物,复杂背景,且目标物在不同通道中变化较大的情况,算法原理简单,实现容易。
（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。
多目图像论文参考文献
[1].王灵丽.大型锻件多目立体视觉测量图像处理方法研究[D].大连理工大学.2016
[2].朱景福,李民赞,张彦娥,赵瑞娇.玉米冠层平行多目图像匹配方法[J].农业工程学报.2010
[3].王静.多目立体视觉中图像匹配技术研究[D].青岛大学.2010
[4].佘堃.鲁棒图像多目数字水印技术研究[D].电子科技大学.2006