导读:本文包含了光照无关图论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分析,水果,算法,苹果
光照无关图论文文献综述
宋怀波,屈卫锋,王丹丹,余秀丽,何东健[1]（2014）在《基于光照无关图理论的苹果表面阴影去除方法》一文中研究指出阴影影响下苹果目标的快速准确识别是苹果采摘机器人视觉系统必须解决的关键技术之一。为了实现阴影影响下苹果目标的准确识别,该研究采用光照无关图理论实现了苹果表面阴影的去除。以自然场景下获取的受不同程度阴影影响的苹果目标图像为研究对象,首先利用光照无关图原理获取阴影苹果图像的光照无关图,达到突出苹果目标阴影区域的目的;其次提取原图像的红色分量信息并与关照无关图进行相加处理;最后将相加后的图像进行自适应阈值分割处理,达到去除阴影的目的。为了验证该算法的有效性与准确性,利用20幅受阴影影响的苹果目标图像进行了试验,并与Otsu算法、1.5*R-G色差算法进行了对比,试验结果表明:Otsu算法仅能识别出未受阴影影响的苹果区域;1.5*R-G色差算法受光照影响较大,对于苹果图像的相对强光照区域和部分阴影区域不能有效识别;基于光照无关图的苹果表面阴影去除方法对阴影影响下的苹果目标图像分割效果较好,可以克服光照过强的问题,并准确识别出阴影影响下的苹果目标。文中算法的平均假阳性率为17.49%,比Otsu算法降低了52.84%,比1.5*R-G算法降低了26.18%;文中算法的平均重迭系数为86.59%,比Otsu算法提高了47.2%,比1.5*R-G算法提高了11.03%;表明利用光照无关图可以有效地去除苹果表面的阴影,将其应用于阴影影响下的苹果目标的识别是可行的。(本文来源于《农业工程学报》期刊2014年24期）
傅利琴[2]（2013）在《基于光照无关图的图像去阴影方法研究》一文中研究指出阴影是一种由成像条件引起的图像降质现象，它使地物目标反映的信息量缺损或受到干扰，降低图像的解译精度，严重影响图像的各种定量分析与应用。为了消除阴影对后续图像处理带来的不利影响，必须对图像中的阴影区域进行去除。目前典型的阴影去除方法主要分为两类：基于泊松方程的阴影去除算法和基于阴影因子估计的阴影去除算法。第一类方法操作简单，但由于简单地将阴影边界梯度设置为零，导致恢复后图像中阴影边界的纹理丢失严重。第二类方法将阴影分为全影和半影，且分别对其进行处理，去除结果比传统方法具有较好的改进。然而，该类方法需多次人机交互，复杂度较高。而且这两类方法都必须确定精确的阴影边界，边界定位的精确程度直接影响阴影去除效果，这对于纹理丰富或场景复杂的图像本身就是一个难点。针对这些问题和不足，本文的主要工作和创新之处体现在以下方面：1、分析了阴影的光谱和几何特性，总结了当前的阴影去除方法的优缺点，提出了基于Fisher判别的光照无关图去阴影算法。该方法不需要检测阴影边界，只需利用光照无关图与各波段灰度图像之间的线性关系，重构出无阴影的彩色图像。针对传统的光照无关图通过遍历获取最佳投影方向，速度慢且精度不高的问题，提出了利用Fisher判别方法快速精确地取得最佳投影方向，从而获得精确的光照无关图。2、提出了基于梯度域的阴影去除算法。先确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化地修正，得到无阴影图像的梯度场。最后利用泊松方程，恢复出阴影区域内的信息。该算法操作简单，且阴影区域内纹理细节得到了较好恢复。通过以上工作，本文实现了复杂场景下阴影快速有效地去除，同时阴影区域内的纹理细节得到了较好地恢复，且不需要多次人机交互。通过对多幅图像进行实验，验证了算法的有效性和可行性。(本文来源于《上海大学》期刊2013-01-01）
常华耀,王军政,陈超,李静[3]（2011）在《一种基于光照无关图的车道检测方法》一文中研究指出针对无人车辆道路检测时,特征提取易受光照变化和阴影影响的问题,提出一种基于光照无关图的车道检测方法.使用最小熵值法离线求取图像的光照无关角,对图像每个像素点在对数色度空间向光照无关方向投影得到光照无关灰度图;利用Canny算子提取光照无关图边缘,在边缘图上寻找线段基元以减弱细小边缘的干扰;使用改进投票空间的Hough变换检测直线,采用分段线性道路模型描述道路边界.实验表明,该算法能够有效减弱阴影和光照变化造成的影响,准确识别道路边界,满足实时性要求.(本文来源于《北京理工大学学报》期刊2011年11期）
史久根,何慧[4]（2011）在《基于光照无关图的护理机器人视觉导航》一文中研究指出完成机器人室内导航是护理机器人视觉导航系统的一个基础功能。由于室内环境的复杂性,如光照或是移动障碍物等外界因素的影响使导航参数的提取变得困难。本文采用基于光照无关图的阴影去除方法解决护理机器人室内视觉导航中存在的阴影干扰问题,在此基础上采用一种新的模糊分类熵算法来进行图像分割以此进行边缘检测,完成边缘检测后利用优化的Hough变换提取地面瓷砖中心线并通过坐标转换获得导航参数。实验结果表明基于光照无关图的阴影去除方法可以满足导航实时性的要求,并且提高了护理机器人在光照变化的情况下导航参数提取的鲁棒性。(本文来源于《2011中国仪器仪表与测控技术大会论文集》期刊2011-10-01）
屠珺,刘成良,李彦明,周俊,苑进[5]（2010）在《基于光照无关图的苹果图像识别方法》一文中研究指出为了解决苹果采摘机器人的果实识别率在不同光照条件下表现不稳定的问题,该文提出一种基于光照无关图的苹果识别方法。该方法首先采用中值滤波法对苹果图像进行预处理,然后对处理后的彩色图像提取光照无关图,消除光照变化的影响,再采用Ostu阈值分割法进行目标果实的提取。最后通过对苹果图像进行识别试验的结果表明,在4种不同的光照情况下,采用基于光照无关图的识别方法得出的识别率的稳定度是不采用光照无关图的识别方法的3倍,并且其平均识别率也高达90.45%。基于光照无关图的苹果识别方法能够克服光照变化对目标识别带来的负面影响,完善室外环境果实识别技术。(本文来源于《农业工程学报》期刊2010年S2期）
安秋,李志臣,姬长英,周俊[6]（2009）在《基于光照无关图的农业机器人视觉导航算法》一文中研究指出完成沿作物行的行走作业是农业机器人视觉导航系统的一个基础功能,但是由于田间环境的复杂性,比如阴影的存在和天气的恶劣变化等外界因素的影响使导航参数的提取变得困难。该研究针对农业机器人视觉导航中存在的阴影干扰问题,采用基于光照无关图的方法去除导航图像中的阴影,然后采用增强的最大类间方差法进行图像分割和优化的Hough变换提取作物行中心线,最终通过坐标转换获得导航参数。最后,通过作物行跟踪试验表明,基于光照无关图的阴影去除方法不仅满足了导航实时性的要求,而且使农业机器人在光照变化的情况下导航参数提取的鲁棒性有了更大的提高。(本文来源于《农业工程学报》期刊2009年11期）
刘富强,李洲晖[7]（2007）在《基于光照无关图的阴影去除方法》一文中研究指出为了在检测目标时排除阴影的干扰,首先论述了光照无关图的原理及其重要性质,然后在此基础上提出了一种基于光照无关图的阴影去除方法。该方法根据光学成像原理通过对图像进行变换来得到一幅与光照无关的灰度图,以达到去除阴影的目的。同时针对该方法需事先测定摄像机的光照无关角的不便之处,还提出了基于直方图统计的摄像机光照无关角判定法则。通过对大量不同场景下视频监控图像的实际测试结果表明,基于光照无关图的阴影去除方法以及基于直方图统计的光照无关角判定方法,可以有效去除目标阴影,并可准确分割目标。(本文来源于《中国图象图形学报》期刊2007年10期）
光照无关图论文开题报告
（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：
阴影是一种由成像条件引起的图像降质现象，它使地物目标反映的信息量缺损或受到干扰，降低图像的解译精度，严重影响图像的各种定量分析与应用。为了消除阴影对后续图像处理带来的不利影响，必须对图像中的阴影区域进行去除。目前典型的阴影去除方法主要分为两类：基于泊松方程的阴影去除算法和基于阴影因子估计的阴影去除算法。第一类方法操作简单，但由于简单地将阴影边界梯度设置为零，导致恢复后图像中阴影边界的纹理丢失严重。第二类方法将阴影分为全影和半影，且分别对其进行处理，去除结果比传统方法具有较好的改进。然而，该类方法需多次人机交互，复杂度较高。而且这两类方法都必须确定精确的阴影边界，边界定位的精确程度直接影响阴影去除效果，这对于纹理丰富或场景复杂的图像本身就是一个难点。针对这些问题和不足，本文的主要工作和创新之处体现在以下方面：1、分析了阴影的光谱和几何特性，总结了当前的阴影去除方法的优缺点，提出了基于Fisher判别的光照无关图去阴影算法。该方法不需要检测阴影边界，只需利用光照无关图与各波段灰度图像之间的线性关系，重构出无阴影的彩色图像。针对传统的光照无关图通过遍历获取最佳投影方向，速度慢且精度不高的问题，提出了利用Fisher判别方法快速精确地取得最佳投影方向，从而获得精确的光照无关图。2、提出了基于梯度域的阴影去除算法。先确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化地修正，得到无阴影图像的梯度场。最后利用泊松方程，恢复出阴影区域内的信息。该算法操作简单，且阴影区域内纹理细节得到了较好恢复。通过以上工作，本文实现了复杂场景下阴影快速有效地去除，同时阴影区域内的纹理细节得到了较好地恢复，且不需要多次人机交互。通过对多幅图像进行实验，验证了算法的有效性和可行性。
（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。
光照无关图论文参考文献
[1].宋怀波,屈卫锋,王丹丹,余秀丽,何东健.基于光照无关图理论的苹果表面阴影去除方法[J].农业工程学报.2014
[2].傅利琴.基于光照无关图的图像去阴影方法研究[D].上海大学.2013
[3].常华耀,王军政,陈超,李静.一种基于光照无关图的车道检测方法[J].北京理工大学学报.2011
[4].史久根,何慧.基于光照无关图的护理机器人视觉导航[C].2011中国仪器仪表与测控技术大会论文集.2011
[5].屠珺,刘成良,李彦明,周俊,苑进.基于光照无关图的苹果图像识别方法[J].农业工程学报.2010
[6].安秋,李志臣,姬长英,周俊.基于光照无关图的农业机器人视觉导航算法[J].农业工程学报.2009
[7].刘富强,李洲晖.基于光照无关图的阴影去除方法[J].中国图象图形学报.2007