导读:本文包含了运动区域分割论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,运动模糊,空间变化,模糊检测
运动区域分割论文文献综述
胡绍海,王敏茜[1]（2019）在《基于区域检测分割的运动模糊图像复原》一文中研究指出空间变化的运动模糊图像复原是当今图像处理领域的热点问题之一,而运动模糊区域检测更是其中的重点和难点.针对以往运动模糊区域检测算法的精确度较低的问题,提出基于检测分割的单帧运动模糊图像盲复原算法.结合多尺度感知和闭合型图分割,实现两步模糊区域检测.将检测到的模糊区域外延后进行复原,再将其去除外延部分并与清晰区域拼接,得到最终的复原结果.实验结果表明:本文算法不但显着提高了模糊区域检测精度,也有效提高了图像复原质量.同时,具有一定的普遍性,可以适用于自然场景下的多种空间变化的运动模糊图像.(本文来源于《北京交通大学学报》期刊2019年05期）
熊辉,孙书会[2]（2019）在《基于目标区域约束的人体手臂运动轨迹图像分割》一文中研究指出针对传统分割方法存在分割完整性不足、分割耗时较长以及分割精度较差的问题,提出基于目标区域约束的人体手臂运动轨迹图像分割方法.采取多阈值分割方法,对目标区域约束阈值进行设定,根据阈值取值,得出图像阈值分割曲面图.通过对比巴氏距离系数描述轨迹目标区域与候选目标区域之间的相似度,根据Mean Shift检索邻域范围内密度评估的极大值,迭代上述过程,不断更新运动轨迹目标,根据图像轨迹目标跟踪结果,利用目标区域约束法实现图像分割.结果表明,利用该方法后图像分割区域较为完整,耗时较短,分割精度明显提高.(本文来源于《沈阳工业大学学报》期刊2019年04期）
吕欢祝,代云川,王佳帅[3]（2019）在《基于模糊区域分割的运动图像复原优化模型》一文中研究指出图像的复原技术就是消除图像的模糊,产生一幅质量清晰的图像,例如对于运动模糊产生的图片,如果用肉眼直接观察很难对图像做出解释,这时需要利用图像复原技术来得到清晰的图像。本文针对空间变化的运动模糊图像,提出基于单帧图像的分割的盲复原方法。使用分区域进行腐蚀和膨胀实现对模糊区域分割后图像的新一步优化,取得了很好的效果。(本文来源于《中国新通信》期刊2019年03期）
魏晨[4]（2016）在《基于区域分割的抗遮挡运动人体跟踪算法》一文中研究指出运动目标的跟踪会受到遮挡、复杂背景等因素的影响。本章提出了一种基于目标分割的跟踪算法,将跟踪目标分为若干区域,融合模糊颜色直方图和梯度直方图的特征信息。在复杂的环境中,尤其是遮挡的情况下,具有较准确和稳定的表现。(本文来源于《电子测试》期刊2016年15期）
华漫,李燕玲[5]（2016）在《一种面向视觉注意区域检测的运动分割方法》一文中研究指出为了更有效地检测出视觉注意区域,结合视觉显着区检测的特点,提出一种面向视觉注意区域检测的运动分割方法,该方法用一种层次聚类方法将特征点的运动轨迹进行聚类。首先用均值偏移算法扩大了不同类型运动之间特征向量的差距,同时缩小了相同运动类型的差别;继而,用一种无监督聚类算法将不同类型的运动进行分割,同时自动获得运动分类数;最后利用运动分割结果,提出一种结合空间和颜色采样的运动显着区域生成方法。与以往方法相比,该方法能够将不同类型的运动自动进行分割,生成的视觉注意区域更为准确,而且稳定性大幅提高。实验结果证明了该方法的有效性和稳定性。(本文来源于《计算机应用研究》期刊2016年08期）
宋海英,熊建[6]（2014）在《应用变化区域检测方法实现运动车辆分割》一文中研究指出研究一种用于视频序列中运动车辆的提取方法,利用3帧对称差分的交集检测出视频帧中的运动区域,并利用2次横纵扫描方法,填充运动目标模板,最后将运动目标模板和当前帧逐像素点相乘,提取出运动目标。实验结果表明:该方法具有良好的分割效果。(本文来源于《成都工业学院学报》期刊2014年02期）
张琨,王翠荣,万聪,刘冰玉[7]（2013）在《引入区域种子的多运动目标分割算法》一文中研究指出针对智能监控系统中对多个运动目标进行图像分割这一问题,提出一种引入区域种子的多运动目标分割算法.算法首先利用背景减算法获得包含多个运动目标的前景图像,再利用四叉树分解方法获得与前景图像对应的稀疏矩阵,通过稀疏矩阵中数值的分布情况,计算出包含运动目标的区域种子点,从这些种子点出发,利用主动轮廓模型进行并行目标轮廓提取,最终完成多运动目标图像分割.实验结果证明本文算法能有效分割出前景图像中多个运动目标,分割结果与人眼视觉的判断相近,并行轮廓提取使算法具有良好的实时性.(本文来源于《小型微型计算机系统》期刊2013年08期）
李伟,何鹏举,杨恒,陈明[8]（2012）在《基于双阈值运动区域分割的AdaBoost行人检测算法》一文中研究指出结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题,提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧,利用前景帧与背景帧的差分图像拟合噪声曲线,提取噪声与亮暗运动目标的阈值,消除噪声,分割出运动区域;然后通过AdaBoost学习算法选择少量有效的Haar-like弱矩形特征构造强分类器;最后在运动区域利用强分类器检测是否包含行人。实验结果表明,该方法迅速缩小了检测范围,加快了检测速度,降低了误检率。(本文来源于《计算机应用研究》期刊2012年09期）
周大伟,刘雨[9]（2011）在《视频中运动目标结构特征提取的子区域分割方法》一文中研究指出视频中为了研究运动目标的结构特征,利用最远点、信息瓶颈、均值漂移等方法对运动目标进行图像分割实验,获得运动目标的结构子区域。通过对比实验数据,用均值漂移分割方法获得的运动目标子区域较合理,为下一步研究视频中运动目标结构特征提供了合适的运动目标结构子区域,对深入研究运动目标结构特征,利用结构特征进行目标跟踪与识别具有重要意义。(本文来源于《现代电子技术》期刊2011年08期）
李智慧,黄凤岗[10]（2008）在《一种基于区域收缩的运动分割算法》一文中研究指出运动分割需要估计出每个运动的运动模型参数和运动支持区。为准确地确定运动支持区,在最大后验边缘概率(MPM-MAP)算法的基础上,提出了一种新的基于区域收缩的运动分割算法,用于确定运动支持区。该算法先以属于某种运动概率最大的像素为备选像素,然后通过区域收缩选定备选像素密度最大的区域为支持区范围。此外,还提出了一种新的运动模型参数初值的估计方法,并将差分图像包围盒的确定和区域收缩相结合,用于运动模型参数的初值估计,该方法先估计运动区域,再估计运动模型参数,并通过运动分解、合并和消亡来获得准确的运动个数。实验结果表明,该方法是有效的。(本文来源于《中国图象图形学报》期刊2008年08期）
运动区域分割论文开题报告
（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：
针对传统分割方法存在分割完整性不足、分割耗时较长以及分割精度较差的问题,提出基于目标区域约束的人体手臂运动轨迹图像分割方法.采取多阈值分割方法,对目标区域约束阈值进行设定,根据阈值取值,得出图像阈值分割曲面图.通过对比巴氏距离系数描述轨迹目标区域与候选目标区域之间的相似度,根据Mean Shift检索邻域范围内密度评估的极大值,迭代上述过程,不断更新运动轨迹目标,根据图像轨迹目标跟踪结果,利用目标区域约束法实现图像分割.结果表明,利用该方法后图像分割区域较为完整,耗时较短,分割精度明显提高.
（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。
运动区域分割论文参考文献
[1].胡绍海,王敏茜.基于区域检测分割的运动模糊图像复原[J].北京交通大学学报.2019
[2].熊辉,孙书会.基于目标区域约束的人体手臂运动轨迹图像分割[J].沈阳工业大学学报.2019
[3].吕欢祝,代云川,王佳帅.基于模糊区域分割的运动图像复原优化模型[J].中国新通信.2019
[4].魏晨.基于区域分割的抗遮挡运动人体跟踪算法[J].电子测试.2016
[5].华漫,李燕玲.一种面向视觉注意区域检测的运动分割方法[J].计算机应用研究.2016
[6].宋海英,熊建.应用变化区域检测方法实现运动车辆分割[J].成都工业学院学报.2014
[7].张琨,王翠荣,万聪,刘冰玉.引入区域种子的多运动目标分割算法[J].小型微型计算机系统.2013
[8].李伟,何鹏举,杨恒,陈明.基于双阈值运动区域分割的AdaBoost行人检测算法[J].计算机应用研究.2012
[9].周大伟,刘雨.视频中运动目标结构特征提取的子区域分割方法[J].现代电子技术.2011
[10].李智慧,黄凤岗.一种基于区域收缩的运动分割算法[J].中国图象图形学报.2008