导读:本文包含了图像细化论文开题报告文献综述及选题提纲参考文献，主要关键词:无人船,运行轨迹,图像分割,信息增强
图像细化论文文献综述
孙小进,蔡琼,李宇峰[1]（2018）在《无人船运行轨迹图像细化分割方法》一文中研究指出为了提高对无人船运行轨迹的规划和识别能力,需要对运行轨迹图像进行细化分割,提出一种基于块匹配和边缘轮廓特征分割的无人船运行轨迹图像的细化分割方法。对采集的无人船运行轨迹灰度图像进行模板分块处理,对分块图像进行二值化分离,采用小波分解方法进行图像的边缘轮廓特征分解和尺度融合,结合统计特征重构方法进行运行轨迹的自适应信息增强,以增强后的轨迹图像为模板进行轮廓套索,实现轨迹图像的边缘轮廓特征提取,在分块图像中以边缘轮廓特征为基准线,实现无人船运行轨迹图像的细化分割。仿真结果表明,该方法进行无人船运行轨迹图像分割的特征分辨力较好,分割精度较高,挺高了图像的输出辨识能力。(本文来源于《舰船科学技术》期刊2018年12期）
刘芳,张云洋[2]（2018）在《基于像素邻域点信息的藏文图像细化算法研究》一文中研究指出细化是图像处理和模式识别系统中的一个重要过程,在图像分析和图像识别中应用广泛。只有把多像素的线条细化为单像素线条轮廓才能准确地进行字符的切分和文字的特征提取,对后续字符的分析和识别起着关键的作用。根据藏文字符的结构和书写特征,首先对藏文数字图像利用局部自适应方法进行二值化处理,再采用基于基线的滤波处理噪声方法进行去噪处理,以尽量简单直观地还原字符最原始的真实信息。在细化过程中,通过对某个像素点的八个邻域点的连接情况,在对照矩阵中查找对应矩阵项的值判断该点是否能删除,对藏文字符各点逐一进行判断和细化处理,最终得到文字的骨架。该算法在藏文字符数字图像细化实验中效果良好,正确率高,实用性强。(本文来源于《计算机技术与发展》期刊2018年04期）
曲彦,魏本征,尹义龙,楚陪陪,丛金玉[3]（2017）在《肺实质CT图像细化分割》一文中研究指出目的由于肺部CT图像中各组织结构复杂、灰度分布不均匀,造成肺实质部分难以准确分割和提取。为了提高肺实质分割的准确率,本文提出了一种基于超像素的细化分割与模糊C均值聚类相结合的自动分割算法。方法该算法充分利用肺部CT图像的灰度、纹理特征,同时为了正确标记超像素的分类,引入一种空间邻域信息来增强空间约束进而有效地解决灰度不均匀的问题,它能够对肺实质进行分割并除去其周围的主血管,然后利用形态学知识去除肺部的分支血管。结果在临床患有四类疾病的患者CT图像数据集上采用改进的图像特征,使得肺实质分割的准确率提高了0.8%。同时,算法准确率提高到99.46%。结论实验结果表明,本文算法能够实现肺部CT图像肺实质的自动细化分割,结果准确适用。该算法鲁棒性好、速度快,是一种精确有效的自动肺实质分割方法。(本文来源于《中国图象图形学报》期刊2017年01期）
吕唐军[4]（2016）在《纬编针织物组织图像细化方法研究》一文中研究指出为解决纬编针织物图像中灯光阴影、纤维脱散等干扰项对细化的影响,提出对纬编织物图像采取标准欧氏距离的K均值聚类分割算法进行降噪除杂。根据图像细化需要,对比分析查表细化法和Hilditch算法细化法对纬编针织物图像细化的效果。找出细化后产生并线、毛刺问题的原因,给出具体调整、修正此类问题的方法,并通过试验证实纬编针织物图像细化中的并线、毛刺等问题有良好的修复效果。(本文来源于《针织工业》期刊2016年12期）
蔡秀梅,孙鹏[5]（2016）在《基于模板的指纹图像细化算法》一文中研究指出为了提高指纹图像细化处理后的效果,给出一种基于模板的指纹图像细化算法。在逐像素细化(One Pass Thinning Algorithm,OPTA)算法的基础上,构造9个消除模板和7个保留模板;通过迭代方法遍历图像中所有像素,当遇到目标点时,提取该点周围的15-邻域像素;将提取出的像素分别与两套模板匹配,以判断该目标点能否被删除。所给算法在不做任何额外前、后处理的前提下,能够对纹线完全细化,处理后图像光滑无毛刺。(本文来源于《西安邮电大学学报》期刊2016年03期）
瞿中,蒋玉萍,文倩云[6]（2015）在《一种方向链码扫描与跟踪的图像细化后期处理算法》一文中研究指出目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。(本文来源于《计算机科学》期刊2015年02期）
张德发,肜丽[7]（2014）在《多光源图像细化和细节增强的协同图像处理算法研究》一文中研究指出多光源图像合成处理过程中,为了增强图像的轮廓和表面细节,同时使合成后的图像边缘无伪迹、保真度高,提出了一种多光源图像细化与细节增强的协同处理算法。该算法通过梯度域法构建辅助层,采用二次过滤法提取出细节层,提出了新的阴影检测算法用来去除细节层的伪迹,同时使该细节层包含了输入图像的全部信息;使用一幅输入图像构造一个基础层并进行暗区亮度增强处理;细节层和基础层进行复合处理后,重现了暗影区丢失的细节,同时增强了现有的细节。该算法与其他算法进行图像处理对比实验,结果表明,该算法用于实现多光源图像细化和细节增强是可行的、有效的,采用这种方法合成的图像看起来更自然,相对于输入图像,输出图像保持了较高的保真度。该算法具有交互性,用户可以手动或自动调整合成图像的效果。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2014年02期）
焦春雨,常文革[8]（2013）在《基于几何主轴和Hough变换的超宽带SAR二值边缘图像细化方法》一文中研究指出从经典形态学细化方法研究出发,结合超宽带SAR图像特点和超宽带SAR图像道路提取的应用背景,提出了一种基于几何主轴和Hough变换的超宽带SAR图像边缘细化方法。该方法克服了经典形态学细化方法边缘细化中容易出现的毛刺现象和单纯Hough变换对于区域方向判定的误差,提高了道路边缘细化的完整性。其细化后的线基元形态良好,有利于线基元连接成完整的道路。(本文来源于《遥感信息》期刊2013年04期）
韩建峰,宋丽丽[9]（2013）在《改进的字符图像细化算法》一文中研究指出针对现有并行细化算法中存在的细化不完全、二像素宽斜线细化畸变等问题,提出一种改进的细化算法.首先对二值图像构造了一组保留模板和消除模板,采用算术逻辑运算对图像进行初步细化,并结合保留模板匹配将二像素宽斜线予以保留;再利用消除模板匹配进一步删除斜线上的冗余像素,得到8连接的单像素图像.针对字符图像的实验结果表明,文中算法能够有效地避免二像素宽斜线的细化畸变,保持了原图像的拓扑结构,实现图像的完全细化.(本文来源于《计算机辅助设计与图形学学报》期刊2013年01期）
钱超,王福明[10]（2012）在《指纹图像细化算法的研究》一文中研究指出指纹识别是一种重要的生物特征鉴别技术。随着计算机技术的不断发展,自动指纹识别系统得到广泛的应用。因此进一步提高指纹识别的性能具有十分重要的意义,而指纹图像增强在指纹图像预处理过程中非常重要,直接影响指纹识别的识别率和识别速度。对指纹图像的细化算法进行了较深入的研究,分析了OPTA算法并且在OPTA算法的基础上,重新构建了细化模板,提出了一种新的细化算法.经过实验证明,该算法能够很好地满足细化的要求,细化完全彻底,细化以后的指纹骨架在纹线中心线,并保持了纹线原有的拓扑结构和细节特征,而且光滑无毛刺,运算速度也很快。(本文来源于《电子测试》期刊2012年10期）
图像细化论文开题报告
（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：
细化是图像处理和模式识别系统中的一个重要过程,在图像分析和图像识别中应用广泛。只有把多像素的线条细化为单像素线条轮廓才能准确地进行字符的切分和文字的特征提取,对后续字符的分析和识别起着关键的作用。根据藏文字符的结构和书写特征,首先对藏文数字图像利用局部自适应方法进行二值化处理,再采用基于基线的滤波处理噪声方法进行去噪处理,以尽量简单直观地还原字符最原始的真实信息。在细化过程中,通过对某个像素点的八个邻域点的连接情况,在对照矩阵中查找对应矩阵项的值判断该点是否能删除,对藏文字符各点逐一进行判断和细化处理,最终得到文字的骨架。该算法在藏文字符数字图像细化实验中效果良好,正确率高,实用性强。
（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。
图像细化论文参考文献
[1].孙小进,蔡琼,李宇峰.无人船运行轨迹图像细化分割方法[J].舰船科学技术.2018
[2].刘芳,张云洋.基于像素邻域点信息的藏文图像细化算法研究[J].计算机技术与发展.2018
[3].曲彦,魏本征,尹义龙,楚陪陪,丛金玉.肺实质CT图像细化分割[J].中国图象图形学报.2017
[4].吕唐军.纬编针织物组织图像细化方法研究[J].针织工业.2016
[5].蔡秀梅,孙鹏.基于模板的指纹图像细化算法[J].西安邮电大学学报.2016
[6].瞿中,蒋玉萍,文倩云.一种方向链码扫描与跟踪的图像细化后期处理算法[J].计算机科学.2015
[7].张德发,肜丽.多光源图像细化和细节增强的协同图像处理算法研究[J].重庆邮电大学学报(自然科学版).2014
[8].焦春雨,常文革.基于几何主轴和Hough变换的超宽带SAR二值边缘图像细化方法[J].遥感信息.2013
[9].韩建峰,宋丽丽.改进的字符图像细化算法[J].计算机辅助设计与图形学学报.2013
[10].钱超,王福明.指纹图像细化算法的研究[J].电子测试.2012