导读:本文包含了自适应模板匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:眼底图像,出血点,k均值聚类,自适应模板匹配
自适应模板匹配论文文献综述
肖志涛,赵北方,张芳,耿磊,吴骏[1]（2015）在《基于k均值聚类和自适应模板匹配的眼底出血点检测方法》一文中研究指出眼底出血点是糖尿病视网膜病变的早期症状,准确检测眼底图像中的出血点,对于构建糖尿病视网膜病变的自动筛查系统具有重要意义,本研究提出了一种基于k均值聚类和自适应模板匹配的出血点检测方法。首先利用HSV空间亮度校正以及对比度受限自适应直方图均衡化方法对眼底图像进行预处理,然后使用k均值聚类分割出候选目标,最后利用自适应归一化互相关模板匹配与支持向量机(SVM)分类器对候选目标进行筛选,从而得到真正的出血区。采用DIARETDB数据库的219幅眼底图像进行实验,本方法在图像水平的灵敏度为100%,特异性为80%,准确率为92.4%,在病灶水平的灵敏度为89%,阳性预测值为87.3%。结果表明本方法能够实现眼底图像中出血点的自动检测。(本文来源于《中国生物医学工程学报》期刊2015年03期）
王晓飞[2]（2015）在《基于3D自适应模板匹配的脑肿瘤检测算法研究》一文中研究指出随着肿瘤发病率的逐年提高,原发性脑肿瘤及脑转移瘤也不断增多。且脑肿瘤相对于其它部位的肿瘤对患者生存质量和生存时间的影响更加严重。现如今在肿瘤的诊断及治疗上,最大的问题在于很难在早期发现肿瘤,从而错过了最佳治疗时期。早期发现肿瘤成为改善患者生存质量,延长其生存时间的关键。目前,磁共振成像(MRI)方式是显示脑肿瘤的最佳方式,但是随着医疗费用的不断降低,国民经济条件的不断改善,随之而产生的海量MRI脑部图像成为临床医生的巨大负担。放射科医生凭借人眼对海量图像的长时间高强度的阅读,常因视觉疲劳或者经验等各种人为因素而造成误判、漏判。然而随着计算机图像处理与分析技术的不断发展,计算机辅助检测(CAD)技术成为解决这一难题的有效途径。CAD技术现已应用于众多场合,比如卫星图像识别、号牌识别、路牌识别、自动驾驶、机器视觉、图像检索等等。此外,随着近年来3D成像技术及3D图像处理技术的不断成熟,CAD对检测算法的效率、准确率、假阳性要求也不断提高,基于3D图像的CAD研究更是成为研究热点。在医学上,针对病灶的检测更是研究中的难点,按照检测方法的不同大致可以分为模板匹配方法和分类器方法。经过研究者几十年的努力,国内外已经研究出很多针对具体问题的检测方法,但是显然,在医学领域这些方法离成熟还有很长的路要走。本文总结了近年来在脑肿瘤CAD系统领域的一些研究成果,包括脑实质提取方法、感兴趣区域提取方法、基于模板匹配、分类器的检测方法。深入研究了3D自适应模板匹配方法。同时针对存在病灶的脑实质提取提出了一套完整可行的优化解决方案。本文以针对脑肿瘤检测的3D自适应模板匹配方法为研究重点,主要的贡献如下:1.针对存在病灶的脑实质分割进行算法实现之后,对BET算法进行了改进,改善了原算法中对含有肿瘤的病例提取效果,同时提出了一种有效的方法,使得在不影响提取效果的前提下,减小了脑实质提取的计算量,更重要的是,充分利用了图像的叁维信息。2.本文所采用的感兴趣区域提取算法能够更加有效快速地提取出尽可能包含所有脑肿瘤的感兴趣区域,以此作为后续模板建立以及检测算法的基础。其中提取算法对肿瘤的敏感性为99.38%。3.本文建立自适应叁维模板,并采用更加快速的匹配算法,避免了通常的匹配算法对体数据进行遍历搜索的弊端。并采用ROC曲线对本文算法检测性能进行分析。实验结果显示,本文方法的敏感性率为88.7097%,假阳性为16.03%。与近年来报道的模板匹配方法相比,本文方法的检测性能有明显的提高。且算法速度比近年来报道的算法提高了近60%-83%。(本文来源于《上海理工大学》期刊2015-01-01）
王晓飞,聂生东,王远军[3]（2015）在《一种检测脑肿瘤的3D自适应模板匹配算法》一文中研究指出为快速有效地检测脑肿瘤,提出一种基于3D自适应模板匹配算法的脑肿瘤快速检测方法。采用改进的BET(brain extraction tool)算法从磁共振颅脑图像中提取出脑实质;再从脑实质中提取出包含所有肿瘤结构的3D感兴趣区域,并采用圆形度等特征对这些3D感兴趣区域进行筛选,筛选后的3D感兴趣区域可能是脑肿瘤。以每个3D感兴趣区域的中间层为基本层建立3D模板,将建立的3D模板与原图像中相应位置的3D感兴趣区域进行匹配,根据匹配特征确定相应的阈值,将高于阈值的3D感兴趣区域标记为肿瘤区域。为评价算法的性能,采用包含124个肿瘤(3~15 mm)的23个临床病例对该方法进行测试,利用ROC(receiver operating characteristic)曲线对测试结果进行分析,结果显示,该方法的敏感性率为88.7097%,假阳性为16.03%。与近年来报道的模板匹配方法相比,检测性能有明显的提高。(本文来源于《计算机应用研究》期刊2015年05期）
杜立一,程咏梅,公续平,赵建涛[4]（2014）在《自适应模板匹配在自主空中加油跟踪中的应用》一文中研究指出自主空中加油技术越来越重要,在软管加油的对接阶段,运用模板匹配跟踪技术对目标进行跟踪。本文利用直方图均衡化、形态学算法和边缘轮廓提取得到初始模板;然后利用归一化相关匹配法对模板进行匹配,同时利用归一化相关值作为参考,判断是否对模板进行更新,从而得到自适应模板;为了缩小匹配时的搜索范围,加入了轨迹跟踪的算法,大大节省了运算时间。通过仿真实验显示,该算法切实可行。(本文来源于《电子设计工程》期刊2014年20期）
高婷,龚敬,王远军,聂生东,孙希文[5]（2014）在《检测肺结节的3维自适应模板匹配》一文中研究指出目的针对传统模板匹配方法检测肺结节存在的问题,提出一种用于CT图像中检测肺结节的3维自适应模板匹配算法。方法首先,从CT序列图像中分割出3维肺实质,采用Canny算子等方法从分割出的3维肺实质中提取3维感兴趣区域作为候选肺结节;然后,确定每个3维感兴趣区域的主方向和中心层,并以此中心层作为信息层,沿主方向对信息层进行3维扩展生成3维模板;最后,对自适应模板和候选结节的3维归一化互相关(NCC)相关系数进行计算,将相似性高于设定阈值的区域标记为肺结节。结果采用66个临床CT病例对本文方法进行了肺结节检测实验,结果显示本文方法对肺结节检测的敏感率为95.29%,假阳性为12.90%。结论本文方法对检测肺结节具有较高的敏感率和准确率,可在临床上有效辅助放射科医生对肺结节进行检测,从而提高放射科医生检测肺结节的准确性和工作效率。(本文来源于《中国图象图形学报》期刊2014年09期）
伊力哈木·亚尔买买提,谢丽蓉[6]（2014）在《基于自适应模板匹配的帧间全局运动估计算法》一文中研究指出针对传统的匹配方法在匹配模板与待匹配图像间存在噪声影响、亮度等差异时导致匹配算法在时间和精度上得不到很好的统一,由此影响到红外图像帧间全局运动估计和补偿问题,提出了基于自适应模板匹配的方法进行帧间全局运动估计算法。该算法首先利用模板选择策略进行待匹配模板的选取,提高匹配的精度;然后提出自适应模板匹配准则,以达到较好的匹配效果,克服噪声等奇异点对误差函数值的影响;最后提出菱形搜索策略,以便搜索到最佳匹配点,使搜索不至于陷入局部最优,并提高了搜索速度。仿真实验结果表明,在红外图像背景变化较为缓慢的情况下,所提算法降低了帧间全局运动估计计算复杂度,同时具有很好的匹配精度和准确性。(本文来源于《半导体光电》期刊2014年03期）
王婧,刘纪元,焦学峰,张皓[7]（2011）在《欠采样下自适应模板匹配在明渠测深中的应用》一文中研究指出简单地描述了水声测量法在测量明渠水深中的原理——匹配滤波法在水深测量中的应用,分析了欠采样回波波形与固定的本地匹配波做匹配存在的缺陷。针对这种缺陷下所引起的结果的误差,分析了一般校正法所存在的问题,从而提出了一种欠采样下的模板匹配技术。通过回波波形与不同本地匹配波形模板匹配,找到一组正确的回波本地波匹配对,从而规避了欠采样对匹配的影响。经过仿真测试,此种方法效果显着,在明渠水深测量中,能将精度最大误差由2.152 5 cm降低到3 mm,使测深精度提高了一个数量级。(本文来源于《电子设计工程》期刊2011年04期）
周晨辰,黄昶,王小明[8]（2010）在《基于特征匹配滤波的自适应模板跟踪算法》一文中研究指出针对头部目标跟踪的应用背景,在Mean Shift的框架下提出一种基于特征匹配滤波的自适应模板更新策略。该方法根据被跟踪目标在不同状态下所呈现出颜色的统计特征信息,采用颜色空间核密度估计匹配滤波的方法,对模板中局部区域像素的更新作出决策。实验结果表明,该算法有效解决了因头部旋转以及物体遮挡而导致模板不匹配的问题,实现了头部的连续跟踪,取得了很好的跟踪效果,提高了跟踪算法的整体稳定性和鲁棒性。(本文来源于《计算机系统应用》期刊2010年05期）
薛艳[9]（2009）在《基于自适应模板匹配的视频图像拼接技术研究》一文中研究指出本文的研究工作主要是基于安徽省二○○八年科技攻关计划面上项目(08010204253):“嵌入式集成视觉辅助行车安全系统”和安徽省二○○八年度科技计划项目(08020203013):“基于视频的多源图像拼接融合技术研究”。该项目针对行车安全问题提出了“嵌入式集成视觉辅助行车系统”。系统的核心问题是解决后视全景视频图像的拼接问题。针对该问题,本文设计并实现了基于自适应模板匹配的图像拼接算法。本文的主要工作如下:(1)设计了基于自适应模板匹配的视频拼接算法,该算法包括:几何校正、角点检测、自适应模板确定、模板匹配、最佳缝合线搜索和图像融合。(2)研究摄像机模型,设计了摄像机标定算法,并且利用标定获取的摄像头内参对视频图像进行几何校正。(3)设计了基于角点检测和投票机制的自适应模板匹配算法,并运用动态规划的思想搜索最佳的缝合线拼接图像,有效的解决了重迭区域存在运动物体的相邻图像在拼接时产生的鬼影问题。(4)利用渐入渐出方法对图像进行平滑拼接,并给出算法的精度分析和算法实时性分析(本文来源于《合肥工业大学》期刊2009-04-01）
张晶,李志敏,黄凡[10]（2008）在《一种改进的自适应模板匹配法》一文中研究指出本文提出了一种基于数据流修正的自适应模板匹配定位方法。该方法首先在图像预处理的基础上,进行模板匹配,从而定位待识别目标;然后采用数据流修正的自适应方法,根据待识别目标的大小来改变模板尺寸,避免了设置固定模板的缺陷;最后,对模板匹配算法进行优化,使模板匹配的效率得到提高。采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求。(本文来源于《微计算机信息》期刊2008年27期）
自适应模板匹配论文开题报告
（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：
随着肿瘤发病率的逐年提高,原发性脑肿瘤及脑转移瘤也不断增多。且脑肿瘤相对于其它部位的肿瘤对患者生存质量和生存时间的影响更加严重。现如今在肿瘤的诊断及治疗上,最大的问题在于很难在早期发现肿瘤,从而错过了最佳治疗时期。早期发现肿瘤成为改善患者生存质量,延长其生存时间的关键。目前,磁共振成像(MRI)方式是显示脑肿瘤的最佳方式,但是随着医疗费用的不断降低,国民经济条件的不断改善,随之而产生的海量MRI脑部图像成为临床医生的巨大负担。放射科医生凭借人眼对海量图像的长时间高强度的阅读,常因视觉疲劳或者经验等各种人为因素而造成误判、漏判。然而随着计算机图像处理与分析技术的不断发展,计算机辅助检测(CAD)技术成为解决这一难题的有效途径。CAD技术现已应用于众多场合,比如卫星图像识别、号牌识别、路牌识别、自动驾驶、机器视觉、图像检索等等。此外,随着近年来3D成像技术及3D图像处理技术的不断成熟,CAD对检测算法的效率、准确率、假阳性要求也不断提高,基于3D图像的CAD研究更是成为研究热点。在医学上,针对病灶的检测更是研究中的难点,按照检测方法的不同大致可以分为模板匹配方法和分类器方法。经过研究者几十年的努力,国内外已经研究出很多针对具体问题的检测方法,但是显然,在医学领域这些方法离成熟还有很长的路要走。本文总结了近年来在脑肿瘤CAD系统领域的一些研究成果,包括脑实质提取方法、感兴趣区域提取方法、基于模板匹配、分类器的检测方法。深入研究了3D自适应模板匹配方法。同时针对存在病灶的脑实质提取提出了一套完整可行的优化解决方案。本文以针对脑肿瘤检测的3D自适应模板匹配方法为研究重点,主要的贡献如下:1.针对存在病灶的脑实质分割进行算法实现之后,对BET算法进行了改进,改善了原算法中对含有肿瘤的病例提取效果,同时提出了一种有效的方法,使得在不影响提取效果的前提下,减小了脑实质提取的计算量,更重要的是,充分利用了图像的叁维信息。2.本文所采用的感兴趣区域提取算法能够更加有效快速地提取出尽可能包含所有脑肿瘤的感兴趣区域,以此作为后续模板建立以及检测算法的基础。其中提取算法对肿瘤的敏感性为99.38%。3.本文建立自适应叁维模板,并采用更加快速的匹配算法,避免了通常的匹配算法对体数据进行遍历搜索的弊端。并采用ROC曲线对本文算法检测性能进行分析。实验结果显示,本文方法的敏感性率为88.7097%,假阳性为16.03%。与近年来报道的模板匹配方法相比,本文方法的检测性能有明显的提高。且算法速度比近年来报道的算法提高了近60%-83%。
（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。
自适应模板匹配论文参考文献
[1].肖志涛,赵北方,张芳,耿磊,吴骏.基于k均值聚类和自适应模板匹配的眼底出血点检测方法[J].中国生物医学工程学报.2015
[2].王晓飞.基于3D自适应模板匹配的脑肿瘤检测算法研究[D].上海理工大学.2015
[3].王晓飞,聂生东,王远军.一种检测脑肿瘤的3D自适应模板匹配算法[J].计算机应用研究.2015
[4].杜立一,程咏梅,公续平,赵建涛.自适应模板匹配在自主空中加油跟踪中的应用[J].电子设计工程.2014
[5].高婷,龚敬,王远军,聂生东,孙希文.检测肺结节的3维自适应模板匹配[J].中国图象图形学报.2014
[6].伊力哈木·亚尔买买提,谢丽蓉.基于自适应模板匹配的帧间全局运动估计算法[J].半导体光电.2014
[7].王婧,刘纪元,焦学峰,张皓.欠采样下自适应模板匹配在明渠测深中的应用[J].电子设计工程.2011
[8].周晨辰,黄昶,王小明.基于特征匹配滤波的自适应模板跟踪算法[J].计算机系统应用.2010
[9].薛艳.基于自适应模板匹配的视频图像拼接技术研究[D].合肥工业大学.2009
[10].张晶,李志敏,黄凡.一种改进的自适应模板匹配法[J].微计算机信息.2008