导读:本文包含了局部高斯模型论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,活动轮廓模型,Grü,mwald-Letnikov分数阶微分,局部高斯分布拟合能量(LGDF)模型
局部高斯模型论文文献综述
储珺,余佳佳,缪君,张桂梅[1]（2019）在《引入分数阶微分的局部高斯分布拟合能量模型》一文中研究指出局部高斯分布拟合能量(LGDF)模型缺乏全局信息,对初始轮廓曲线选取较敏感,特别在分割弱边缘和弱纹理区域图像时,容易陷入局部极值,对噪声的鲁棒性不好.针对上述问题,文中提出引入分数阶微分的LGDF模型.在LGDF模型中引入全局的Grümwald-Letnikov(G-L)分数阶梯度拟合项,增强弱边缘和弱纹理区域的梯度信息,提高对初始轮廓曲线和噪声的鲁棒性.采用自适应权重函数确定全局项和局部项的系数,提高对灰度不均匀图像的分割效率和分割精度.根据图像的梯度模值、信息熵和对比度构建自适应分数阶阶次的函数,提高分割效率.理论分析和实验均表明,文中模型可以用于灰度不均匀、弱纹理、弱边缘图像的分割.合成图像和真实图像的实验表明文中模型可以提高图像的分割精度和效率.(本文来源于《模式识别与人工智能》期刊2019年05期）
高源,于晓升,吴成东,周唯,孟亚男[2]（2019）在《基于显着性检测和改进局部高斯分布拟合模型的眼底图像视盘边界自动提取》一文中研究指出正确的视盘(OD)定位和分割是糖尿病视网膜病变自动筛选系统中的两个主要步骤.鉴于此,提出一种基于显着性目标检测和改进局部高斯分布拟合(LGDF)模型的视神经盘分割方法.该方法主要包含两个阶段:第一阶段,将显着性检测技术应用到增强的视网膜图像中实现视盘的自动定位;第二阶段,通过增加椭圆约束信息来改进局部高斯分布拟合(LGDF)模型分割视盘边界.使用公开数据库Diaretdbq对所提出方法的性能进行测试,并与其他先进的方法进行对比,结果验证了所提出方法的优越性和有效性.(本文来源于《控制与决策》期刊2019年01期）
关振[3]（2017）在《高分子凝胶模型的基于两局部高斯积分的全离散稳定化混合有限元方法》一文中研究指出本文针对高分子凝胶的溶胀动力学位移-压力模型提出了基于两局部高斯积分的全离散稳定化混合有限元方法.首先,为了揭示高分子凝胶模型的多物理场过程,通过引进一个新的变量,在每一时间步长上将高分子凝胶模型分成两个子问题,一个是广义Stokes问题,另一个是扩散问题,从而揭示了潜在的物理过程.然后,利用基于两局部高斯积分的最低阶稳定化混合有限元方法来求解重建后的模型,证明了该方法的稳定性,并且进行了误差分析.最后给出了数值算例来验证理论结果的正确性.(本文来源于《河南大学》期刊2017-05-01）
余建波,卢笑蕾,宗卫周[4]（2016）在《基于局部与非局部线性判别分析和高斯混合模型动态集成的晶圆表面缺陷探测与识别》一文中研究指出在复杂的半导体制造过程中,晶圆生产经过薄膜沉积、蚀刻、抛光等多项复杂的工序,制造过程中的异常波动都可能导致晶圆缺陷产生.晶圆表面的缺陷模式通常反映了半导体制造过程的各种异常问题,生产线上通过探测和识别晶圆表面缺陷,可及时判断制造过程故障源并进行在线调整,降低晶圆成品率损失.本文提出了基于一种流形学习算法与高斯混合模型动态集成的晶圆表面缺陷在线探测与识别模型.首先该模型开发了一种新型流形学习算法—局部与非局部线性判别分析法(Local and nonlocal linear discriminant analysis,LNLDA),通过融合数据局部/非局部信息以及局部/非局部惩罚信息,有效地提取高维晶圆特征数据的内在流形结构信息,以最大化数据不同簇样本的低维映射距离,保持特征数据中相同簇的低维几何结构.针对线上晶圆缺陷产生的随机性和复杂性,该模型对每种晶圆缺陷模式构建相应的高斯混合模型(Gaussian mixture model,GMM),提出了基于高斯混合模型动态集成的晶圆缺陷在线探测与识别方法.本文提出的模型成功地应用到实际半导体制造过程的晶圆表面缺陷在线探测与识别,在WM-811K晶圆数据库的实验结果验证了该模型的有效性与实用性.(本文来源于《自动化学报》期刊2016年01期）
卢春红,顾晓峰[5]（2015）在《基于全局局部鉴别分析的高斯回归模型的间歇过程质量预测(英文)》一文中研究指出由于过程操作阶段的复杂性及系统的不确定性使得传统的单模态模型策略为病态,因此提出了一种全局局部鉴别分析(GLDA)的高斯过程回归(GPR)方法用于非线性多阶段暂态过程的质量预测.首先,将采集数据按批次方向展开,并采用隐马尔科夫模型(HMM)识别不同的操作阶段.其次,利用GLDA算法提取与质量变量高度相关的过程变量,降低建模的复杂度.在该降维后的子空间,为所有识别出的操作阶段建立多个局部GPR模型.利用HMM状态估计将测试批次的每个测量样本以最大似然估计的方式划分到对应的阶段中.最后,选出与具体阶段相对应的局部GPR模型进行在线预测.利用多阶段的青霉素发酵过程验证了所提预测方法的有效性.结果表明,与常规的GPR模型及基于HMM的GPR模型相比,提出的GLDAGPR方法更具优势.(本文来源于《Journal of Southeast University(English Edition)》期刊2015年01期）
刘巧红,李斌,林敏[6]（2014）在《结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪》一文中研究指出提出了一种结合金字塔对偶树方向滤波器组(PDTDFB)变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法。首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像。该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力。实验结果表明:与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3~3dB,视觉效果也有明显的改善。另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息。(本文来源于《光学精密工程》期刊2014年10期）
秦振涛,杨武年[7]（2013）在《基于广义高斯模型的局部自适应遥感图像去噪研究》一文中研究指出根据图像各子带系数的相关性,提出一种局部自适应的图像小波系数的统计算法,并应用于遥感图像的去噪研究.首先将图像的小波分解系数视为服从广义高斯分布(GGD)的随机变量模型,然后在小波软阈值去噪的基础上,根据图像小波系数在空间上具有聚集性的特点,提出了一种新的局部自适应的算法,结合最大后验概率(MAP)参数估计,用于恢复带噪图像.该算法用于岷江上游植被和土壤类型典型地区—毛儿盖实验区遥感图像的去噪,效果理想,同其他的图像去噪算法相比,它具有较高的峰值信噪比(PSNR)和更好的视觉效果.(本文来源于《信阳师范学院学报(自然科学版)》期刊2013年04期）
唐锐,张敬东,张祺[8]（2013）在《局部高斯尺度混合模型的傅里叶-小波图像降噪》一文中研究指出提出了一种基于局部高斯尺度混合统计模型的傅里叶-小波图像降噪方法。所提出的降噪方法综合了两者的优点,考虑到噪声小波系数间的相关性,小波系数统计特性通过局部高斯尺度混合统计模型来刻画。实验结果表明,此法可有效去除噪声,并且能够克服传统的小波去噪效果与选用的小波基函数相关的局限性,和其他方法相比,无论从视觉上还是峰值信噪比上比较,此方法降噪效果明显较好。(本文来源于《激光与红外》期刊2013年05期）
卢振泰,郑倩,冯衍秋,刘燕杰,冯前进[9]（2013）在《基于熵和局部邻域信息的高斯约束CV模型》一文中研究指出基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.(本文来源于《计算机学报》期刊2013年05期）
王海军,张圣燕,柳明,马文来[10]（2014）在《融合局部和全局高斯概率信息的图像分割模型》一文中研究指出在现有的活动轮廓中,LBF模型、LIF模型和LGDF模型是着名的基于区域的模型。虽然能分割灰度不均匀的图像,但对活动轮廓的初始化和噪声较为敏感。针对该问题,提出一种融合全高斯和局部高斯概率信息的活动轮廓模型。首先由全局高斯模型的全局灰度拟合力和局部高斯模型的局部灰度拟合力的一个线性组合来构造水平集演化力,然后引入这两个拟合力的动态权重以达到该模型的灵活性,实验结果表明,该模型能分割灰度不均的图像,且允许灵活的轮廓初始化,抗噪声性强。(本文来源于《计算机工程与应用》期刊2014年10期）
局部高斯模型论文开题报告
（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：
正确的视盘(OD)定位和分割是糖尿病视网膜病变自动筛选系统中的两个主要步骤.鉴于此,提出一种基于显着性目标检测和改进局部高斯分布拟合(LGDF)模型的视神经盘分割方法.该方法主要包含两个阶段:第一阶段,将显着性检测技术应用到增强的视网膜图像中实现视盘的自动定位;第二阶段,通过增加椭圆约束信息来改进局部高斯分布拟合(LGDF)模型分割视盘边界.使用公开数据库Diaretdbq对所提出方法的性能进行测试,并与其他先进的方法进行对比,结果验证了所提出方法的优越性和有效性.
（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。
局部高斯模型论文参考文献
[1].储珺,余佳佳,缪君,张桂梅.引入分数阶微分的局部高斯分布拟合能量模型[J].模式识别与人工智能.2019
[2].高源,于晓升,吴成东,周唯,孟亚男.基于显着性检测和改进局部高斯分布拟合模型的眼底图像视盘边界自动提取[J].控制与决策.2019
[3].关振.高分子凝胶模型的基于两局部高斯积分的全离散稳定化混合有限元方法[D].河南大学.2017
[4].余建波,卢笑蕾,宗卫周.基于局部与非局部线性判别分析和高斯混合模型动态集成的晶圆表面缺陷探测与识别[J].自动化学报.2016
[5].卢春红,顾晓峰.基于全局局部鉴别分析的高斯回归模型的间歇过程质量预测(英文)[J].JournalofSoutheastUniversity(EnglishEdition).2015
[6].刘巧红,李斌,林敏.结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪[J].光学精密工程.2014
[7].秦振涛,杨武年.基于广义高斯模型的局部自适应遥感图像去噪研究[J].信阳师范学院学报(自然科学版).2013
[8].唐锐,张敬东,张祺.局部高斯尺度混合模型的傅里叶-小波图像降噪[J].激光与红外.2013
[9].卢振泰,郑倩,冯衍秋,刘燕杰,冯前进.基于熵和局部邻域信息的高斯约束CV模型[J].计算机学报.2013
[10].王海军,张圣燕,柳明,马文来.融合局部和全局高斯概率信息的图像分割模型[J].计算机工程与应用.2014
标签：图像分割; 活动轮廓模型; Grü; mwald-Letnikov分数阶微分; 局部高斯分布拟合能量(LGDF)模型;