导读:本文包含了前背景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:鳞翅目,图像处理,前背景分割,深度学习
前背景分割论文文献综述
竺乐庆,马梦园,张真,孟昭军,吴伟[1]（2018）在《基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究》一文中研究指出【目的】本研究旨在探索使用计算机视觉技术实现对鳞翅目标本图像的前背景分割方法。【方法】首先对用于训练和测试的昆虫标本图像去除背景,获得昆虫图像的前背景分割参考标准,对过大的昆虫图像进行缩小处理;其次对训练集图像采用旋转、平移、缩放等方法进行数据增强,剪切出中心区域作为有效图像。求取所有训练样本的均值图像,并从所有输入中减去该均值图像。测试用图像只做归一化但不进行数据增强。微调全卷积神经网络,重点调整结构产生变化的卷积层和反卷积层的参数,用前述训练数据集训练直至收敛。对于待分割图像,只要将图像归一化后输入到训练好的全卷积网络,网络将输出前背景分割结果。【结果】该方法在包含823个样本的测试集中进行了测试,取得的m Io U(mean Intersection over Union)达94.96%,而且分割的视觉效果已经非常接近于人工分割的结果。【结论】实验结果证明通过训练全卷积神经网络可以有效实现鳞翅目标本图像的前背景自动分割。(本文来源于《昆虫学报》期刊2018年02期）
汪粼波,郭延文,夏天辰,金国平[2]（2013）在《样本驱动的半自动图像集前背景分割》一文中研究指出图像集的前背景分割是近年来图像处理与图形学领域的一项热点研究工作.针对图像集中的图像逐个进行交互分割会涉及大量的用户操作,导致效率低下,而联合分割方法通常局限于处理具有相似前景的图像集,且因需求解大规模的优化问题较为耗时的问题,提出一种样本驱动的半自动图像集分割方法.首先选取若干图像作为样本进行手动交互分割,训练基于样本图像超像素特征描述的支持向量机分类器;对于其余待分割图像,根据其超像素特征描述到支持向量机分隔超平面的距离计算基于双弯曲Sigmoid函数映射的前景置信度,再采用图切割的算法实现目标图像的快速自动分割.对于包含错误分割的个别图像,进一步提出一种交互式局部修正方法修复错误分割区域,并获得最终的精确分割结果.在2个标准数据集上进行算法有效性验证和对比实验的结果表明,与联合分割算法相比,文中方法能更好、更快地实现在线分割;与逐个交互分割算法相比,文中方法能以相对较小的交互量实现对目标图像集的精确分割.(本文来源于《计算机辅助设计与图形学学报》期刊2013年06期）
金鑫[3]（2009）在《基于均值平移算法的彩色图像前背景分割方法研究》一文中研究指出图像分割是图像处理技术的重要内容之一。在图象分割中,有一类特殊的技术,就是图象的前背景分割技术,又称作数字抠图技术或者亚象素级的图象分割技术。在对图像的研究与应用中,人们往往只对图像中的主体或主要部分感兴趣,而对其它部分则不甚关心。为了辨识和分析图像中的主要部分,更好的了解它的特征并进一步利用它,需要将它从图像中分离提取出来,被分离出来的部分称为前景部分,图象中的其他部分称为背景部分。前背景分割技术在图像处理领域是一个比较传统的研究课题。近年来,随着图像处理技术的进步和应用领域的扩大,图像前背景分割技术的研究引起国内外广泛关注,并且在影视制作、计算机视觉及虚拟现实领域得到成功的应用。本文首先介绍了图象前背景分割的一些基本知识,然后对常用的图像分割方法和图象前背景分割技术进行了系统的介绍,在此基础上提出了一种新的基于均值平移算法的彩色图像前背景分割方法。该方法首先利用均值平移算法对图象进行空间聚类生成图象分块图,并在最大后验概率和马尔可夫随机场框架下为该分割建立一个结点图,通过颜色直方图的距离给这个图赋予不同的权重,然后利用最大流算法对得到的图像前背景进行粗分割,最后根据用户提供的位置区域(边界附近)的信息,利用泊松抠图技术使得粗分割图像的边界更加自然。实验结果表明,该方法在仅需要较少用户输入的情况下有着较好的分离效果。(本文来源于《兰州大学》期刊2009-04-01）
前背景分割论文开题报告
（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：
图像集的前背景分割是近年来图像处理与图形学领域的一项热点研究工作.针对图像集中的图像逐个进行交互分割会涉及大量的用户操作,导致效率低下,而联合分割方法通常局限于处理具有相似前景的图像集,且因需求解大规模的优化问题较为耗时的问题,提出一种样本驱动的半自动图像集分割方法.首先选取若干图像作为样本进行手动交互分割,训练基于样本图像超像素特征描述的支持向量机分类器;对于其余待分割图像,根据其超像素特征描述到支持向量机分隔超平面的距离计算基于双弯曲Sigmoid函数映射的前景置信度,再采用图切割的算法实现目标图像的快速自动分割.对于包含错误分割的个别图像,进一步提出一种交互式局部修正方法修复错误分割区域,并获得最终的精确分割结果.在2个标准数据集上进行算法有效性验证和对比实验的结果表明,与联合分割算法相比,文中方法能更好、更快地实现在线分割;与逐个交互分割算法相比,文中方法能以相对较小的交互量实现对目标图像集的精确分割.
（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。
前背景分割论文参考文献
[1].竺乐庆,马梦园,张真,孟昭军,吴伟.基于全卷积网络的鳞翅目标本图像前背景自动分割方法研究[J].昆虫学报.2018
[2].汪粼波,郭延文,夏天辰,金国平.样本驱动的半自动图像集前背景分割[J].计算机辅助设计与图形学学报.2013
[3].金鑫.基于均值平移算法的彩色图像前背景分割方法研究[D].兰州大学.2009