导读:本文包含了人体图像论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维模型,数字化人体图像,解剖教学
人体图像论文文献综述
叶德兴[1]（2019）在《数字化人体图像和叁维模型对解剖教学质量的影响观察》一文中研究指出目的:探究在解剖教学中应用叁维模型及数字化人体图像对教学质量的影响。方法:选取2016年1月—2018年6月在本专业进行解剖学习的医学生120名,将之随机均分为研究组和对照组,两组各60名,对照组通过常规方式进行教学,研究组应用叁维模型和数字化人体图像进行教学,比较两组学生在测评结果和优秀率方面的差异。结果:研究组学生的期中、期末以及教师评价成绩均显着高于对照组学生(P <0. 05);研究组学生在课堂活跃度、理解难易度、师生互动度以及总体评价的优秀率方面明显高于对照组学生(P <0. 05)。结论:通过叁维模型和数字化人体图像的方式对解剖进行教学,能够显着提高学生的测评成绩,具有良好的教学质量,可以进行广泛的推广和应用。(本文来源于《医学理论与实践》期刊2019年15期）
徐淼华,石守东,李俊晖[2]（2019）在《基于嵌入式的双目人体图像采集系统设计》一文中研究指出为了满足利用机器视觉对人体姿态进行检测识别的目的,设计了一款基于嵌入式的双目人体图像采集系统,相较于传统的以PC机作为控制处理端的人体姿态检测而言,嵌入式平台成本更低,体积更小,移动便捷。硬件方面着重介绍了电源模快,双图像传感器的电路设计;软件方面对传感器的驱动以及图像的初步处理做了简单介绍。(本文来源于《无线通信技术》期刊2019年02期）
侯国华[3]（2019）在《数字化人体图像和叁维模型在解剖教学中的应用探析》一文中研究指出目的:探析数字化人体图像和叁维模型在解剖教学中的应用疗效。方法:随机选取2016级护理专业两个班与2017年护理专业两个班为本次实验观察对象,2016级护理专业两个班护理解剖课采用传统标本教学,2017级护理专业两个班护理解剖课在传统教学方法的基础上采用数字化人体图像和叁维模型进行教学,比较2016级护理专业两个班学生与2017级护理专业两个班学生解剖课教学结果。结果:2016级护理专业学生解剖课调查问卷显示解剖知识掌握情况、标本识别满意度以及对教学方式满意度均明显低于2017级护理专业学生,且2016级护理专业学生客观考核成绩均低于2017级护理专业学生,组间比较差异具有统计学意义(P <0. 05)。结论:护理专业解剖课采用数字化人体图像和叁维模型教学可有效提高学生对解剖知识的掌握,提高护理专业解剖学教学质量。(本文来源于《医学理论与实践》期刊2019年04期）
任义[4]（2018）在《基于自适应SLIC的标准人体图像谱聚类分割和测量》一文中研究指出图像分割作为模式识别与图像分析的基础,一直是数字图像处理和计算机视觉等领域中的挑战课题,具有重要的研究意义。现阶段已产生了众多的图像分割算法,其中一些算法也被应用到标准人体图像分割中,为叁维人体重建、人体运动跟踪、虚拟试衣等领域的发展提供了理论支撑。本文在总结现有典型的图像分割算法基础上,针对不同背景下标准人体图像分割的难点,以及由于缺乏先验条件造成的人体特征点匹配不准确的问题,提出了一种新的标准人体图像分割算法。作为应用,将提取到的人体关键部位特征点进行叁维数据拟合以得到较为真实的人体数据。主要研究工作如下:(1)针对简单线性迭代(SLIC)算法分割时需人为设定初始种子点的问题,提出一种自适应的SLIC分割算法。改进后的算法将图像分成多个极小区域,在每个区域内引入CV能量分割,使得算法较好地利用了图像的灰度信息,可以自动地设置初始种子点,使分割后的超像素块更贴合图像色块边缘。(2)为了避免复杂环境对人体图像分割精度的影响,引入人体模板标记图像中感兴趣的区域,并利用区域内模板信息改写相似函数,对其中的超像素块进行谱聚类,完成基于超像素块的谱聚类人体图像分割,提高图像分割精度。(3)针对传统ASM算法易出现局部拟合、迭代次数过多等问题,提出一种基于人体轮廓线的ASM特征点提取算法。改进的算法在人体轮廓线的基础上定义了一组模板基准点,通过基准点校准、点集校准、改变特征点搜索方向等方式提高人体正侧面特征点提取的精度和速度。经过以上步骤得到人体关键部位特征点后,利用BP神经网络学习人体多个部位间的关系。在采集的多组人体数据上,该神经网络实现了误差2厘米范围内的人体叁维数据拟合。最后,本文对该研究内容进行了总结,并对今后工作进行了展望。(本文来源于《浙江理工大学》期刊2018-12-15）
康靖媛[5]（2018）在《基于深度学习和图像补全的毫米波人体图像异物检测与定位》一文中研究指出毫米波具有能够穿透人体衣物探测到隐匿物,又对人体无辐射危害的特点,因此将毫米波人体成像用于安检已成为近年来国内外安检领域的发展趋势。本论文主要研究基于深度学习和图像补全的毫米波人体图像异物检测和定位方法。因为国际上没有公开的毫米波安检图像数据集,本硕士论文的工作全部基于中科院上海微系统所提供的主动毫米波人体安检图像数据集。本论文的主要研究工作有:1)基于深度卷积生成对抗网络的图像补全:应用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks)学习训练集图像特征并生成与训练集图像非常接近的新图像,用以实现图像区域补全;应用穷举法,即将人体图像中可能存在异物的大区域划分成小区域,将小区域依次挖掉并补全。补全完成后,得到一张未携带异物的毫米波人体图像。经过数据预处理,构建DCGAN网络结构,调节参数,使用TensorFlow框架成功训练了针对毫米波人体图像的DCGAN网络,并利用这个网络和穷举法实现了图像补全。2)通过对比补全前后的两张图像实现异物检测与定位。在实现对比的过程中,我们应用SAR图像变化检测方法和图像相似度检测方法。SAR图像变化检测是一种点检测方法,得到的差异图像是一个似然比值构成的二维矩阵,无法准确的实现异物检测和定位。因此,我们采用了区域判决法,即设立一个门限,若一个区域里有一定比例的点都大于这个门限,则认为这个区域包含异物,这样可以同时实现检测和定位。图像相似度可用于比较两张图像之间的相似度。补全后的图像与原图像相比较为接近,但不包含异物,因此可以分块对比补全前后的两张毫米波人体图像,如果某处的相似度较小,则说明该处可能包含异物。对检测结果进行分析,发现相似度检测法检测效果好于SAR图像变化检测,在达到相同检测率的同时实现了更低的虚警率。最后与Faster RCNN的检测定位效果进行对比,证明了本论文所提出方法的优越性。(本文来源于《西安电子科技大学》期刊2018-08-01）
尹春宇[6]（2018）在《THz人体图像中隐匿物识别算法研究》一文中研究指出被动式THz成像系统通过探测人体THz波段的信息并成像,可实现非接触探测隐藏在衣服下的金属、非金属材质的物体,所以可实现危险品的非接触式检测。但被动式THz成像的图像具有独特的噪声形式,用常规方法难以处理,因而研究算法识别THz人体图像中隐藏在衣服下的金属、非金属物体具有重要的应用价值。本文主要内容如下:THz原图像的灰度值范围在[0 3500]之间,对原始数据进行灰度映射到[0 255]范围内,在简化数据的同时提高了探测物的灰度对比度。由于THz图像中人体轮廓不明显,前景与背景灰度值相差不大,导致在图像处理过程中很容易受到背景信息的干扰。针对这种情况论文通过自定义模板滤波、连通域面积法滤波、形态学开闭运算、边缘平滑滤波对经过灰度映射后的THz图像进行处理,提取出人像并去除背景等无关信息的干扰,进而获得隐藏物的信息。去背景后的THz图像噪声复杂。先通过自适应中值滤波滤除THz图像中的椒盐噪声、平滑其他脉冲噪声,尽可能地保护图像中的细节信息,然后借助盲反卷积的理论实现THz图像的预处理。考虑到THz噪声具有某种周期性的特征,根据THz图像频谱图的特点,设计频域滤波器。与常规低通滤波器相比较,本文所设计的陷波带阻滤波器获得明显的去噪效果。研究非局部均值法、叁维块匹配法对于THz图像的去噪效果,结合小波分析与叁维块匹配算法做改进,实验结果表明改进的滤波算法具有一定的效果。结合主观和客观的去噪效果评价指标,设计本文的最优算法序列。首先对原始数据进行灰度映射;经去背景处理;然后进行自适应中值滤波;再通过盲反卷积运算对已经退化了的THz图像进行初步复原;频域上用陷波带阻滤波处理;最后使用叁维块匹配法对THz图像做去噪处理。对通过最优算法处理后的THz图像加伪彩色,突出目标信息,得到探测物清晰的THz图像。经实测图像检测,证明本文算法是有效的。(本文来源于《内蒙古大学》期刊2018-06-13）
王林华,袁明辉,黄慧,朱亦鸣[7]（2017）在《太赫兹安检系统人体图像边缘物体识别》一文中研究指出提出一种自动识别人体边缘物体的算法,用于太赫兹人体安检系统的人体边缘物体成像的识别。原始图像经过二值化、滤波除噪、填充、形态学腐蚀膨胀等预处理算法后,利用顺时针搜寻轮廓追踪算法标记图像轮廓坐标,对轮廓上各坐标点使用圆形模板占空比检测以及非极小、非极大值抑制算法筛选出所有的凸点和凹点,并根据相邻凸点和凹点组合特征及其横向距离约束实现边缘物体的识别。500幅测试图像实验结果表明:该算法对边缘物体可实现快速识别,误判率在2%以下;通过调整算法参数,可良好匹配安检系统的识别精度,从而达到匹配于系统的分辨极限;具有抗噪声能力强,识别速度快,识别精度高等优点。(本文来源于《红外与激光工程》期刊2017年11期）
祝红琴[8]（2016）在《关于人体图像精确处理算法改进》一文中研究指出对人体图像进行精确处理,可以提高成像质量。由于图像内包含大量的乘性噪声,必须针对每个像素点设定不同的阈值标准,通过自适应设定的阈值标准将噪声与目标划分开来,才能完善目标图像的细节信息,精确处理图像。传统的小波变化降噪算法采用人为设定一个阈值,不能设定合理的阈值标准,导致有的区域降噪效果差,有的区域降噪过度,损失图像的边缘细节信息,不能精确地处理图像。提出采用模糊聚类的小波降噪算法不均衡噪点模糊成像改进方法。先利用模糊算法将原图划分背景与目标两部分,通过计算类间方差最大值获取图像的最优阈值,并估计出各个图像区域的噪声模糊均差。采用模糊决策的方法将图像中所有小波系数进行分类,利用阈值对只含有噪声的小波系数进行收缩,将只含有噪声的小波系数归零,并将处理后的小波系数进行M带小波变换,有效的完成对传统小波降噪算法不均衡噪点模糊成像改进。仿真结果证明,改进的方法为图像降噪提高了质量。(本文来源于《计算机仿真》期刊2016年09期）
李姝锦[9]（2015）在《基于HOG的人体图像检测研究与实现》一文中研究指出在计算机视觉领域中,有许多实际应用需要计算机能够快速有效地将人体检测出来,如视频跟踪、驾驶员辅助系统、人体图像检索和智能机器人等。在视频跟踪监控中,自动在监控视野中搜索人体是进行后续分析的重要预处理步骤。由于图像中人体姿态各异,服装颜色纹理变化多端以及背景复杂、光照明暗等复杂性,故而在静态图像中的人体检测具有很高难度。目前,人体图像检测领域广泛采用基于滑动窗检测的二元化分类问题。这种方法保证每幅待检图片在不同的缩放比例下被固定尺寸(或变尺寸)的检测窗按照一定方向完成每次移动一定检测窗步长的穷尽扫描。在检测中对每个检测窗口提取特征信息输入特征分类器来对分类器进行训练,最后使用训练成功的分类器对待检对象进行分类,以此完成检测。可用于人体检测的特征有许多,其中Dalai和Triggs于2005年首次提出的HOG特征(即梯度方向直方图特征)在人体检测领域表现突出。本文选用的HOG特征在人体检测中具有高检测率,计算量大的特点,因此通过对HOG特征的结构进行改进,使用一种利用Fisher挑选准则选择出来的Multi HOG特征代替传统HOG特征,使用多尺度block替代原block,并对其进行选择,将特征维度由传统HOG的3780维降到360维。其次,为进一步增强检测效果,在Multi HOG特征基础上,融合了对纹理有较好表现的LBP特征。本文算法舍弃分类效果差的线性SVM,选用加性交叉核SVM分类器来缩短检测时间,提高检测效率,实现人体图像滑动窗口检测。本文使用INRIA标准数据集对人体图像检测方法进行了测试,实验结果证明本文提出的方法能够比较好的完成人体检测任务,且较原始HOG特征检测率更高,同时在检测时间方面有一定的优势。(本文来源于《华北电力大学》期刊2015-12-01）
匡才远[10]（2015）在《人体图像边缘提取在泳装结构设计中的应用》一文中研究指出人体图像的边缘包含许多重要的信息,与服装结构设计有关的尺寸可以从中获取.本文以人体数字图像为研究对象,运用最佳阈值分割、孔洞填充、开运算及像素连通性等算法对数字图像进行处理,有效地提取出光滑封闭的边缘.在提取的人体图像边缘上,直接获取泳装结构设计所需要的腰高、腰宽、腰厚、肩宽、小肩宽、落肩、股上长等相关尺寸,通过围度拟合获取了胸围、腰围、臀围等围度尺寸,以实现泳装的结构设计.(本文来源于《北京服装学院学报(自然科学版)》期刊2015年03期）
人体图像论文开题报告
（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：
为了满足利用机器视觉对人体姿态进行检测识别的目的,设计了一款基于嵌入式的双目人体图像采集系统,相较于传统的以PC机作为控制处理端的人体姿态检测而言,嵌入式平台成本更低,体积更小,移动便捷。硬件方面着重介绍了电源模快,双图像传感器的电路设计;软件方面对传感器的驱动以及图像的初步处理做了简单介绍。
（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。
人体图像论文参考文献
[1].叶德兴.数字化人体图像和叁维模型对解剖教学质量的影响观察[J].医学理论与实践.2019
[2].徐淼华,石守东,李俊晖.基于嵌入式的双目人体图像采集系统设计[J].无线通信技术.2019
[3].侯国华.数字化人体图像和叁维模型在解剖教学中的应用探析[J].医学理论与实践.2019
[4].任义.基于自适应SLIC的标准人体图像谱聚类分割和测量[D].浙江理工大学.2018
[5].康靖媛.基于深度学习和图像补全的毫米波人体图像异物检测与定位[D].西安电子科技大学.2018
[6].尹春宇.THz人体图像中隐匿物识别算法研究[D].内蒙古大学.2018
[7].王林华,袁明辉,黄慧,朱亦鸣.太赫兹安检系统人体图像边缘物体识别[J].红外与激光工程.2017
[8].祝红琴.关于人体图像精确处理算法改进[J].计算机仿真.2016
[9].李姝锦.基于HOG的人体图像检测研究与实现[D].华北电力大学.2015
[10].匡才远.人体图像边缘提取在泳装结构设计中的应用[J].北京服装学院学报(自然科学版).2015