导读:本文包含了骨架剪枝论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊距离变换,骨架,剪枝,权值
骨架剪枝论文文献综述
张国栋,韩佳池[1]（2012）在《基于模糊距离变换的骨架剪枝算法》一文中研究指出针对传统骨架提取算法结果无法保证骨架单像素性,并且伴有毛刺产生的现象,提出了一种能够有效去除骨架中毛刺分枝,充分体现物体形态特征的骨架剪枝算法。该算法以模糊距离变换为理论基础,在物体粗骨架图像中计算每条尾枝的模糊距离变换值,使用根据骨架特点确定的动态阈值判断骨架分枝是否被去除,并利用分级剪枝方法实现骨架剪枝操作。实验结果表明,该算法在进行剪枝操作中可有效地保证骨架的准确性和连续性。(本文来源于《沈阳航空航天大学学报》期刊2012年01期）
王金玲[2]（2010）在《保持图像骨架连续的剪枝技术及相关问题研究》一文中研究指出随着现代科技的发展,可以获取和利用的图像资源急剧增加。运用图像分析和理解技术快速检测和识别出图像中的目标,在军事、生产和生活等诸多领域都有迫切的需求,同时也是计算机视觉、人工智能、图像处理等领域的关键问题。在图像的分析和理解技术中,目标的表示和识别技术是图像分析和理解的核心环节,如何选取图像合适的特征信息是决定识别成功与否的重要步骤。图像的形状包含了大量的视觉信息,是最常用的图像特征。骨架作为一种保留了拓扑信息的全局形状变换,其结果直观,意义明确,且便于进行相似性计算,是物体表示和识别的有力工具。本文旨在寻求一种对边界噪声有较强的鲁棒性,并能够保持骨架连续性的实用型骨架提取方法。本文首先给出了目前国内外骨架提取的相关研究进展,对五种典型的骨架提取方法分别做了介绍,并分析和总结了目前骨架提取算法中普遍存在的问题:不连续性、存在冗余骨架支、骨架提取的不公平性等,诸多缺陷制约了骨架提取技术的实际应用。在分析前人研究成果的基础上,最终选择在保持连续性的形态学细化骨架上进行剪枝的方法,以得到目标骨架,其重点是找到一种有效体现骨架点重要性的度量准则。之后,提出了一种基于轮廓线长度度量准则(简称CLSM)的骨架剪枝方法,使用距离骨架点最近的轮廓点沿着轮廓线的最小轮廓距离作为骨架点显着性的度量,该度量具有较好的显着性表现能力、多余的毛刺状分枝区分能力和公平性。为验证轮廓线长度度量准则的有效性,本文设计了一个算法,将轮廓线上的所有点建立为kd-树,通过kd-树搜索距离骨架点最近的轮廓点。将此方法运用到形态学细化产生的骨架上,通过在最近骨架点搜索中和距离计算上引入一定程度的平滑,得到了效果良好的图像骨架。实验结果不但验证了CLSM的优良特性,同时表明算法有较强的稳定性和抗噪能力。其低复杂性也让此算法完全有资格作为形态学细化骨架法的后续改进算法,成为骨架提取算法的一部分。接下来,将CLSM运用到了骨架树结构中。虽然CLSM与kd-树结合的算法已经很好的达到了预期效果。但是我们期望在骨架剪枝的同时,可以为后续的目标表识别或匹配等工作提供一个良好的骨架描述。对骨架树结构进行分析和改进的基础上,把骨架以骨架树的形式组织起来,对每个骨架节点使用CLSM加以度量,使用阈值剪枝,剪枝后的结果骨架仍然以骨架树的结构存在,可以直接应用于后续的识别等工作。算法设计中,在区域分割理论的指导下,以线性复杂度代价完成了对骨架树上所有节点的CLSM计算。将算法应用到标准数据集MPEG-7 CE-Shape-1的B部分图像生成的形态学细化骨架上,实验结果表明,算法不但高效完成了对冗余骨架的准确剪枝,而且可以改变阈值,方便实现骨架的多尺度剪枝,为不同精度的识别工作做好铺垫。另外骨架节点还可以包含诸如最近边界支撑点等有效信息。至此设计出了一套完整的针对形态学骨架的剪枝算法。虽然本文中只对形态学骨架进行了研究和实验,但是很明显,只要对具体算法稍加改进,这种基于骨架树的轮廓线度量剪枝策略在所有可以保持连续性的骨架上都可以取得理想的效果。最后,对全文工作和今后的研究重点进行了总结和说明。(本文来源于《山东师范大学》期刊2010-06-05）
王金玲,段会川,刘弘[3]（2009）在《基于轮廓线度量的形态学骨架剪枝方法》一文中研究指出提出了一种基于轮廓线度量的骨架剪枝方法,该方法使用距离骨架点最近的轮廓点在轮廓线上的最小距离作为骨架点显着性的度量,该度量具有较好的显着性表现能力、多余的毛刺状分枝区分能力和公平性。在算法中将轮廓线上的所有点建立为kd-树,通过kd-树搜索距离骨架点最近的轮廓点。将此方法运用到形态学细化产生的骨架上,通过在最近骨架点搜索和距离计算上引入一定程度的平滑,得到效果良好的图像骨架。实验结果表明该方法有较强的稳定性和抗噪能力。(本文来源于《计算机工程与设计》期刊2009年09期）
吴庆阳,苏显渝,宋芳[4]（2006）在《线结构光图像骨架的剪枝算法》一文中研究指出在采用线结构光进行叁维测量的过程中,将光刀图像细化后得到的骨架会出现许多毛刺和分枝,而光刀图像骨架的位置和形状将会直接影响到测量的精度,为了能够得到一条光顺并具有单一连通性的骨架,必须对其进行剪枝处理。为此提出了一种基于曲线追踪技术的剪枝算法,在分枝点处,根据光刀主干的走向找出分枝,从而快速有效的将这些分枝剔除,使最后得到的线条满足骨架的要求。实验表明,这种方法能有效地剪掉分支和消除伪特征,有利于最后叁维重建的数据处理。(本文来源于《四川大学学报(工程科学版)》期刊2006年05期）
骨架剪枝论文开题报告
（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：
随着现代科技的发展,可以获取和利用的图像资源急剧增加。运用图像分析和理解技术快速检测和识别出图像中的目标,在军事、生产和生活等诸多领域都有迫切的需求,同时也是计算机视觉、人工智能、图像处理等领域的关键问题。在图像的分析和理解技术中,目标的表示和识别技术是图像分析和理解的核心环节,如何选取图像合适的特征信息是决定识别成功与否的重要步骤。图像的形状包含了大量的视觉信息,是最常用的图像特征。骨架作为一种保留了拓扑信息的全局形状变换,其结果直观,意义明确,且便于进行相似性计算,是物体表示和识别的有力工具。本文旨在寻求一种对边界噪声有较强的鲁棒性,并能够保持骨架连续性的实用型骨架提取方法。本文首先给出了目前国内外骨架提取的相关研究进展,对五种典型的骨架提取方法分别做了介绍,并分析和总结了目前骨架提取算法中普遍存在的问题:不连续性、存在冗余骨架支、骨架提取的不公平性等,诸多缺陷制约了骨架提取技术的实际应用。在分析前人研究成果的基础上,最终选择在保持连续性的形态学细化骨架上进行剪枝的方法,以得到目标骨架,其重点是找到一种有效体现骨架点重要性的度量准则。之后,提出了一种基于轮廓线长度度量准则(简称CLSM)的骨架剪枝方法,使用距离骨架点最近的轮廓点沿着轮廓线的最小轮廓距离作为骨架点显着性的度量,该度量具有较好的显着性表现能力、多余的毛刺状分枝区分能力和公平性。为验证轮廓线长度度量准则的有效性,本文设计了一个算法,将轮廓线上的所有点建立为kd-树,通过kd-树搜索距离骨架点最近的轮廓点。将此方法运用到形态学细化产生的骨架上,通过在最近骨架点搜索中和距离计算上引入一定程度的平滑,得到了效果良好的图像骨架。实验结果不但验证了CLSM的优良特性,同时表明算法有较强的稳定性和抗噪能力。其低复杂性也让此算法完全有资格作为形态学细化骨架法的后续改进算法,成为骨架提取算法的一部分。接下来,将CLSM运用到了骨架树结构中。虽然CLSM与kd-树结合的算法已经很好的达到了预期效果。但是我们期望在骨架剪枝的同时,可以为后续的目标表识别或匹配等工作提供一个良好的骨架描述。对骨架树结构进行分析和改进的基础上,把骨架以骨架树的形式组织起来,对每个骨架节点使用CLSM加以度量,使用阈值剪枝,剪枝后的结果骨架仍然以骨架树的结构存在,可以直接应用于后续的识别等工作。算法设计中,在区域分割理论的指导下,以线性复杂度代价完成了对骨架树上所有节点的CLSM计算。将算法应用到标准数据集MPEG-7 CE-Shape-1的B部分图像生成的形态学细化骨架上,实验结果表明,算法不但高效完成了对冗余骨架的准确剪枝,而且可以改变阈值,方便实现骨架的多尺度剪枝,为不同精度的识别工作做好铺垫。另外骨架节点还可以包含诸如最近边界支撑点等有效信息。至此设计出了一套完整的针对形态学骨架的剪枝算法。虽然本文中只对形态学骨架进行了研究和实验,但是很明显,只要对具体算法稍加改进,这种基于骨架树的轮廓线度量剪枝策略在所有可以保持连续性的骨架上都可以取得理想的效果。最后,对全文工作和今后的研究重点进行了总结和说明。
（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。
骨架剪枝论文参考文献
[1].张国栋,韩佳池.基于模糊距离变换的骨架剪枝算法[J].沈阳航空航天大学学报.2012
[2].王金玲.保持图像骨架连续的剪枝技术及相关问题研究[D].山东师范大学.2010
[3].王金玲,段会川,刘弘.基于轮廓线度量的形态学骨架剪枝方法[J].计算机工程与设计.2009
[4].吴庆阳,苏显渝,宋芳.线结构光图像骨架的剪枝算法[J].四川大学学报(工程科学版).2006