导读:本文包含了先验优化论文开题报告文献综述及选题提纲参考文献，主要关键词:图像去雾,暗通道先验,大气光,透射
先验优化论文文献综述
徐健,吴曙培,林皓琨[1]（2019）在《基于暗通道先验去雾算法的优化》一文中研究指出在雾霾环境下获取的图像往往是不清晰的,研究人员提出了很多去雾算法以获得清晰图像。在暗通道先验去雾算法的基础上,针对现有算法在处理户外有雾图像后存在色彩偏移以及在景深突变区域出现光晕现象提出改进。首先分析之前一些经典算法易错选大气光值的原因,为此采取基于四叉树递归思想,最终选取一定大小的局部区域像素点平均值作为大气光值。接着分析了在景深突变区域产生光晕的原因提出了在估算透射率时,采用分区域最小值滤波,直接获得精细的透射率值,避免额外细化透射率的滤波算法,提升算法效率,最后结合大气耗散模型,利用改进优化后算法获得的大气光值和透射率图恢复去雾后图像。实验结果表明,改进算法不但能较好较快的去雾后效果图,并且在色彩还原和细节还原取得了很好效果,最后与其他几种经典的图像去雾算法分别进行客观与主观对比,证实了算法的可靠性。(本文来源于《电子测量技术》期刊2019年14期）
杨德明,吴青娥,陈虎[2]（2019）在《区域分割优化的暗通道先验去雾算法》一文中研究指出较为经典的去雾算法是暗通道先验去雾算法,但该算法会产生天空区域光晕失真现象。为此,提出区域分割优化的改进暗通道先验去雾算法。首先提出K均值聚类分割算法,得到区域类别标签图;以大气光值选取区域为掩膜,求出类别标签图中天空区域的类别标签值,依据二值分类法将类别标签图转换为包含天空区域和前景区域的二值图;然后对透射率图进行区域优化处理,克服暗通道先验去雾算法天空区域低估透射率的不足;最后将有雾图像代入有雾图像退化模型,还原出颜色逼真的无雾图像。利用不同去雾算法进行去雾对比实验,结果表明,该算法消除了天空区域的光晕失真现象,去雾图像细节获得明显增强,去雾效果优于其他去雾算法,实验验证了该算法的正确性和可行性。(本文来源于《无线电通信技术》期刊2019年04期）
刘健,张宾,鹿超,王燕燕,邸丽霞[3]（2019）在《基于暗原色先验的单幅图像去雾优化技术》一文中研究指出雾霾等粒子的大气散射作用会使得图像采集设备所获取的图像质量下降,影响后续工作。基于暗原色先验理论提出一种单幅图像的去雾优化技术。针对景深突变处出现的"白边"与"黑化"现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法。并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。实验结果表明,该算法在去雾效果及自适应性方面优于对比算法。(本文来源于《火力与指挥控制》期刊2019年06期）
姚拓中,左文辉,安鹏,宋加涛[4]（2019）在《融合语义先验和渐进式深度优化的宽基线3维场景重建》一文中研究指出目的基于视觉的3维场景重建技术已在机器人导航、航拍地图构建和增强现实等领域得到广泛应用。不过,当相机出现较大运动时则会使得传统基于窄基线约束的3维重建方法无法正常工作。方法针对宽基线环境,提出了一种融合高层语义先验的3维场景重建算法。该方法在马尔可夫随机场(MRF)模型的基础上,结合超像素的外观、共线性、共面性和深度等多种特征对不同视角图像中各个超像素的3维位置和朝向进行推理,从而实现宽基线条件下的初始3维重建。与此同时,还以递归的方式利用高层语义先验对相似深度超像素实现合并,进而对场景深度和3维模型进行渐进式优化。结果实验结果表明,本文方法在多种不同的宽基线环境,尤其是相机运动较为剧烈的情况下,依然能够取得比传统方法更为稳定而精确的深度估计和3维场景重建效果。结论本文展示了在宽基线条件下如何将多元图像特征与基于叁角化的几何特征相结合以构建出精确的3维场景模型。本文方法采用MRF模型对不同视角图像中超像素的3维位置和朝向进行同时推理,并结合高层语义先验对3维重建的过程提供指导。与此同时,还使用了一种递归式框架以实现场景深度的渐进式优化。实验结果表明,本文方法在不同的宽基线环境下均能够获得比传统方法更接近真实描述的3维场景模型。(本文来源于《中国图象图形学报》期刊2019年04期）
李喆,李建增,王哲[5]（2019）在《基于先验优化的一致性模糊盲复原算法》一文中研究指出为了提高一致性模糊图像盲复原清晰度,针对复原过程中涉及的全变差模型先验约束问题,提出一种基于先验优化的一致性模糊盲复原算法.利用基于半高斯梯度算子的局部加权全变差模型提取模糊图像显着边缘,在去除噪声和纹理干扰的同时,可提高有利信息的保持能力;提出多尺度混合特性先验估计模糊核,增强了模糊核估计的准确性;利用非盲去卷积得到了清晰的复原图像.实验结果表明,相较其他算法,针对模拟模糊图像,所提算法的复原图像峰值信噪比平均提升约1. 7%,结构相似性指数平均提升约19. 1%;针对真实模糊图像,复原图像伪影更少,边缘纹理细节更加清晰自然,整体视觉效果更好.(本文来源于《北京邮电大学学报》期刊2019年02期）
王高峰,杨宁宇,王嘉锐,王翠翠,卢玮[6]（2019）在《基于暗原色先验的自适应参数优化的图像去雾算法研究》一文中研究指出目前主流的基于暗原色先验的去雾方法的参数选择较为单一,难以适应多种不同的雾天图像,针对这个问题,本文提出了自适应参数优化的图像去雾算法。本文通过实验发现去雾时ω权值与大气光值存在一定的关系,并基于这种关系进行改进,从而更好的实现了去雾后图像的优化处理。本文在对原有算法进行改进之后,采用了主观和客观相结合的评价方法,选取了多种去雾算法与本文算法进行对比评价实验。实验表明,本文算法去雾之后的图像视觉效果更加真实自然。(本文来源于《电子设计工程》期刊2019年07期）
胡晓燕[7]（2019）在《基于先验信息和二进制粒子群优化的基因表达谱数据处理的研究与实现》一文中研究指出基因表达谱数据具有特征维数高、样本数量少的特性,传统的机器学习方法在基因表达谱数据的处理上仍然有较大的提升空间。近年来基于群智能优化和极限学习机的方法在基因表达谱数据的特征选择和样本分类上取得了良好的性能。然而,由于缺乏数据中先验信息的约束,基于群智能优化和极限学习机的方法在特征选择过程中容易丢失关键的基因,进而影响对肿瘤的识别准确性,并且处理方法缺乏可解释性。为了提高基因表达谱数据处理性能和处理方法的可解释性,本文在获取基因表达谱数据组合先验信息的基础上,运用编码先验信息的粒子群优化算法实现基因表达谱数据的特征选择,并应用集成极限学习机实现肿瘤预测,最后设计并实现了基因表达谱数据处理原型系统。本文的主要工作如下:1.为了提高基因表达谱数据的处理性能和处理方法的可解释性,提出了基于改良先验信息和二进制粒子群相结合的基因选择处理方法。该方法首先运用聚类,从具备不同功能的各基因簇中筛选代表性基因建立初始备选基因池。其次,将类别先验信息和皮尔森系数结合,获取基因表达谱数据中的组合先验信息;再次,将改良的组合先验信息编码进二进制粒子群优化算法中,选出与肿瘤类别高度相关的基因子集。最后,以多样性作为集成指标,建立集成极限学习机以实现基因表达谱数据的分类。在多个数据集上的实验结果表明,本文提出的基因表达谱数据处理方法不但能够筛选出与肿瘤相关的关键基因子集,还能提高肿瘤识别准确性。2.在上述工作的基础上,设计并实现了基于先验信息和二进制粒子群优化算法的基因表达谱数据处理系统。该系统包括基因表达谱数据的导入、基因选择和数据分类叁个模块,能够对肿瘤实现自动预测。在该系统中,可以根据基因表达谱数据集对特征选择方法和肿瘤分类方法中的参数灵活设置,来实现对基因表达谱数据的高效处理,真正体现了数据驱动。(本文来源于《江苏大学》期刊2019-04-01）
熊尾,喻聪,司风琪,王俊山[8]（2019）在《计及先验知识及烟温偏差约束的四角切圆锅炉燃烧优化》一文中研究指出对某660 MW切圆燃烧锅炉进行了单因素调整试验。基于试验数据,建立强化趋势学习的先验支持向量机(先验SVR)模型,实现了CO、飞灰含碳量、NO_x浓度、烟温偏差等参数的软测量。结果表明,先验SVR模型比基于交叉验证法的PSO-SVR模型具有更好的泛化能力,建模平均相对误差降低2%左右,能正确地描述燃烧特性。在此基础上,采用多目标遗传优化算法,计算不同烟温偏差限值条件下的锅炉效率最高、NO_x最低的Pareto前沿线,推荐运行方式的烟温偏差较传统燃烧优化结果降低25℃,电站锅炉在安全范围内能够更加经济、环保地运行。(本文来源于《热能动力工程》期刊2019年03期）
兰传琳,方佩章,何楚[9]（2019）在《基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法》一文中研究指出无人机拍摄的低空遥感图像比普通遥感图像有更高的分辨率和更多细节,但它们也容易受到各种降质因素,尤其是光照的影响,给提取目标轮廓的任务带来了巨大的挑战。较强的降质因子可导致低空遥感图像部分轮廓信息的丢失,导致传统轮廓检测方法无法检测到完整的轮廓。为解决这一问题,以光伏板边缘检测为例,提出了一种基于先验模型优化的轮廓目标提取算法。该算法根据目标轮廓的几何形状先验生成轮廓模板,然后匹配初步检测到的不完整轮廓的和轮廓模板的关键点,最后根据相应的关键点的坐标对轮廓模板进行优化,得到完整的轮廓。实验结果表明,本算法相较于Canny边缘检测算法和基于深度学习的HED算法能更好地克服降质因素的影响,检测到完整的轮廓。(本文来源于《电视技术》期刊2019年01期）
刘心奥[10]（2018）在《基于暗原色先验图像除雾算法的优化》一文中研究指出雾霾天气下拍摄的图像不少细节难以捕捉,对日常拍摄、交管部门等造成不利影响。本文基于暗原色先验图像除雾原理,对有雾图像的天空区域使用容差机制的方法计算透射率,对于非天空区域采取插值方法求解透射率,使算法的速度更快、效果更好。最后利用信息熵对本文算法和原始算法进行了对比分析,表明本文算法取得了良好的效果。(本文来源于《中国设备工程》期刊2018年22期）
先验优化论文开题报告
（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：
较为经典的去雾算法是暗通道先验去雾算法,但该算法会产生天空区域光晕失真现象。为此,提出区域分割优化的改进暗通道先验去雾算法。首先提出K均值聚类分割算法,得到区域类别标签图;以大气光值选取区域为掩膜,求出类别标签图中天空区域的类别标签值,依据二值分类法将类别标签图转换为包含天空区域和前景区域的二值图;然后对透射率图进行区域优化处理,克服暗通道先验去雾算法天空区域低估透射率的不足;最后将有雾图像代入有雾图像退化模型,还原出颜色逼真的无雾图像。利用不同去雾算法进行去雾对比实验,结果表明,该算法消除了天空区域的光晕失真现象,去雾图像细节获得明显增强,去雾效果优于其他去雾算法,实验验证了该算法的正确性和可行性。
（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。
先验优化论文参考文献
[1].徐健,吴曙培,林皓琨.基于暗通道先验去雾算法的优化[J].电子测量技术.2019
[2].杨德明,吴青娥,陈虎.区域分割优化的暗通道先验去雾算法[J].无线电通信技术.2019
[3].刘健,张宾,鹿超,王燕燕,邸丽霞.基于暗原色先验的单幅图像去雾优化技术[J].火力与指挥控制.2019
[4].姚拓中,左文辉,安鹏,宋加涛.融合语义先验和渐进式深度优化的宽基线3维场景重建[J].中国图象图形学报.2019
[5].李喆,李建增,王哲.基于先验优化的一致性模糊盲复原算法[J].北京邮电大学学报.2019
[6].王高峰,杨宁宇,王嘉锐,王翠翠,卢玮.基于暗原色先验的自适应参数优化的图像去雾算法研究[J].电子设计工程.2019
[7].胡晓燕.基于先验信息和二进制粒子群优化的基因表达谱数据处理的研究与实现[D].江苏大学.2019
[8].熊尾,喻聪,司风琪,王俊山.计及先验知识及烟温偏差约束的四角切圆锅炉燃烧优化[J].热能动力工程.2019
[9].兰传琳,方佩章,何楚.基于先验模型优化的无人机遥感图像中几何轮廓目标检测方法[J].电视技术.2019
[10].刘心奥.基于暗原色先验图像除雾算法的优化[J].中国设备工程.2018