导读:本文包含了图像前景与背景论文开题报告文献综述及选题提纲参考文献，主要关键词:风格迁移,图像分割,卷积神经网络,局部风格化
图像前景与背景论文文献综述
陈超[1]（2019）在《前景与背景分离的图像风格迁移技术研究》一文中研究指出图像风格迁移可用于艺术创作、影视特效等领域,是当前图像处理领域内的研究热点和难点。随着移动互联网的快速发展,通过风格迁移创作梦幻图片,并在社交网站上分享,深受人们欢迎。然而,当前风格迁移主要以整幅图像为目标,缺少多变性。为了丰富风格迁移的多样性,也为人们提供新的创作方式,本文主要研究前景与背景分离的图像风格迁移技术,最终设计并实现了一个可交互的前后景分离的图像风格迁移系统。本文的主要研究成果如下:(1)针对前景人物目标的自动分割和分割准确性差的问题,研究并实现了基于区域推荐的前景目标分割方法。首先构建Mask R-CNN网络结构;然后采用残差网络和特征金字塔网络提取多尺度特征;其次采用候选区域建议网络,动态生成锚点框,筛选出推荐区域;接着将特征图中的感兴趣区域与源图像中的感兴趣区域进行位置对准;最后完成检测、分类和分割任务回归,实现前景目标分割。(2)针对当前风格迁移存在色彩和纹理特征缺失的问题,研究并实现了基于卷积神经网络的风格迁移方法。训练简化的VGG-19模型,建立计算并优化内容和风格损失函数的网络结构;运用VGG-19模型提取到的最佳特征图来表示源图像的内容特征;利用Gram矩阵计算网络中每一层和各个将要被提取的特征图的关系,来提取和表示目标图像的风格特征;利用Adam优化器不断缩小内容和风格特征的总损失函数值,拟合出使用户满意的内容与风格融合效果图像。(3)针对前景与背景局部风格化以及边界不平滑的问题,提出了基于软掩膜的局部风格化方法。首先通过均值滤波器和平均池化,生成介于0到1之间的软掩膜;然后为Gram矩阵添加掩膜信息,计算每个掩膜像素对Gram矩阵的贡献;分别计算内容和风格损失的梯度,阻止非风格化区域的梯度更新,抛弃边缘噪点,实现边界平滑。(4)设计并实现了前景与背景分离的图像风格迁移系统。为验证本文方法的可行性和有效性,通过详细的需求调研,实现了自选图像、前景目标分割、图像风格迁移、人机交互等功能模块。该系统实际运行稳定,使用效果良好。(本文来源于《北方工业大学》期刊2019-05-06）
陈超[2]（2019）在《前景与背景分离的图像风格迁移系统设计与实现》一文中研究指出随着互联网信息的碎片化,图像领域快速发展,个性化的图像处理越来越受到关注,其中图像风格迁移技术也在不断地创造更新。文章以图像风格迁移为基础,为了响应用户对于图像主体的关注度,增加了前景目标与背景分离的功能。在满足用户使用时的交互友好性和体验愉悦性,文章设计并实现了自选图像模块、前景目标分割模块、图像风格迁移模块、人机交互模块等模块,以完成完整的前景与背景分离的图像风格迁移系统,并且运行效果良好。(本文来源于《信息通信》期刊2019年04期）
郭鹏飞,金秋,刘万军[3]（2018）在《融合似物性前景对象与背景先验的图像显着性检测》一文中研究指出为了在复杂背景图像中准确地提取出图像的显着区域,提出一种结合似物性前景对象与背景先验知识的图像显着性检测方法(OFOBP)。该方法首先对图像进行超像素分割,计算超像素颜色空间分布,得到初始显着图;利用似物性检测方法获取多个目标窗口,由窗口建立搜索区域,结合二值化的初始显着图优化目标窗口;再利用多窗口特征对超像素做前景对象预测,获取前景显着图;其次建立背景模板,计算稀疏重构误差获取背景先验图;最后融合两种显着图,得到最终显着检测结果。在公开数据集上与11种算法进行比较,本文算法能够较为准确地检测出显着区域,尤其是在复杂背景下对多个显着目标的检测,存在明显的优势。(本文来源于《计算机工程与科学》期刊2018年09期）
吴联坤[4]（2017）在《基于TensorFlow分布式与前景背景分离的实时图像风格化算法》一文中研究指出进入二十一世纪,随着互联网的不断发展,文本信息逐渐被图像、视频等新一代视觉信息所代替。而如今大多数移动设备都具有较为良好的拍摄功能,因此人们对于多媒体信息处理的需求也越来越强烈。近期,随着一款名为Prisma的软件的风靡,图像风格化技术开始走入大众的视线。本文主要考虑Justin等人的实时图像风格化算法。该算法在测试阶段的效率非常高,并且能产生高质量的风格化图像。然而,其针对某一风格进行模型训练的耗时仍然较长,通常需要几个小时。此外,在数码印花打印应用中,该算法对纯色背景的图像风格化的效果也不尽如人意。本文的工作主要有以下两个方面:(1)将多个设备配置成一个可用的TensorFlow分布式集群,并添加新的启动参数用于动态地配置集群环境,将实时图像风格化算法架构在TensorFlow分布式集群上,通过并行地训练模型,大大地减少模型的训练时间。(2)对纯色背景的图像,先采用图像分割方法将图像的前景与背景进行分离,然后对图像的前景与背景分别执行风格化算法,最终合并得到符合生产要求的图像。实验结果表明,本文的方法的确提升了模型训练的速度,并能对纯色背景的图像产生符合生产要求的风格化图像。(本文来源于《浙江大学》期刊2017-04-01）
王建鹏[5]（2016）在《基于背景和前景节点的图像显着性检测算法》一文中研究指出图像显着性检测是计算机视觉研究领域重要的一环,在计算机视觉的各个领域得到广泛的应用,作为图像预处理步骤,能够获取视觉感兴趣区域,去除图像中的冗余信息,提高图像处理效率。但由于图像中复杂的背景、目标种类繁多等技术难点,开发鲁邦的显着性检测算法仍是一项有挑战性的研究课题。本文提出一种自底向上的显着性检测算法。不同于以往的将关注点放在图像中心的方法,本文将背景节点和前景节点结合起来考虑,提出一种新的显着性检测算法,具体分为以下叁个步骤：首先,将图像进行超像素分割,从图像周围提取超像素组成边界集合,结合物体边缘信息去除边界集合中的前景超像素,获取到背景节点集合。利用图像超像素与背景节点间的对比度关系,计算得到基于背景节点集合的显着性图像。然后,将得到的基于背景节点集合的显着性图像进行自适应阈值分割,获取超过阈值部分对应的超像素组成前景节点集合,利用图像超像素与前景节点间的对比度关系,计算得到基于前景节点的显着性图像。其次,将基于背景节点集合和基于前景节点集合的检测结果图像进行融合,得到融合后的显着性图像。融合后的结果既能突显前景目标,又能抑制背景噪声。最后,将融合后的显着性图像进一步进行优化,利用K-Means聚类方法对融合后的显着性进行均衡处理,利用围绕目标中心的二维高斯模型得到基于像素级别的显着性图像,最终得到更加平滑和准确的显着性图像。此外,本文提出的显着图融合机制,在将本文算法与其他模型算法的融合过程中,也有显着效果。本文在叁个公开的显着性检测数据库上对本文的方法与多种检测算法进行了对比评测。实验数据证明,本文提出的基于背景节点和前景节点的检测方法要优于其他方法,能够获得更好的显着性检测效果。(本文来源于《大连理工大学》期刊2016-06-06）
汪梅[6]（2016）在《基于流形排序和结合前景背景特征的图像显着性检测》一文中研究指出近年来,随着计算机和互联网技术的飞速发展,多媒体数据呈现爆炸式的增长,多媒体信息的存储、传输和处理变得越来越重要,尤其是图像处理相关的研究和应用。显着性检测是图像分析处理前期的一个重要工作,其目标就是检测出图像中最显着最重要的部分。通过显着性检测可以将有限的计算资源优先分配给图像中的显着区域,大大提高图像分析和处理的效率。显着性检测可以应用于许多计算机视觉任务中,包括内容感知的图像编辑、目标分类和识别、图像分割、图像检索等,因此,图像显着性检测问题近年来受到了广泛的关注。在当前已有研究中,基于图和流形排序的显着性检测算法(MR算法)是一个效果很好且具有一定代表性的算法。它将显着性检测问题看作流形结构上的排序问题,以图像边界节点作为查询节点,通过两阶段的流形排序过程得到图像的显着图。MR算法在大多数图像场景下都有良好的表现,然而,由于MR算法过度依赖于边界节点的背景特征,当图像显着区域的特征与背景区域相似,或者显着区域内各个部分特征差异较大时,MR算法无法检测出准确的显着区域。针对MR算法的不足,本文研究提出了两种有效的改进算法。首先,针对MR算法过度依赖边界节点的背景特征的问题,本文研究提出了一种基于流形排序和结合前景背景特征显着性检测算法(MRCFB算法)。该算法的主要改进思路是将基于全局对比度的前景特征也考虑进来,并且在前景特征和背景特征两种显着图的结合上,给出了一种基于颜色和亮度的查询节点选取方法:在大部分MR算法表现良好的情况下,仍然使用MR算法产生的查询节点进行流形排序;但当MR算法得到的显着区域与基于全局对比度得到的显着区域差异较大时,对前景特征和背景特征进行结合,以得到更为准确的查询节点,从而最终获得更为准确的显着图。其次,针对复杂图像背景的情况,MR算法的这一缺点会更为突出,上述MRCFB算法的改进效果也不甚明显,本文进而研究提出了一种基于随机游走的显着性检测算法(MRRW算法)。该算法不仅仍然采用了结合前景特征和背景特征的思想,而且还分别利用流形排序和随机游走算法求得图像基于前景特征和背景特征的显着图,最后将这四种显着图进行结合得到图像最终的显着图。最后,本文对提出的MRCFB算法和MRRW算法分别在Achanta(简单图像背景)和DUT-OMRON(复杂图像背景)这两个公开数据集上进行了实验验证,并与现有MR算法和其他两个近几年出现的效果较好的自下而上方法在多个评价指标上进行了分析对比。实验表明:1)MR算法和MRCFB算法在DUT-OMRON数据集上的效果基本相同,但在Achanta数据集上,MRCFB算法在精确率、召回率和F值叁个指标上相比现有叁种算法都有较明显的提升;2)MR算法和MRRW算法在Achanta数据集上的效果基本相同,但在DUT-OMRON数据集上,MRRW算法比MR算法的精确率提高了8.5%,F值提高了5.7%,同时这两个指标也明显好于另两种算法;3)本文两种算法各有特色,MRCFB算法更适用于一般的简单背景图像,MRRW算法更适用于复杂背景图像。(本文来源于《重庆大学》期刊2016-04-01）
冯喆,夏虎,傅彦,周俊临[7]（2013）在《基于前景提取的复杂背景图像检索算法》一文中研究指出基于内容的图像检索提供给使用者一种更直观、更精准的检索方式。用户在进行此类检索时,往往更关注图像的主体部分。为了消除背景信息对检索效果的影响,提出一种基于前景提取的复杂背景图像检索算法。实验证明,在H-S颜色直方图、LBP纹理特征以及颜色纹理混合特征上,该算法可以得到较优化的性能。(本文来源于《计算机科学》期刊2013年12期）
楚瀛,田淞,张桂林,张熠[8]（2008）在《基于图像边缘特征的前景背景分割方法》一文中研究指出提出一种基于边缘特征的背景建模方法,将边缘分类为前景边缘和背景边缘.和以往的基于边缘的背景差方法相比,该方法可以克服由于摄像机的微小扰动而带来的误判.由于噪声的影响,得到的前景边缘往往是不闭合的,而且边缘是一种稀疏的特征表示,为了得到精确的前景连通区域,提出了基于马尔可夫随机场(MRF)的前景区域提取方法,以前景边缘像素和背景边缘像素作为种子标记,通过前景边缘像素和背景边缘像素的竞争和标记传播,得到连通的前景区域.为了提高运算效率,采用基于图分割的组合优化方法最小化能量函数.通过对室内室外多个场景视频的试验,验证了该方法的准确性和有效性.(本文来源于《华中科技大学学报(自然科学版)》期刊2008年05期）
朱远清,李才伟[9]（2007）在《一种基于前景与背景划分的区域图像检索方法及实现》一文中研究指出区域图像检索(RBIR)是基于内容图像检索(CBIR)的一个分支,它以图像分割为基础,通过图像局部视觉特征的相似性进行图像检索。由于准确的图像分割技术尚不成熟,区域图像检索性能容易受到冗余分割和错误分割的影响。为了降低RBIR中图像分割的影响,提出了一种基于前景和背景划分的区域图像检索方法。该方法通过规则分块、图像分类和有效区域定位来得到图像分割区域,然后应用中心对象提取算法(COEA)获得图像主体对象,最后提取颜色和纹理特征进行相似度匹配。实现了一个基于上述方法的RBIR系统ObFind,实验结果表明该方法不仅具有与SIMPLIcity相当的检索性能,而且计算复杂度更低。(本文来源于《中国图象图形学报》期刊2007年02期）
朱远清,李才伟[10]（2006）在《一种基于前景与背景划分的区域图像检索方法及实现》一文中研究指出区域图像检索(RBIR)通过图像分割,提取图像的局部视觉特征,进行相似度匹配。本文分析了图像分割在 RBIR 中的不足后,提出了一种简化的图像区域模型——前景和背景。本文先进行图像分类,将图像分为对象图和背景图两类:然后对分类为对象图的图像进行有效区域定位,最后对有效区域进行分割得到前景对象;而对被分类为背景图的图像则不进行分割,将整个图像视为一个区域整体;检索系统提取分割区域的颜色和纹理特征进行相似度匹配。本文实现了基于上述方法的一个 RBIR 系统 ObFind,实验表明该方法具有较高的检索准确率和检索速度。(本文来源于《第十叁届全国图象图形学学术会议论文集》期刊2006-11-01）
图像前景与背景论文开题报告
（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：
随着互联网信息的碎片化,图像领域快速发展,个性化的图像处理越来越受到关注,其中图像风格迁移技术也在不断地创造更新。文章以图像风格迁移为基础,为了响应用户对于图像主体的关注度,增加了前景目标与背景分离的功能。在满足用户使用时的交互友好性和体验愉悦性,文章设计并实现了自选图像模块、前景目标分割模块、图像风格迁移模块、人机交互模块等模块,以完成完整的前景与背景分离的图像风格迁移系统,并且运行效果良好。
（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。
图像前景与背景论文参考文献
[1].陈超.前景与背景分离的图像风格迁移技术研究[D].北方工业大学.2019
[2].陈超.前景与背景分离的图像风格迁移系统设计与实现[J].信息通信.2019
[3].郭鹏飞,金秋,刘万军.融合似物性前景对象与背景先验的图像显着性检测[J].计算机工程与科学.2018
[4].吴联坤.基于TensorFlow分布式与前景背景分离的实时图像风格化算法[D].浙江大学.2017
[5].王建鹏.基于背景和前景节点的图像显着性检测算法[D].大连理工大学.2016
[6].汪梅.基于流形排序和结合前景背景特征的图像显着性检测[D].重庆大学.2016
[7].冯喆,夏虎,傅彦,周俊临.基于前景提取的复杂背景图像检索算法[J].计算机科学.2013
[8].楚瀛,田淞,张桂林,张熠.基于图像边缘特征的前景背景分割方法[J].华中科技大学学报(自然科学版).2008
[9].朱远清,李才伟.一种基于前景与背景划分的区域图像检索方法及实现[J].中国图象图形学报.2007
[10].朱远清,李才伟.一种基于前景与背景划分的区域图像检索方法及实现[C].第十叁届全国图象图形学学术会议论文集.2006