导读:本文包含了灰度估计论文开题报告文献综述及选题提纲参考文献，主要关键词:载波条纹图,空间频率,灰度梯度,位相分析
灰度估计论文文献综述
张瑞华,张佳兴,张威[1]（2018）在《基于灰度梯度的载波条纹图像空间频率估计》一文中研究指出为解决图像处理中位相变化较大(如边缘、开孔等),条纹难以从背景中完全提取的问题,提出一种新的空间载波条纹图局部空间频率估计方法,即计算载波条纹图灰度梯度,并从相素邻域中估计其标准差,再根据该标准差计算出像素局部位相梯度(空间频率)。同时,通过仿真实验对该算法的有效性进行了验证。结果表明,该方法原理简单、易于操作、对环境噪声不敏感,且在位相变化较大的空间载波条纹图分析中具有明显优势。(本文来源于《南通职业大学学报》期刊2018年03期）
吴章平,刘本永[2]（2016）在《基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计》一文中研究指出针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。(本文来源于《计算机应用》期刊2016年04期）
吾尔尼沙·阿不都热依[3]（2014）在《基于视频像素灰度值时延估计的暴恐人员圆阵定位》一文中研究指出从视频像素灰度序列中提取特定人员的状态特征,采用平面阵对特征信息进行融合处理是实现计算机视觉下特定人员定位的重要步骤。传统的人员视觉定位方法采用视频步进跟踪学习方法,在随机状态分布下的复杂环境人员进行准确定位效果不佳,提出一种基于平面圆阵定位算法的特定人员计算机视觉定位方法,提取监控视频的图像,进行视频图像的背景建模,得到高斯差分尺度空间中的背景像素灰度值,实现对特定人员的表情识别的动作判别,以此为数据基础设计平面圆阵人员定位系统,实现对暴恐等特定人员的准确锁定和跟踪识别。仿真实验表明,采用该算法准确实现1500 m远距离暴恐人员特征识别与定位,误差较小,分辨率和准确性较高。(本文来源于《科技通报》期刊2014年06期）
王雅琳[4]（2013）在《基于灰度共生矩阵的人群密度估计算法研究》一文中研究指出受全球都市化的影响，大量的人群聚集易造成人群拥挤、发生踩踏伤亡等不幸事件，同时人群密度的增大也将会使城市的公共交通迎来短期的人流高峰，人群的高度拥挤若得不到及时有效的疏散，对城市的治安将会造成较大的威胁。因此，自动的对人群信息进行有效地分析从而估计出人群密度，已经成为智能视频监控的研究热点。本文研究的重点是如何对视频监控中的人群密度进行估计。首先需要对监控场景的视频图像提取人群前景图像，然后对其提取人群密度特征，最后将获得的密度特征值送入分类器中，从而得到人群密度。在人群前景提取方面，本文首先采用加权平均法对人群图像进行灰度化，然后采用中值滤波法进行噪声的消除，最后采用自适应的视频帧差法来构造背景图像，通过背景减操作获得人群前景图像。在人群密度的特征提取方面，本文首先介绍了人群密度监控技术的研究现状及基本理论，通过分析可知，基于纹理的分析方法对于高密度且有遮挡的人群场景非常有效。因此，本文采用基于灰度共生矩阵的纹理分析方法来提取人群密度特征，通过实验研究确定了灰度共生矩阵的最佳参数，并选择了能量、熵、对比度及逆差矩4个重要的特征作为人群图像的纹理特征。在模式识别的分类问题上，本文采用支持向量机作为估计人群密度的分类器，按照分类规则，使用训练样本建立了支持向量机分类器模型，通过实验采用“粗调加细调”方法测试研究了径向基核函数的核参数和惩罚参数C的最佳组合的选取。最后，为了验证本文算法的有效性，分别对两个不同的人群视频进行了实验，测试样本的准确率均达到了95%以上。实验结果表明本文方法简单有效，便于应用在实际场景中，为有关部门能更好地保障公共安全提供了有力的帮助。(本文来源于《西安科技大学》期刊2013-06-30）
李宏荣[5]（2013）在《基于灰度序的描述子主方向估计方法研究》一文中研究指出近年来,以SIFT为代表的局部描述子取得了很大的成功,极大地推动了计算机视觉相关领域的研究进展。目前,局部描述子匹配已经逐渐成为了宽基线匹配、物体识别、图像分类、图像检索等众多应用中的一种主要范式。反过来,这些应用的驱动也带动了对局部描述子更深入的研究。局部描述子的构造通常包括若干环节或步骤,其每个环节的具体操作都会影响到描述子的最终性能。旋转不变性是对描述子的基本要求,为了保证描述子的旋转不变性,通常构造描述子的步骤中大都包括一个计算主方向的中间环节。但是最新的统计结果表明,采用目前方法计算的主方向中有近叁分之一其误差超过了20度,这无疑大大降低了描述子的性能。因此,探索精度更高,鲁棒性更强的主方向计算方法必将对描述子整体性能的提升起到重要的促进作用。针对这个问题,本文探索了一类新的主方向计算方法,并且取得了较好的效果,具体研究内容和研究成果如下：1.提出了基于灰度序的主方向构造方法。其基本思想是,对特征支撑区域内的像素根据灰度序进行分组,然后计算组内像素的几何统计量,以此为基础来计算主方向。本论文中给出了两种像素分组方法,分别是基于平均灰度和基于平均像素个数的方法；还给出了两种不同的几何统计量主方向计算方法,分别是基于几何重心点和基于椭圆拟合的方法。最后,针对不同场景,对图像旋转、尺度变化、光照变化、图像模糊、图像压缩及复杂光照变化下进行了性能测试,大多数情况下其精度都要优于以前的方法。不同于以往基于梯度统计的方法,本文方法是基于灰度序的,其主要优点是,第一,图像灰度本身比梯度信息受噪声干扰小；第二,基于梯度的方法仅仅对灰度的线性变换是不变量,而本文方法只要保持灰度序不变即可；第叁,本文方法计算的主方向是连续的,而以前方法是离散数据经过插值得到的；第四,从计算复杂性看,本文采用了查找方法,其计算复杂性较低。2.给出了主方向对描述子性能的影响分析。主方向的计算主要是服务于描述子的,将本文提出的主方向应用于经典的描述子中,并进行了标准化性能测试,结果表明,其描述子性能总体上有了较大的提升。这也表明,本文提出的主方向计算方法是一种非常实用的方法。(本文来源于《山西大学》期刊2013-06-01）
吴浩,邓宏彬[6]（2013）在《一种基于分块灰度投影运动估计的视频稳像方法》一文中研究指出提出一种基于分块灰度投影运动估计的视频稳像方法,该方法首先对图像划分子区域,依据灰度梯度对子区域进行筛选,剔除容易导致错误运动估计的低对比度子区域,在减少运动估计运算量的同时提高了运动矢量估计的精度;然后对保留的子区域进行灰度投影及相关运算获得局部运动矢量,根据图像帧间运动模型由局部运动计算出图像的全局运动矢量;最后根据运动补偿矢量对图像进行补偿,以获得稳定的图像序列。分块灰度投影运动估计算法有效解决了投影法存在的前景局部运动影响全局运动估计精度,以及无法估计旋转运动问题。实验结果表明,相比于传统灰度投影算法,该运动估计算法提高了运动估计的准确性和实时性。(本文来源于《兵工学报》期刊2013年04期）
王啸原[7]（2013）在《图像灰度值类别概率估计研究》一文中研究指出随着遥感技术的飞速发展，人们对于生活的地球的信息有着越来越多的认识，尤其是近年来产生了越来越多的遥感图像。随之而来的挑战接踵而至，如何在众多的遥感图像中选取能够胜任遥感任务的遥感图像成为了遥感领域中的一个研究方向。尽管已有众多的关于遥感图像的分类方法现世，但是若不事先对众多的遥感图像的分类质量进行预估，贸然地使用分类方法则会浪费大量的人力、物力，势必对遥感图像的研究工作有着事倍功半的反效果。因此，本文面向图像类别概率估计问题，以模拟数据作为主要研究对象，从自动的样本选择研究入手，以图像分类为手段，探讨图像中每一灰度值隶属于图像中各个类别的概率。其中对于样本的自动选择，采用K-均值聚类给出，将数据以图的形式描述，应用标签繁殖算法和标记点加权，通过一种迭代更新的方式，以达到对基于图像分类时不同灰度值对于各类类别概率的预估。本文所做的主要工作如下：1）为了达到高精度且自动化强的分类结果，这里基于K均值和标签繁殖算法相结合的方法，给出类别概率初步估计的过程2）在基于半监督学习的加权支持向量域数据描述方法的基础上，利用无监督聚类方法和经验知识找出可能性最大的标记样本点，从而对图像中不同灰度值的类别概率进行估计。3）通过类别概率迭代估计方法来逼近真实的类别概率，从而对算法进行改进并将结果偏差控制在一定范围内。(本文来源于《华中科技大学》期刊2013-02-01）
张文倩[8]（2012）在《基于灰度共生矩阵和分形的人群密度估计》一文中研究指出针对人群密集公共场所的视频监控,传统的人工监控因为其局限性,已不能满足实际需要,人群智能监控应运而生,而人群密度成为监控的重要对象。基于像素点统计的人群密度估计方法简单直观,但仅适用于人群密度较低场合,密度较高时误差较大。对中高密度人群,本文给出了一种基于灰度共生矩阵和分形的人群特征提取方法,进而利用支持向量机实现人群密度分类。对基于视频的人群密度估计实验结果表明本文提出的方法是有效的。(本文来源于《电子测试》期刊2012年05期）
王海涌,周文睿,林浩宇,王新龙[9]（2012）在《静态像点高斯灰度扩散模型参数估计方法》一文中研究指出为了实现星敏感器高斯灰度扩散模型的参数估计,设计了平行光管成像标定实验及相关算法。基于高斯规律建立并求解了以高斯扩散半径和像点质心坐标偏差为变量的方程组,进一步求得灰度能量系数;在3个不同平行光源方位拍摄图像,利用图像灰度数据计算模型参数的系列测量值,分别取均值作为其估计值;建立实验验证方法,将3个估计参数代入模型模拟静态星像点,将模拟图像与存在噪声的实拍图像做相似度比较,3pixel×3pixel窗口内相似度高于0.97,5pixel×5pixel窗口内高于0.98,7pixel×7pixel窗口内高于0.98。结果表明,方程组求解得到的高斯扩散半径、像点质心偏差的值可信,推导公式正确。(本文来源于《光学学报》期刊2012年03期）
李浩洋,刘兆军,徐彭梅[10]（2011）在《改进的灰度投影像移矢量估计算法》一文中研究指出提出了一种改进的基于灰度投影的像移矢量估计算法。根据相关曲线的特性,针对全局搜索法和叁点搜索法的不足,该算法在搜索第一步时保留多个参考点,并逐步递减,既能解决全局搜索法运算量大、耗时长的问题,又能避免叁点搜索法出现误匹配的现象。仿真实验表明,该方法在保证像移矢量估计精度的同时,提高了运算速度,具有较好的效果。(本文来源于《计算机应用》期刊2011年S2期）
灰度估计论文开题报告
（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：
针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。
（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。
灰度估计论文参考文献
[1].张瑞华,张佳兴,张威.基于灰度梯度的载波条纹图像空间频率估计[J].南通职业大学学报.2018
[2].吴章平,刘本永.基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计[J].计算机应用.2016
[3].吾尔尼沙·阿不都热依.基于视频像素灰度值时延估计的暴恐人员圆阵定位[J].科技通报.2014
[4].王雅琳.基于灰度共生矩阵的人群密度估计算法研究[D].西安科技大学.2013
[5].李宏荣.基于灰度序的描述子主方向估计方法研究[D].山西大学.2013
[6].吴浩,邓宏彬.一种基于分块灰度投影运动估计的视频稳像方法[J].兵工学报.2013
[7].王啸原.图像灰度值类别概率估计研究[D].华中科技大学.2013
[8].张文倩.基于灰度共生矩阵和分形的人群密度估计[J].电子测试.2012
[9].王海涌,周文睿,林浩宇,王新龙.静态像点高斯灰度扩散模型参数估计方法[J].光学学报.2012
[10].李浩洋,刘兆军,徐彭梅.改进的灰度投影像移矢量估计算法[J].计算机应用.2011