导读:本文包含了着色算法论文开题报告文献综述及选题提纲参考文献，主要关键词:图论,最大系统公平准则,频谱,效益
着色算法论文文献综述
何建强,滕志军,刘皎[1]（2019）在《一种基于改进颜色敏感图论着色的频谱分配算法》一文中研究指出论文针对当前频谱资源紧缺、频谱使用效率不高的现状,通过对颜色敏感图论着色算法的分析,以最大化总带宽为频谱分配的最优化目标函数,采用协作式和非协作式两种方式,在最大系统公平准则下提出一种改进的频谱分配算法,在保证系统全局效益的同时,提高频谱分配的公平性。仿真结果表明,改进后算法较传统算法能有效改善频谱利用率,提高系统效益。(本文来源于《计算机与数字工程》期刊2019年08期）
毕晓雪,陈赟昌[2]（2019）在《基于图着色及小区选择思想的波长分配算法》一文中研究指出针对光传送网络(OTN)中路由及波长分配(RWA)问题中的波长分配子问题,文章提出了一种图着色与移动通信网络中移动台寻找服务小区策略相结合的启发式算法,给出了算法实现的流程图以及相应的伪代码,并对波长分配子问题中所涉及的关键性指标进行了实验对比分析。实验结果表明,该算法在保证链路使用中继数量最少和波长一致的条件下,使网络进行波长分配时的失败率最高可下降4%,且全网使用的波长和中继盘的增加量在0.5%以内,满足了工程实践的需求。(本文来源于《光通信研究》期刊2019年04期）
单欣,赵勇,李玲,郭清华,董军宇[3]（2019）在《叁维几何数据的交互式着色算法》一文中研究指出获取叁维模型的纹理信息是计算机图形学领域的一个重要研究问题.传统的方法往往通过纹理映射来完成这个任务,其局限是需要一幅合适的纹理图像.为了能够更简便地得到模型的纹理,提出一种交互式着色算法.对于网格模型,首先进行显着特征的提取和分类来减少用户对重复出现的特征的交互量,进而由用户在不同区域上交互几条颜色曲线作为种子曲线.然后结合位置、法向和曲率信息来衡量相邻顶点的相似度,以防止相邻区域之间出现渗色,并通过随机游走算法计算出每个顶点到每条种子曲线的跳转概率;最后以跳转概率作为权值对各条种子曲线的颜色进行加权平均,得到每个网格顶点的颜色.进一步地,还将上述算法应用到点云模型上.实验结果表明,该算法能够准确地区分不同的区域,鲁棒地为叁维模型着色.(本文来源于《计算机辅助设计与图形学学报》期刊2019年06期）
王东明,代星,孟祥虎,徐向平,李俊[4]（2019）在《基于萤火虫算法的最大值最小化着色旅行商问题的求解》一文中研究指出针对遗传算法在求解最大值最小化着色旅行商问题(min-max colored traveling salesman problem, MM-CTSP)中存在解质量欠佳、耗时多和收敛速度慢等问题,提出基于萤火虫算法的MM-CTSP求解方法,采用直接路径编码方式提高解码效率;采用翻转变异策略更新个体,提高算法的收敛速度.结果表明,该方法的解质量高,耗时少,收敛速度快,且城市规模越大其优势越明显.(本文来源于《扬州大学学报(自然科学版)》期刊2019年02期）
吕维帅[5]（2019）在《基于深度神经网络的黑白图像着色算法研究》一文中研究指出近年来,随着深度卷积神经网络的出现,灰度图像的彩色化重新成为研究的热点,灰度图像着色的目标是为灰度图像的每一个像素分配颜色,且具有很高的研究和应用价值。传统的图像彩色化技术主要有两种,分别是基于颜色传递的图像着色方法和基于颜色扩展的图像着色方法,这两种方法需要人机交互,在处理图像的过程中操作复杂而且难度较大,通用性不强,不能使用一种图像着色算法来完成所有的着色任务,难以得到大规模的推广。随着计算机图形图像处理能力的提高,深度学习开始应用于多个领域,且能够与数字图像处理完美地结合,因此研究基于深度学习的黑白图像着色算法具有重要的现实意义和实用价值,针对该方法目前存在的不足,在文中我们提出了两种自动着色的算法。具体研究内容如下:(1)本文开篇介绍了两种传统着色算法,分别是基于局部颜色扩展的图像彩色化算法和基于颜色传递的图像彩色化算法。之后着重介绍了两类传统着色算法的发展史以及在应用中的优缺点。(2)本文在分析了两种主要的传统着色算法弊端后,提出基于卷积神经网络的图像着色算法,并在此算法中应用了U-Net网络。在该图像着色算法中,应用SE-InceptionResNet-v2网络提取图像的高水平特征,即全局信息,并且使用Power Linear Units(PoLU)函数替代线性整流函数(ReLU)。实验结果证明基于卷积神经网络的图像着色算法能够对灰度图像进行有效的着色。(3)本文提出了基于自注意力生成对抗网络的黑白照片彩色化算法。在算法中应用自注意力模型对图像生成任务进行注意力驱动的长距离依赖关系建模,并且使用来自所有特征位置的线索生成图像细节,此外在算法中加入光谱归一化方法来改善网络中生成器生成的图像质量,改进算法中的判别器可以检查图像中较远部分的细节特征是否一致。通过对算法的测试证明,本文提出的算法能够有效地对黑白照片进行批量着色。(本文来源于《江西理工大学》期刊2019-05-28）
张娜[6]（2019）在《基于密集神经网络的灰度图像着色算法研究及应用》一文中研究指出在多数场景中,彩色图像比灰度图像具有更丰富的信息,现有的灰度图像着色算法主要包括基于用户引导下的颜色传播类算法、基于指定函数或参数的颜色映射算法及基于数据驱动的图像着色算法,前两种算法因本身特点有限性,其适应性和可大规模运用能力不佳。第叁类算法中,早期的基于实例图像参考法及类比法大规模适应性不佳。随着机器学习及图像计算设备(GPU等)性能的提升,基于深度学习的灰度图像着色算法性能优异,脱颖而出。该类方法利用神经网络,搭建不同的网络架构,利用大规模数据集进行训练,通过卷积操作对图像的内容和特征进行提取及分析,寻找灰度图像到彩色图像之间的映射关系,从而训练出相应的模型,实现着色。本文采用了深度学习的思想,对灰度图像着色算法进行了研究,具体内容如下:(1)基于密集神经网络构建并训练了一个端到端的深度学习模型,对自然图像中的各类信息及特征进行提取(如分类信息和细节特征信息等)。训练结束后,只需输入一张灰度图片,即可生成一张颜色饱满、鲜明逼真的彩色图片。通过不断地在各类数据集上训练整个网络,可得到适用性强、性能优异的着色网络。实验表明,本文所提出的方法具有更高的特征利用率,能够得到令人满意的着色效果,较目前先进的着色方法而言也取得了显着的改进,在一定程度上也改善了着色过程中的漏色、细节信息损失、对比度低等问题。(2)通过引入多尺度训练、多损失优化,并通过对比实验验证,实现了对现有算法的性能进行优化。(3)利用迁移学习,以彩色人体解剖切片图像为参考图像,进行了医学影像彩色化试验,效果尚可,为医学影像着色提供了新方式。(本文来源于《中北大学》期刊2019-05-21）
魏娟[7]（2019）在《蚁群优化图着色算法在智能小区中的运用》一文中研究指出当智能小区的地图网格中的颜色数太多时,经蚁群算法处理的信息会出现杂乱无章的现象.对蚁群算法进行优化,增添褪色过程并加入参数Max,能减小并控制着色色数,实现四色着色,使得小区里的各种动态数据和信息在地图网格中更加清晰且直观地展现.(本文来源于《吉首大学学报(自然科学版)》期刊2019年02期）
张娜,秦品乐,曾建潮,李启[8]（2019）在《基于密集神经网络的灰度图像着色算法》一文中研究指出针对在灰度图像着色领域中,传统算法信息提取率不高、着色效果不理想的问题,提出了基于密集神经网络的灰度图像着色算法,以实现改善着色效果,让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性,构建并训练了一个端到端的深度学习模型,对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比,以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后,只需向网络输入一张灰度图片,即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明,引入密集网络后,可有效改善着色过程中的漏色、细节信息损失、对比度低等问题,所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络(ResNet)等性能优异的先进着色算法而言取得了显着的改进。(本文来源于《计算机应用》期刊2019年06期）
马骋,孙国强[9]（2019）在《深度学习彩色化算法对曝光偏差图像着色研究》一文中研究指出对基于深度学习的图像彩色化算法进行试验与分析,发现现有彩色化算法存在对曝光偏差的图像彩色化效果不佳。针对该问题,提出一种在彩色化存在曝光偏差的灰度图像时,使用直方图均衡化预处理输入图像方法,以达到更好的彩色化效果。该方法在深度学习彩色化算法的预处理阶段,运用直方图均衡化输入灰度图像,建立一种合理的映射关系,将输入图像灰度值按照该映射关系重新均衡分布在灰度级范围上,使得图像灰度等级分明,对比度增加,细节更加清晰,更有利于神经网络提取图像特征。对彩色化算法进行对比实验,结果表明,该预处理方法对曝光偏差图像的彩色化效果更加真实,可以显着提高存在曝光偏差图像的彩色化效果。(本文来源于《软件导刊》期刊2019年02期）
董文永,董学士,王豫峰[10]（2018）在《改进蜂群算法求解大规模着色瓶颈旅行商问题》一文中研究指出在智能交通、多任务协作等领域,用着色瓶颈旅行商问题(CBTSP,colored bottleneck traveling salesman problem)所构建模型尺度易趋向于大规模,因此有必要研究大规模CBTSP及其求解算法。本文将一种改进蜂群算法(IABC,improved artificial bee colony algorithm)应用于求解大规模CBTSP。IABC首先运用m-tour编码方法生成问题的解,然后使用产生邻近解(GNS,generate neighboring solution)优化蜂群算法求解该问题,GNS通过采用删除和重插入操作来产生新的解,并在该过程中实现对已有解的优化。实验表明IABC求解大规模CBTSP问题的求解质量优于其他对比算法。(本文来源于《通信学报》期刊2018年12期）
着色算法论文开题报告
（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：
针对光传送网络(OTN)中路由及波长分配(RWA)问题中的波长分配子问题,文章提出了一种图着色与移动通信网络中移动台寻找服务小区策略相结合的启发式算法,给出了算法实现的流程图以及相应的伪代码,并对波长分配子问题中所涉及的关键性指标进行了实验对比分析。实验结果表明,该算法在保证链路使用中继数量最少和波长一致的条件下,使网络进行波长分配时的失败率最高可下降4%,且全网使用的波长和中继盘的增加量在0.5%以内,满足了工程实践的需求。
（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。
着色算法论文参考文献
[1].何建强,滕志军,刘皎.一种基于改进颜色敏感图论着色的频谱分配算法[J].计算机与数字工程.2019
[2].毕晓雪,陈赟昌.基于图着色及小区选择思想的波长分配算法[J].光通信研究.2019
[3].单欣,赵勇,李玲,郭清华,董军宇.叁维几何数据的交互式着色算法[J].计算机辅助设计与图形学学报.2019
[4].王东明,代星,孟祥虎,徐向平,李俊.基于萤火虫算法的最大值最小化着色旅行商问题的求解[J].扬州大学学报(自然科学版).2019
[5].吕维帅.基于深度神经网络的黑白图像着色算法研究[D].江西理工大学.2019
[6].张娜.基于密集神经网络的灰度图像着色算法研究及应用[D].中北大学.2019
[7].魏娟.蚁群优化图着色算法在智能小区中的运用[J].吉首大学学报(自然科学版).2019
[8].张娜,秦品乐,曾建潮,李启.基于密集神经网络的灰度图像着色算法[J].计算机应用.2019
[9].马骋,孙国强.深度学习彩色化算法对曝光偏差图像着色研究[J].软件导刊.2019
[10].董文永,董学士,王豫峰.改进蜂群算法求解大规模着色瓶颈旅行商问题[J].通信学报.2018