导读:本文包含了先验的论文开题报告文献综述及选题提纲参考文献，主要关键词:天空区域,两种暗通道,引导滤波,透射率补偿
先验的论文文献综述
缑新科,孙维江[1]（2019）在《基于暗通道先验的单幅图像去雾算法改进》一文中研究指出针对基于暗通道先验去雾算法存在的时间复杂度高,复原图像的天空范围内颜色失真等问题,提出基于暗通道先验的单幅图像去雾改进算法。首先通过两种不同的暗通道图像获取不同的透射率粗估计,联合这两种透射率粗估计,利用引导滤波器对其进行初步优化,针对天空范围内透射率估计偏低,对天空范围内的透射率进行补偿,再次使用引导滤波器优化透射率,利用四叉树多层次搜索获取大气光的准确值。最后通过大气物理模型,获得去雾图像。结果表明论文算法的运算时间相对于软抠图方法缩减90%以上,并且可以有效地处理包含天空区域的有雾图像。(本文来源于《计算机与数字工程》期刊2019年11期）
刘万军,白宛司,曲海成,赵庆国[2]（2019）在《融合GF-MSRCR和暗通道先验的图像去雾》一文中研究指出目的针对雾天图像高亮和雾浓区域中容易出现场景透射率值求取不准确,导致复原后的图像细节丢失、出现光晕现象、对比度和色彩难以满足人眼的视觉特性等问题,提出了一种融合引导滤波优化的色彩恢复多尺度视网膜算法(GF-MSRCR)和暗通道先验的图像去雾算法。方法首先利用加权四叉树方法从最小通道图中快速搜索全局大气光值,再从图像增强角度应用GF-MSRCR算法初步估计场景透射率值,依据暗通道先验原理对最小通道图进行二次估测,根据两次求取结果按一定比例进行像素级图像融合,得到场景透射率估计值;利用变差函数修正估计值,经中值滤波进一步优化得到场景透射率的精确值,最后通过大气散射模型恢复雾天图像,调整对比度和恢复颜色后,得到了轮廓完整且细节清晰的无雾图像。结果理论分析和实验结果表明,经本文算法去雾处理后的图像信息熵、对比度、平均梯度、结构相似性分别平均提升了7. 87%、21. 95%、47. 73%和15. 58%,同时运行时间缩短了53. 22%,对近景、含小部分天空区域、含大片天空区域和含白色物体场景的多种类型雾天图像显示出较好的复原效果。结论融合GF-MSRCR和暗通道先验的图像去雾算法能快速有效保留图像的细节信息、消除光晕,满足了人眼的视觉特性,具有一定的实用性以及普适性。(本文来源于《中国图象图形学报》期刊2019年11期）
王娇,韩加蓬,马骏,李煜,刘二全[3]（2019）在《一种改进的基于暗通道先验的快速去雾算法》一文中研究指出针对暗通道先验去雾算法复杂度过高,存在大片天空区域不适用的情况,提出一种改进的基于暗通道先验的快速去雾算法。首先,通过对灰度图像迭代出最佳阈值将天空区域分割出来;然后采用文中提出的方法分别对天空和非天空部分求解大气光强度,以获得精确的透射率,为使图像边缘信息能够保留完整,采用梯度强化的方法对图像进行边缘锐化;最后通过大气散射模型恢复出无雾图像,采用自动色阶算法平衡图像亮度。实验结果表明,经过与4种算法对比后,能够较好的适用于存在大片天空区域的有雾图像,图像具有较好的视觉效果,能够保留图像的边缘信息、细节纹理,降低了处理时间,提高了运行效率,同时为后续的目标识别等领域奠定基础。(本文来源于《现代电子技术》期刊2019年22期）
潘胜达,张素,赵明,安博文[4]（2019）在《基于加权场景先验的海上红外弱小目标检测》一文中研究指出为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明:该算法能有效地提高目标检测准确率,算法实时性较原算法提高了120%.(本文来源于《红外与毫米波学报》期刊2019年05期）
李明杰,贺铸[5]（2019）在《基于正则先验的全变差快速代数迭代算法及其在火焰辐射测量中的重建性能分析》一文中研究指出针对传统重建算法对火焰重建精度低、重建速度慢的问题,提出了基于正则先验的全变差代数迭代(ARTTV)算法,以提高对称与非对称火焰的重建精度。同时,为了提高重建速度,建立了基于"ARTTV-粒子群算法(PSO)内核"的极限学习机(ELM)神经网络,该神经网络具有与迭代算法近乎相同的重建能力,同时又具有超过迭代算法约300倍的重建速度。(本文来源于《光学学报》期刊2019年10期）
钱彤,朱永忠[6]（2019）在《基于Horseshoe+先验的惩罚置信区域变量选择方法》一文中研究指出针对高维稀疏线性回归问题,相关变量的数量远远少于不相关变量.相关变量的变量选择问题对于传统的频率论正则化方法是一大挑战.现有的贝叶斯惩罚置信区域法通过将模型拟合与变量选择分离,在联合后验置信区域内搜索最稀疏解,从而得到稀疏模型解.且该方法在高维变量选择效果上优于常用的变量选择方法.在此基础上,针对高维稀疏模型,将原方法中依赖的共轭正态先验替换成针对"稀疏信号勘测问题"提出的Horseshoe+先验,利用Horseshoe+先验对小系数"重"压缩与大系数几乎零压缩的理论特性,实现对稀疏回归系数的稳健估计.通过数据仿真模拟不同稀疏程度下的高维稀疏线性回归,并将基于Horseshoe+先验的惩罚置信区域法分别与基于正态先验以及Laplace先验的该方法进行比较,结果表明基于Horseshoe+先验的惩罚置信区域法在高维稀疏线性回归问题具有更好的变量选择效果与预测效果.(本文来源于《云南民族大学学报(自然科学版)》期刊2019年05期）
付利华,李灿灿,崔鑫鑫,王丹,彭硕[7]（2019）在《基于深度选择性差异及背景先验的显着性检测》一文中研究指出为了解决基于二维图像的显着性检测方法中出现的光噪声、前景背景相似、多目标遮挡等问题,有效地突出显着区域并抑制背景区域,基于颜色、深度信息提出一种基于深度选择性差异及背景先验的显着性检测模型.首先,根据深度图质量进行颜色以及深度特征所占比例的调节;其次,依据深度图的内在特性,计算图像的基于深度选择性差异的显着性;然后,基于所获取的边界背景集合和基于深度先验的背景集合,计算图像的基于背景先验的显着性;最后,对前期得到的2个显着图进行融合及调整,并对显着图进行优化,得到最终的显着性检测结果.实验结果表明,该模型能较好地反映颜色以及深度信息对显着性检测的影响,计算结果更符合人类视觉.(本文来源于《北京工业大学学报》期刊2019年09期）
吴明亮,朱欢[8]（2019）在《基于光流及背景先验的夜视系统车辆检测算法研究》一文中研究指出随着中国汽车保有量的快速增长,驾驶安全问题将日益突出。夜间路面照度低,路边识别率低,同时司乘人员夜间的驾驶能力变弱而导致事故的发生,所以研究研究夜间的行车安全极为必要。本文通过对大气散射物理模型的研究,首先采用图像增强算法将夜视图像的特征增强,其次选取光流法中基于梯度的金字塔光流法与背景先验知识进行结合,将其应用于夜间道路环境的车辆检测,通过对实际场景的综合实验测试,此方法能够较好的检测出夜间行驶车辆。(本文来源于《内燃机与配件》期刊2019年16期）
许煜,刘辉,尚振宏[9]（2019）在《基于多种先验的盲图像复原方法》一文中研究指出基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。(本文来源于《计算机工程与科学》期刊2019年08期）
Bo-xuan,YUE,Kang-ling,LIU,Zi-yang,WANG,Jun,LIANG[10]（2019）在《基于暗通道先验的单幅图像快速去雾算法（英文）》一文中研究指出在雾气中,可见光的散射降低了图像可见度。目前,去雾仍是图像处理应用的一个挑战。为实现去雾,提出一种基于单个像素的去雾加速算法。不同于基于区块的方法,所提方法分别估计每个区域的变换矩阵和大气光参数,其中加速的关键在于所有参数能在一次遍历中获得。然后,对传输映射进行双边过滤,恢复像素之间的关系。通过线性模糊模型恢复后,对恢复的图像进行调整,以提高对比度、光照强度和饱和度,尤其是补偿由相应波长引起的不同通道的光强误差。实验结果表明,该方法在处理速率方面优于已有的最先进去雾算法。与其他去雾方法比较和引入定量准则(峰信噪比、可检测边际速率、信息熵差)验证该方法有效。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年08期）
先验的论文开题报告
（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：
目的针对雾天图像高亮和雾浓区域中容易出现场景透射率值求取不准确,导致复原后的图像细节丢失、出现光晕现象、对比度和色彩难以满足人眼的视觉特性等问题,提出了一种融合引导滤波优化的色彩恢复多尺度视网膜算法(GF-MSRCR)和暗通道先验的图像去雾算法。方法首先利用加权四叉树方法从最小通道图中快速搜索全局大气光值,再从图像增强角度应用GF-MSRCR算法初步估计场景透射率值,依据暗通道先验原理对最小通道图进行二次估测,根据两次求取结果按一定比例进行像素级图像融合,得到场景透射率估计值;利用变差函数修正估计值,经中值滤波进一步优化得到场景透射率的精确值,最后通过大气散射模型恢复雾天图像,调整对比度和恢复颜色后,得到了轮廓完整且细节清晰的无雾图像。结果理论分析和实验结果表明,经本文算法去雾处理后的图像信息熵、对比度、平均梯度、结构相似性分别平均提升了7. 87%、21. 95%、47. 73%和15. 58%,同时运行时间缩短了53. 22%,对近景、含小部分天空区域、含大片天空区域和含白色物体场景的多种类型雾天图像显示出较好的复原效果。结论融合GF-MSRCR和暗通道先验的图像去雾算法能快速有效保留图像的细节信息、消除光晕,满足了人眼的视觉特性,具有一定的实用性以及普适性。
（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。
先验的论文参考文献
[1].缑新科,孙维江.基于暗通道先验的单幅图像去雾算法改进[J].计算机与数字工程.2019
[2].刘万军,白宛司,曲海成,赵庆国.融合GF-MSRCR和暗通道先验的图像去雾[J].中国图象图形学报.2019
[3].王娇,韩加蓬,马骏,李煜,刘二全.一种改进的基于暗通道先验的快速去雾算法[J].现代电子技术.2019
[4].潘胜达,张素,赵明,安博文.基于加权场景先验的海上红外弱小目标检测[J].红外与毫米波学报.2019
[5].李明杰,贺铸.基于正则先验的全变差快速代数迭代算法及其在火焰辐射测量中的重建性能分析[J].光学学报.2019
[6].钱彤,朱永忠.基于Horseshoe+先验的惩罚置信区域变量选择方法[J].云南民族大学学报(自然科学版).2019
[7].付利华,李灿灿,崔鑫鑫,王丹,彭硕.基于深度选择性差异及背景先验的显着性检测[J].北京工业大学学报.2019
[8].吴明亮,朱欢.基于光流及背景先验的夜视系统车辆检测算法研究[J].内燃机与配件.2019
[9].许煜,刘辉,尚振宏.基于多种先验的盲图像复原方法[J].计算机工程与科学.2019
[10].Bo-xuan,YUE,Kang-ling,LIU,Zi-yang,WANG,Jun,LIANG.基于暗通道先验的单幅图像快速去雾算法（英文）[J].FrontiersofInformationTechnology&ElectronicEngineering.2019