导读:本文包含了区域标注论文开题报告文献综述及选题提纲参考文献，主要关键词:多媒体环境,船舱监控,视觉图像,敏感区域
区域标注论文文献综述
高欣,刘笑迎[1]（2019）在《多媒体环境下船舱监控视觉图像敏感区域标注算法》一文中研究指出在船舱监控视觉图像的敏感区域标注中,针对敏感区域聚类标注算法准确率较低的问题,在多媒体环境下,提出了一种船舱监控视觉图像敏感区域标注算法。使用视觉注意模型计算各个区域的敏感度,对敏感区域进行检测。利用K-NN聚类算法对图像样本进行聚类,对出现频率最大的样本类别进行标注。利用图像的SIFT特征对图像的特征点与梯度进行描述,得到敏感区域图像特征后,根据值的大小,排序所有未标注的图像标注词,实现了船舱监控视觉图像敏感区域标注算法。为了检测该算法,利用敏感区域聚类标注算法与该算法进行敏感区域标注准确率的对比实验,证明了船舱监控视觉图像敏感区域标注算法的可行性与准确率。(本文来源于《舰船科学技术》期刊2019年10期）
霍亮[2]（2019）在《一图阅尽夏都“香海”》一文中研究指出本报讯（ 霍亮）目前哈市城区共有丁香134万余株，从本周开始这些丁香陆续进入绽放季，丁香花海成为冰城夏都盛世美颜的重要加分项。冰城最美最精华的丁香花海盛景，都在城市哪些地方？为了方便市民观赏丁香盛景，市城管局专门为市民和游客绘制了一幅精确的丁香地图。(本文来源于《哈尔滨日报》期刊2019-05-09）
杨柳[3]（2019）在《破损图像子区域自适应划分标注方法仿真》一文中研究指出针对当前图像标注方法中存在准确率与召回率低的问题,提出基于多示例学习的破损图像子区域自适应划分标注方法。利用模糊增强算法计算图像模糊隶属度,对得到的图像隶属度进行非线性变换增强图像对比度,通过隶属度的逆变换获取整体得到增强的破损图像。在对数域上分离整体增强后图像中大特征和小细节,并采用二次函数分解图像中的大特征,得到增强细节后的破损图像。将增强后图像代入图像分割中,利用相邻像素之间差分计算得到图像中具有梯度突变的点,利用形态学处理突变点,并确定初始分割阈值。将互信息量当作目标函数,通过计算分割图像和原始图像互信息量,得到最佳分割阈值,实现破损图像分割。经图像分割,利用多示例学习法与多样性密度法相结合的方式将训练图像集合中图像划分成正包、负包,利用计算图像各分割块有关各标注自身多样性密度的得分值实现图像子区域自适应划分标注。实验结果表明,该方法标注准确率与召回率均较高。(本文来源于《计算机仿真》期刊2019年04期）
殷依[4]（2018）在《基于特征学习与有效区域基因选择算法的商品图像属性标注》一文中研究指出近年,伴随电子商务的快速发展,Web上的商品图像急速增长,如何有效地组织并管理商品图像,进而向用户提供准确、便捷的检索服务是制约电子商务发展的关键。对大规模图像进行有效管理的重要前提是使其“语义清晰”,即准确、有效地标注图像。图像标注包括手工标注和自动标注两种方法。手工标注的人工成本较高且不具备客观性;早期自动标注多采用名词标注,标注结果单一,易产生噪声和歧义。若采用高层组合语义(如句子或短语)标注图像,则需设计自然语言处理算法来分析单词之间的句法关系,算法复杂度高。因此,本文聚焦位于中间语义层的图像属性标注,提出商品图像属性标注新机制:一、基于传统特征与分类模型的商品图像材质属性标注。材质是刻画商品图像的显着特性,其优劣会影响用户的购买行为。建立全新的材质数据集MattrSet。围绕MattrSet,从形状、纹理等角度提取图像的LBP、Gist、SIFT特征,运用KNN、Na?ve Bayes等分类模型完成商品图像材质属性标注。此外,跨越异类商品进行迁移学习,以进一步提升材质属性标注性能。不同于名词性标注,属性标注对商品采用形容词标注,它能跨越商品类型完成材质属性标注,语义信息更丰富。实验表明:叁种图像特征在不同材质属性分类中性能有差异,即单种特征对材质属性的刻画各有侧重,仅采用单种特征不能全面地描述商品图像。二、基于深度学习特征与ERGS(Effective Range Based Gene Selection,简称ERGS)算法的商品图像材质属性标注。引入深度学习特征:VGG-16、VGG-19,并运用ERGS算法,动态计算特征权重,实现多特征融合,生成判别性能更优的标注模型;同时,拓展材质属性深层语义描述,丰富材质标注的语义内涵。此外,运用迁移学习策略改进标注模型性能。实验表明:1)ERGS后融合后,属性标注性能显着提升;2)材质属性的深层语义描述中蕴涵更有价值的信息(也称实用属性),它能降低人类认知与低层特征之间的“语义鸿沟”;3)迁移学习策略实现了跨越异类商品的材质属性标注,标注性能稳步提升。叁、商品图像相对属性标注。由于实用属性贴近人类客观认知,基于相对属性(Relative Attribute,简称RA)模型完成商品图像的实用属性标注:不同于传统的“非0即1”(二元)的图像属性标注,RA模型对商品图像的实用属性值做定量度量,以比较不同商品图像中实用属性的程度大小,进而更好地辅助用户的购买行为并改善其检索交互体验。实验表明:通过相对属性标注,零样本学习(Zero-shot learning)或少量样本学习所获得的标注性能优于传统的二元属性标注模型,模型的实用性大大提升。主要创新点:1)聚焦商品材质属性建立全新的商品图像材质属性数据集:MattrSet。围绕它,在特征学习基础上,构建基于ERGS算法的后融合模型及RA模型,从属性层面创新商品图像标注方法;2)聚焦商品图像属性标注,从特征、材质、核函数等角度设计多种定量的评估方法,更全面、客观地评判模型优劣。(本文来源于《华东交通大学》期刊2018-06-30）
丁玉录,段学峰,陈晓龙,龚勇军[5]（2018）在《区域标注在叁维实景地图中的应用》一文中研究指出叁维实景地图是利用先进的叁维激光技术进行数据采集,直接扫描目标建筑物的高度和宽度,最终形成叁维实景地图数据文件。叁维实景地图中用区域标注AOI(Area of Interest,即"兴趣面)对目标建筑物轮廓标注是一种全新的标注方式,相对于传统的二维GIS地图中的POI(Point of Information,即"兴趣点")标注方式,AOI能够带给用户真实的现场感和交互感。本文通过某地区叁(本文来源于《中国公路》期刊2018年11期）
周洁,王士同[6]（2018）在《基于中低层结合的图像感兴趣区域标注》一文中研究指出图像感兴趣区域标注是近年来图像处理领域的重要研究课题之一。利用中低层次信息相结合的方式确保中低层信息相互补充,可以得到可靠结果。中层次显着图由改进的Harris角点形成的凸包区域与GBR超像素聚类结果相结合得到,低层次信息由不同权重的高斯差分滤波器对图像进行处理得到。最后通过加权融合两个层次显着图得到最终结果。本文利用微软亚洲研究院公开数据库对实验结果进行验证,并选取其他前沿方法进行对比,从主观和客观角度对实验结果进行判断,本文方法结果较好,可准确定位显着度区域并高亮表示,同时可有效消除背景噪声。(本文来源于《数据采集与处理》期刊2018年02期）
郑恺,李金,周舸[7]（2017）在《以英才济济标注区域创新发展高度》一文中研究指出最简单的答复就是行动。贯彻习近平总书记对广东工作作出的“四个坚持、叁个支撑、两个走在前列”重要批示精神和省第十二次党代会精神，深圳要率先建设社会主义现代化先行区。具体到把深圳建设成为具有全球影响力的“中国硅谷”，该如何办？在省第十二次(本文来源于《深圳商报》期刊2017-07-03）
郑恺,汪盛东,何海辉[8]（2017）在《南山用文化产业标注区域的高度与内涵》一文中研究指出没有创新的文化被称作“文化化石”。南山，点“石”成金。第十叁届文博会深职院分会场，哈达、唐卡、藏戏、藏药、藏文、八吉祥等承载着浓郁雪域文化的“非遗”宝贝，逐一呈现在市民眼前。这是学校传播工程学院与深圳雪域手造圣洁甘孜非遗博物馆共同打造的大学生非(本文来源于《深圳商报》期刊2017-05-16）
孙庆美[9]（2017）在《图像显着区域的标注算法研究》一文中研究指出由于互联网的飞速发展以及移动终端设备的持续增加,图像的数据量急剧上升。庞大的图像数据必然会对图像处理技术提出更高的要求。如何从庞大的图像库中快速有效地找到想要的图像,已经成为了一个亟待解决且具有很大挑战性的任务。而图像标注技术是数字图像语义文本信息的重要技术之一,在数字图像处理的各个方面有着广泛的应用。在图像标注这一领域中,除了可以对现有的算法进行充分利用之外,还可以借助其他相关学科的帮助,来获取更好的标注效果。生物学中,人的视觉系统可以很快且准确地抽取图像的语义信息,因此,将人的视觉注意应用到图像标注的研究上算得上是一个有益的尝试。论文的主要研究内容如下:(1)分析和总结已经提出的显着区域检测方法,根据每个区域在整幅图像中所占面积,以及和周围区域的亮度方差,提出了一种新的基于视觉注意模型的方法。该模型旨在模拟人眼从图像中获取有意义信息的方式,从图像的底层特征出发,属于自下而上的检测方法;(2)分析和研究近年来图像标注的关键技术,将本文提出的视觉注意模型应用到图像标注中,提出了一种基于视觉注意模型和k-NN聚类算法的标注方法。首先利用本文提出的视觉注意模型获取图像的显着区域部分,然后对显着区域和非显着区域提取特征并进行特征融合,最后使用k-NN聚类算法对图像进行标注。通过实验表明,标注结果与显着区域和非显着区域所占比例有很大关系;(3)利用本文提出的视觉注意模型,将每幅图像的显着区域从图像中分离开来,分别对显着区域和非显着区域进行标注,然后分析显着区域和各个非显着区域标注词之间的关系,提出一种基于支持向量机和词相关性的标注方法。这种方法可以消除非显着区域对显着区域的影响,通过实验结果分析和对比,验证了该方法的可行性,并且该方法提高了图像标注的效果。(本文来源于《华中师范大学》期刊2017-05-01）
邹响林[10]（2017）在《基于图像分割和区域语义相关性的图像标注算法研究》一文中研究指出随着计算机技术、网络技术和智能通讯技术的飞速发展,大量的图像数据在网络上广泛传播,并且呈现爆炸式增长,如何有效地管理和利用这些图像资源已经成为当前面临的一项难题。虽然人们在图像检索领域已经取得了不少成果,但是仍然存在很多问题。基于文本的图像检索由于效率低和人为主观性早已无法满足当前大数据时代的需求;基于内容的图像检索由于无法解决“语义鸿沟”问题而阻碍了其发展;基于语义的自动图像标注是当前图像检索领域的主要发展方向,研究者在该领域做了很多研究和探索,但是仍然面临着很多技术难题。针对图像检索领域的研究现状和发展趋势以及当前所面临的诸多难题,本文提出了一系列有效的改进方法,主要有以下几点:(1)基于语义的自动图像标注需要利用图像分割算法对图像进行预处理,并且准确而有效的进行图像分割,对后面图像特征提取以及标注模型的构建非常重要。本文提出了一种改进的图像分割算法,该算法的基本思想是:首先使用Mean Shift算法对图像进行预分割,由于Mean Shift算法对图像边缘比较敏感,因而可以很好的提取出图像的边缘信息,但是该算法也很容易产生很多小的区域,针对这一缺点,本文利用Ncut算法对上一步得到的图像区域进行进一步处理,由于Ncut算法总是倾向于得到较大的图像区域,因而可以解决Mean Shift的过分割问题,并且由于Ncut处理的是已经分割好的图像区域,而不是像素点,所以大大减少了计算量,提高了算法性能,然而Ncut算法也存在一定的不足,该算法是一个NP难题,进行分割之前需要首先指定分割区域个数,如果该参数设置不当,也很容易产生过分割和欠分割现象,因而本文利用区域合并与分裂算法对Ncut处理后得到的分割结果进行进一步校正,对过分割区域进行合并,对欠分割区域进行分裂,尽可能提高图像分割结果的准确度。(2)本文提出了一种结合区域语义相关性和高斯混合模型的改进图像语义标注方法。传统的高斯混合模型都是直接根据语义后验概率的大小来得到图像标注结果:一种是直接选择语义后验概率较大的N个语义词作为图像的标注结果,另一种是直接选择语义后验概率大于某个阈值的语义词作为图像标注结果。而这种方法得到的标注结果并不准确,很容易产生一些多余的或者错误的标注词,影响标注结果的准确度。而且考虑到模型中的“语义鸿沟”问题,后验概率的大小并不能完全决定其权重,仅依据后验概率进行分类决策可能存在较大误差。针对以上问题,本文提出了一种基于区域语义相关性的GMM图像标注方法,将各区域之间的语义相关性融合到GMM模型中进行综合决策,对该模型的标注结果进行有效的校准和优化,从而提高标注结果的准确度。(本文来源于《华中师范大学》期刊2017-05-01）
区域标注论文开题报告
（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：
本报讯（ 霍亮）目前哈市城区共有丁香134万余株，从本周开始这些丁香陆续进入绽放季，丁香花海成为冰城夏都盛世美颜的重要加分项。冰城最美最精华的丁香花海盛景，都在城市哪些地方？为了方便市民观赏丁香盛景，市城管局专门为市民和游客绘制了一幅精确的丁香地图。
（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。
区域标注论文参考文献
[1].高欣,刘笑迎.多媒体环境下船舱监控视觉图像敏感区域标注算法[J].舰船科学技术.2019
[2].霍亮.一图阅尽夏都“香海”[N].哈尔滨日报.2019
[3].杨柳.破损图像子区域自适应划分标注方法仿真[J].计算机仿真.2019
[4].殷依.基于特征学习与有效区域基因选择算法的商品图像属性标注[D].华东交通大学.2018
[5].丁玉录,段学峰,陈晓龙,龚勇军.区域标注在叁维实景地图中的应用[J].中国公路.2018
[6].周洁,王士同.基于中低层结合的图像感兴趣区域标注[J].数据采集与处理.2018
[7].郑恺,李金,周舸.以英才济济标注区域创新发展高度[N].深圳商报.2017
[8].郑恺,汪盛东,何海辉.南山用文化产业标注区域的高度与内涵[N].深圳商报.2017
[9].孙庆美.图像显着区域的标注算法研究[D].华中师范大学.2017
[10].邹响林.基于图像分割和区域语义相关性的图像标注算法研究[D].华中师范大学.2017