导读:本文包含了变分水平集论文开题报告文献综述及选题提纲参考文献，主要关键词:视频检测,变分水平集,光流法,帧差法
变分水平集论文文献综述
李明明[1]（2019）在《基于变分水平集图像分割的视频烟雾检测方法》一文中研究指出为及时判断火灾发生情况,利于灭火工作,研究了火灾早期产生烟雾的情况下,通过固定监视探头捕捉到的影像视频,针对视频中的火情烟雾进行检测,结合计算机视频检测技术的光流法和帧差法获得视频中烟雾运动的区域,基于某一时刻摄像机不动的情况下得到两帧连续的图像并检测视频中的运动区域,提出了一种不需初始化的变分水平集算法。利用该算法对烟雾的视频进行分割,将运动区域从背景中分割出来,对烟雾进行检测分析。从而使通过烟雾判断火情更精确,检测结果更实时,提高了视频指挥灭火工作的效率。(本文来源于《吉林大学学报(信息科学版)》期刊2019年06期）
杨李东[2]（2018）在《基于变分水平集方法的遥感影像地物分割方法研究》一文中研究指出影像信息提取自动化程度低是高分影像应用潜力得不到充分发挥的主要限制因素,水平集分割方法凭借其自由拓扑性及多信息共融性得到了学者们的广泛重视与研究。本文通过实验研究分析了变分水平集方法中内部能量项参数μ、阶跃函数Hε(z)和狄拉克函数δε(z)的组成参数ε对遥感影像地物分割的影响,并提出了两种结合最近邻插值法和高斯平滑的变分水平集方法,提高了分割准确性且提高了效率。(本文来源于《测绘与空间地理信息》期刊2018年12期）
席志红,赵春梅[3]（2019）在《基于变分水平集理论的水下图像分割方法》一文中研究指出为解决水下图像的分割问题,在李纯明模型(Li模型)和Chan-Vese模型(C-V模型)的基础上提出了指定目标的分割方法和多灰度目标的分割方法。对于指定灰度目标的分割方法,在C-V模型基础上加入了小范围的距离约束项,使其具有了局部性,可在多灰度目标中分割出预期目标;对于多灰度目标的分割方法,在李纯明方法的基础上加入了边缘定位函数作为其内部能量项,其对多灰度目标分割结果较好,且抗噪性较好。最后通过实验证明本文2种方法对水下多灰度目标图像的分割是有效的。(本文来源于《应用科技》期刊2019年02期）
刘阳[4]（2018）在《变分和离散变分水平集图像分割模型研究》一文中研究指出随着计算机视觉和信息科学的飞速发展,图像处理在许多领域(如:医学、军事、环境监测、安全等)取得了巨大的成功。作为图像处理中的基础且重要的组成部分,图像分割一直是图像分析与计算机视觉领域中的研究热点。图像分割的目的是把图像区域分成两个或多个各具特性且互不重迭的子区域,并提取出感兴趣的目标区域。近年来,基于变分思想的图像分割方法凭借其出色的表现,在图像分割领域得到了广泛的应用。通常来说,变分图像分割模型首先是建立一个由包含图像特征信息的数据项和具有光滑作用的正则项所构成的能量泛函,其中,数据项用来驱使演化曲线(或曲面)朝着目标所在的位置移动,正则项用来光滑演化曲线(或曲面)。然后极小化该能量泛函,从而得到分割结果。本论文以现有的变分分割模型为基础,通过分析图像分割的某些具体问题,提出新的基于区域的变分模型,并设计有效的数值实现方法。本论文的主要研究内容如下:1.针对噪声图像,提出了一个基于核度量的变分图像分割模型在实际生活中,由于受到图像的成像、传输、存储以及转换等相关技术的限制,真实图像通常会受到噪声污染。对这类图像中感兴趣的目标进行准确地分割,一直是图像分割领域中的一项具有挑战性的工作。在基于区域的变分分割模型中,数据项通常是通过特定的数据保真度量来定义的。在大多数情况下,通常隐含地假设图像是被加性高斯噪声所污染,因此,~2L范数度量被广泛地应用到变分图像分割模型中的数据项。L~1范数度量在图像去噪领域中已被证实能够减少椒盐噪声的影响,并成功地被用来处理椒盐噪声图像的分割问题。L~2和L~1范数度量能够用来处理特定的噪声图像,但是它们仅仅适合一种类型的噪声图像。本文提出一个基于核度量的变分图像分割模型,其中,数据项是由基于高斯径向基函数的核度量来定义的,这个核度量能自适应强调靠近演化曲线内(或外)平均灰度值的像素点的贡献,从而减少噪声的影响。此外,这个核度量能够用来处理几种不同类型的噪声。我们证明了所提模型在BV(Ω)中是严格凸的且有唯一的全局极小值。在数值实现中,我们设计了一种叁步分裂方案来有效地求解水平集函数的演化方程。通过对合成图像和真实图像的分割实验,结果表明所提方法对一些类型的噪声(椒盐噪声、高斯噪声和混合噪声)具有很强的鲁棒性。2.提出一个带有L~1数据项的二值水平集变分模型由于相机传感器中出故障的像素点或者在一个噪声频道传输的原因,脉冲噪声常常出现在真实图像中,这极大地影响了分割的准确性。到目前为止,对带有脉冲噪声的图像进行分割仍然面临巨大的挑战。针对这一问题,本文提出一个带有L~1数据项的二值水平集变分模型,在该模型中,L~1范数度量被用来定义数据项,它使得所提模型能够分割脉冲噪声图像和低对比图像。通过引入一个惩罚项来处理约束条件,约束极小化问题被转化为无约束极小化问题。我们设计了一种叁步分裂方案来有效地数值求解水平集函数的梯度下降流方程。实验显示,该模型对脉冲噪声有很强的鲁棒性,且能很好地处理SAR图像、超声波图像、漏油图像等真实图像。3.针对水平集函数的正则化问题,提出一个基于L~0正则化的离散变分水平集模型在变分水平集模型中,人们往往需要加入某种正则项来约束水平集函数或零水平集的光滑性,常见的正则项有长度正则项、面积正则项、H~1正则项和TV正则项等。近年来,基于L~0的正则子在图像平滑、图像去模糊、图像重构等领域取得了巨大的成功。然而,很少有人把基于L~0的正则子直接作用到水平集函数上来实现图像分割。本文提出一个基于L~0正则化的离散变分水平集模型。首先,我们定义一个取值于{0,0.5,1}的叁值水平集函数,并用0.5-水平集隐式地表示演化曲线。然后,用L~0计数算子离散地度量演化曲线的长度和演化曲线内部的面积来作为模型的正则项。该模型可以看成是着名的Chan-Vese模型的一种离散形式。我们设计一种交替极小化算法来有效地求解该模型。实验结果表明,所提模型对带有严重噪声的图像以及漏油图像、皮肤损伤图像、红外图像等自然图像有很好的分割效果,同时具有较高的分割效率。(本文来源于《重庆大学》期刊2018-09-01）
杨志巧,羿旭明[5]（2019）在《基于小波边缘刻画与LBF水平集变分模型的图像分割》一文中研究指出本文研究了基于水平集的图像分割的问题.利用小波变换的方法,构造出图像边缘刻画函数,引入到LBF水平集分割变分模型中,获得了基于小波变换的WLBF模型,同时给出了WLBF模型的数值求解算法.针对不同情景下的典型灰度图像,给出了图像分割实例,推广了LBF模型及算法,实验结果证明WLBF模型及算法对图像分割的有效性.(本文来源于《数学杂志》期刊2019年01期）
赵瑞雪[6]（2018）在《两相/多相图像分割变分水平集模型的ADMM算法研究与改进》一文中研究指出图像分割是图像分析、计算机视觉研究的重要内容,在医学影像、遥感影像、智能交通、生物分子影像处理与分析等多个领域广泛应用。基于变分水平集方法的变分图像分割模型为多相图像分割提供了统一框架,该类模型快速算法的研究是该领域近年研究的热点之一。两相图像分割的变分水平集Chan-Vese模型是多相分割变分模型的基础,其快速算法可方便地推广于多相分割变分模型的求解。本文通过引入多个对偶变量将经典的Chan-Vese模型转化为与图割对应的最大连续流问题,并引入Lagrange乘子在ADMM算法框架下设计了问题求解的连续最大流方法,提高了模型求解的效率与稳健性。多相图像分割的变分水平集Chung-Vese模型是目前效率最高的多相分割变分模型,传统的梯度降求解方法效率较低。该模型用1个水平集函数划分任意多个区域,但经典的区域特征函数不对称,模型表达复杂。本文在对水平集函数定界后提出了一种对称形式的区域特征函数表达方法。在此基础上,通过引入辅助变量和Lagrange乘子,结合投影方法构造了简洁的ADMM投影方法,避免了水平集函数的重新初始化过程,具有较好的鲁棒性和计算效率。文末,通过大量数值实验比较验证了本文所提出的方法比现有方法在计算效率、鲁棒性等方面的优越性。(本文来源于《青岛大学》期刊2018-05-18）
唐文杰[7]（2018）在《基于变分水平集的医学图像分割模型应用研究》一文中研究指出图像分割是图像处理中的重要环节,是图像处理的底层技术,经过了多年的发展,在我们的日常工作、生活中,图像分割已经获得了非常广泛的应用。随着医学影像学的发展,医学图像分割也成为了图像分割研究的热点和难点。医学图像容易受到各种内外因素的干扰,使得图像具有复杂多样性,原始医学图像通常包含灰度不均弱边缘、高噪声、多目标等特点,传统的图像分割算法难以有效分割,需要将多种方法相结合,用以针对性地分割不同特点的医学图像。近年来,变分水平集(LSM)凭借其算法复杂度低、易于结合其他算法等优势,受到了越来越多专家学者的关注,并得到了极快的应用与发展。但是,变分水平集算法在分割包含复杂情况的原始医学图像也会出现稳定性差、鲁棒性差、计算量大等问题,因此开展变分水平集方法的医学图像分割研究具有很高的应用价值和重要的现实意义。在借鉴诸多文献的基础上,本文针对原始医学图像的不同特点,对变分水平集进行多种改进与拟合,提出了几种改进方法:多分辨率双水平集医学图像分割算法、基于NL-Means的双水平集脑部MR图像分割算法等。主要研究内容和创新点包括:1、介绍了医学图像分割技术研究的背景和意义,给出了医学图像分割技术的数学描述,阐述了医学图像分割技术研究的现状,同时也讨论了医学图像分割技术的发展和难点。文中用数学方式描述了变分水平集的基本模型和常见模型。2、针对医学图像中通常伴有灰度不均、背景复杂的特点,传统水平集无法有效分割,提出了一种多分辨率改进型双水平集算法。首先,利用小波进行多尺度空间分析,获取医学图像的粗尺度图像,再由改进型双水平集进行分割,提取多目标区域,为了去除医学图像中灰度不均对分割效果的影响,算法中引入偏移场拟合项,进一步改进双水平集模型,进而对粗尺度分割效果进行优化处理。3、针对脑部MR图像中通常伴有灰度不均、高噪声的特点,传统水平集无法有效分割,提出了一种基于NL-Means的双水平集算法。首先,利用改进型NL-Means算法对带有噪声的医学图像进行去噪处理,再由双水平集算法进行分割,提取多目标区域,算法中引入偏移场拟合项,进一步改进双水平集模型,用以去除医学图像中灰度不均对分割效果的影响,进而对去噪图像分割效果进行优化处理。4、对文中算法的优势与不足之处进行总结归纳,提出了需要改进之处,为未来的学习工作提供了指导方向。(本文来源于《扬州大学》期刊2018-04-01）
唐利明,方壮,向长城,陈世强[8]（2018）在《结合BV-L~2分解的CV变分水平集模型》一文中研究指出Chan-Vese(CV)模型基于图像的全局信息,对噪声有一定的鲁棒性,但是对于强噪声污染图像,CV模型并不能取得好的分割效果。笔者结合变分图像分解和CV模型,提出了一个新的图像分割变分模型。该模型结合BV-L~2分解和CV模型,可以实现噪声图像的同时去噪与分割。采用交替迭代算法对新模型进行求解。以人造图像和自然图像为实验对象验证了研究模型分割的有效性和鲁棒性。此外,对比实验结果显示对于强噪声污染图像,与经典的CV模型和VFCMS模型相比,研究模型在分割质量上有一定优势。(本文来源于《重庆大学学报》期刊2018年03期）
徐智[9]（2017）在《局部区域的水平集变分法在图像分割中的应用》一文中研究指出图像分割是数字图像处理和计算机视觉的重要研究领域,其目的是将图像分割成互不相交的几个子区域.文章引入分片常数水平集思想,每个区域用一个单独的常数表示.无论图像被分割成几个不同的子区域,只需要求解出一个水平集函数.本文提出的分割法避免了水平集初始化位置引起的分割效果不同的问题.由于没有使用不可微的Delta函数和Heaviside函数,本文的能量泛函是局部凸且可微的.大量的实验数据对比显示本文分割更高效.除此之外,新模型对强破坏性噪声具有鲁棒性.(本文来源于《太原师范学院学报(自然科学版)》期刊2017年04期）
冯冬竹,范琳琳,余航,戴浩,袁晓光[10]（2017）在《自适应轮廓的变分水平集复杂背景多目标检测》一文中研究指出无需重新初始化的变分水平集模型能够避免经典水平集模型的重复初始化步骤,进而简化计算,缩短检测所需时间,同时能够有效利用图像的边缘梯度信息,从而准确定位图像的局部结构.但该模型不能自适应地获得初始化曲线,水平集的拓扑结构也无法改变,不能解决多个目标的检测问题.针对以上问题,提出了一种基于自适应轮廓的变分水平集复杂背景多目标检测方法,该方法采用帧间差分算法与K-means聚类算法相结合,以获得多个运动目标的初始化曲线,通过形态学方法来降低图像噪声的干扰,从而快速自适应地估计复杂背景下运动目标的位置和轮廓大小.该算法进一步对无需初始化的变分水平集进行改进,将其由单目标检测模型扩展为多目标检测模型,并修正原模型难以处理图像灰度不均匀的问题,最终实现对复杂背景下多个目标的检测.在标准数据库和实际数据集上的测试结果表明,所提方法能够准确地定位不同尺度和灰度目标的轮廓,从而提高算法的演化迭代效率及准确性.(本文来源于《软件学报》期刊2017年10期）
变分水平集论文开题报告
（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：
影像信息提取自动化程度低是高分影像应用潜力得不到充分发挥的主要限制因素,水平集分割方法凭借其自由拓扑性及多信息共融性得到了学者们的广泛重视与研究。本文通过实验研究分析了变分水平集方法中内部能量项参数μ、阶跃函数Hε(z)和狄拉克函数δε(z)的组成参数ε对遥感影像地物分割的影响,并提出了两种结合最近邻插值法和高斯平滑的变分水平集方法,提高了分割准确性且提高了效率。
（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。
变分水平集论文参考文献
[1].李明明.基于变分水平集图像分割的视频烟雾检测方法[J].吉林大学学报(信息科学版).2019
[2].杨李东.基于变分水平集方法的遥感影像地物分割方法研究[J].测绘与空间地理信息.2018
[3].席志红,赵春梅.基于变分水平集理论的水下图像分割方法[J].应用科技.2019
[4].刘阳.变分和离散变分水平集图像分割模型研究[D].重庆大学.2018
[5].杨志巧,羿旭明.基于小波边缘刻画与LBF水平集变分模型的图像分割[J].数学杂志.2019
[6].赵瑞雪.两相/多相图像分割变分水平集模型的ADMM算法研究与改进[D].青岛大学.2018
[7].唐文杰.基于变分水平集的医学图像分割模型应用研究[D].扬州大学.2018
[8].唐利明,方壮,向长城,陈世强.结合BV-L~2分解的CV变分水平集模型[J].重庆大学学报.2018
[9].徐智.局部区域的水平集变分法在图像分割中的应用[J].太原师范学院学报(自然科学版).2017
[10].冯冬竹,范琳琳,余航,戴浩,袁晓光.自适应轮廓的变分水平集复杂背景多目标检测[J].软件学报.2017