导读:本文包含了帧间差分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:随钻测井,泥浆脉冲信号,高数据速率,数据压缩
帧间差分算法论文文献综述
梁耀,鞠晓东,李传伟,陈国兴,左兴龙[1]（2019）在《基于帧间差分的随钻测井数据压缩算法》一文中研究指出随钻测井技术的快速发展导致常规应用的泥浆传输速率(1 b/s左右)已无法满足测量参数实时上传的需求,而数据压缩技术是提高传输速率的一个有效手段。通过分析泥浆脉冲编码信号的特点,结合现场应用经验,本文设计一种基于帧间差分式的数据压缩算法并将其应用于随钻测井数据编码、解析处理过程中。实际应用效果表明该算法能有效提高传输速率,节省数据更新时间,具有较高的推广前景。(本文来源于《数据采集与处理》期刊2019年02期）
郭碧,丁春平[2]（2019）在《基于帧间差分累积的铁路限界异物检测提取算法》一文中研究指出为满足轨道交通全自动运行系统对铁路限界内异物检测提取的需求,改进帧间差分法,提出一种以帧间差分累积为基础的铁路限界内异物检测提取算法。算法针对图像序列帧匹配提取的轨道线为依据标定限界区域,通过多帧隔帧帧差法得到差分结果,根据铁路限界内道床纹理特征,通过数学形态学实现背景纹理的重构来降低背景噪声影响。最后,以侧向差分灰度的累积投影值来动态确定不同环境下的异物前景范围,并通过最大类间方差法提取得到前景目标。通过对47个路轨场景进行测试,算法对有前景目标场景的目标检测率为96.87%,定位提取过程的平均耗时为137 ms。实验结果表明:算法可完成对运动背景下的轨道限界内前景目标的定位和提取,具有较好的实时性和准确性。(本文来源于《铁道标准设计》期刊2019年09期）
于德鑫,王文强,曹晓杰[3]（2019）在《基于帧间差分与时空上下文的自动检测跟踪算法》一文中研究指出为了改善时空上下文(STC)跟踪算法不能自动检测跟踪目标的缺点,提出一种帧间差分与STC相结合的自动检测跟踪算法。该算法将帧间差分法检测到的含有前景目标轮廓及位置的矩形框传送给STC跟踪器,可达到自动检测与跟踪目标的目的,并且提高了跟踪精确度,降低了手动选定目标框的繁琐程度。通过实验对改进前后的STC算法进行分析比较,结果表明,改进后的算法具有更高的跟踪精度,可实现对目标的稳定跟踪。(本文来源于《软件导刊》期刊2019年01期）
李凯强,沈建新[4]（2018）在《融合帧间差分与碰撞算法的快速跟踪预测算法》一文中研究指出传统的运动目标跟踪预测算法难以保证机器人对高速运动目标的快速捕捉和提前预测,尤其是运动目标在滑行过程中发生碰撞改变了原有的运动方向,针对这一问题提出了基于帧间差分与碰撞算法相结合的运动目标跟踪预测算法.通过帧间差分法快速识别出平面内运动物体的具体位置和运动速度,根据其运动速度方向判别运动目标是否发生碰撞.当运动目标在运动过程中发生碰撞,采用LS-DYNA显示动力分析软件建立碰撞仿真模型,并用MATLAB拟合仿真数据得到碰撞算法,结合碰撞算法对运动目标的运动轨迹进行预测.结果表明以帧间差分和碰撞算法相结合的运动目标检测跟踪算法对于在平面内运动目标的跟踪预测方面速度更快,完全能够满足机器人对算法快速性的要求.(本文来源于《计算机系统应用》期刊2018年12期）
王梦菊,吴小龙,杜海涛[5]（2018）在《基于背景差分与帧间差分的目标检测改进算法》一文中研究指出针对背景差分的噪声和帧间差分的空洞问题,本文提出一种基于背景差分与帧间差分的目标检测改进算法。为最大限度地获取运动目标的像素,在算法中将基于较低分割阈值的背景差分结果和帧间差分结果进行逻辑"或"运算,再采用噪声小的帧间差分对"或"运算结果进行网格化去噪处理。实验结果表明,本文算法能够有效提取不同监控场景下视频序列中的运动目标,实现背景差分与帧间差分两种算法的优势互补,使提取得到的运动目标相对完整且噪声小,并对背景光线变化有一定的适应性。(本文来源于《自动化技术与应用》期刊2018年10期）
周文静,陈玮[6]（2018）在《基于改进帧间差分与局部Camshift相结合的目标跟踪算法》一文中研究指出为了能够准确、快速地跟踪运动目标,提出了改进帧间差分与局部Camshift相结合的目标跟踪算法。针对传统帧间差分法在运动目标提取过程中容易产生"空洞"的现象,并且对噪声敏感的问题,提出了叁帧差分的运动目标检测算法。首先,利用叁帧差分法,将相邻的叁帧图像作为一组进行再差分,从而检测出中间帧运动目标的形状轮廓,然后将该区域作为运动目标的模板区域,并将该区域进行适当扩充,最后采用局部Camshift算法进行目标跟踪。实验结果表明,改进的帧间差分可以有效地弥补"空洞"现象,对噪声也起到了一定的抑制作用。同时,该方法克服了传统Camshift算法需要人为选择跟踪区域和容易发散的缺点,达到了预期的目标检测和跟踪效果。(本文来源于《软件导刊》期刊2018年03期）
孙挺,齐迎春,耿国华[7]（2016）在《基于帧间差分和背景差分的运动目标检测算法》一文中研究指出针对运动目标检测领域中帧间差分法和背景差分法的缺陷,提出一种将两种方法融合在一起的新算法。首先,该算法在采用混合高斯建立背景模型时对方差更新作了修改,使得模型与真实背景更接近。其次,用连续叁帧差分代替两帧差分,采取自适应差分阈值的方法。最后,将两种差分的结果融合并作形态学处理提取目标。实验结果表明,本文算法能有效抑制噪声和空洞,适应性强、检测效果良好。(本文来源于《吉林大学学报(工学版)》期刊2016年04期）
赵婷,郑紫微[8]（2016）在《基于改进的帧间差分运动目标提取算法》一文中研究指出针对帧间差分法容易产生的空洞效应,本文提出一种基于改进帧间差分的运动目标检测算法。首先利用原始帧差分提取潜在的运动目标区域,继而提取的区域内进行vibe(visual background extractor)算法的前景匹配,再次提取运动目标,以弥补空洞现象,实验结果表明本文算法能完整的提取运动目标。(本文来源于《无线通信技术》期刊2016年02期）
杨燕妮,吴向前,刘鹏[9]（2016）在《基于帧间差分与码本模型的运动车辆检测算法》一文中研究指出针对复杂背景下的视频车辆检测问题,采用一种在YUV空间下基于改进的帧间差分与简化码本模型相结合的运动车辆检测方法.首先,对亮度信号建立背景的码本模型,在模型训练中通过帧间差分提高训练速度.其次,在检测阶段引入分块思想,根据分块帧差提取粗略的前景像素,再用码本模型得到准确的前景车辆.视频测试实验结果表明,改进后的方法在树枝晃动、光照变化、前景融人背景的情况下能准确检测出运动车辆,具有较好的实时性和鲁俸性.(本文来源于《新疆大学学报(自然科学版)》期刊2016年02期）
郭文俊[10]（2016）在《基于叁帧间差分的障碍物检测算法》一文中研究指出机动车私人拥有量的不断上升,导致了交通事故在逐年的增加。怎样最大程度地减少交通事故成了我们关注的焦点。以基于机器视觉的道路识别技术与障碍物检测技术为研究对象,提出了基于叁帧间的差分方法,该方法利用相邻叁帧图像两两差分,再将两个差分结果相"与"并进行二值化,最终确定运动目标在图像中的位置。(本文来源于《工业控制计算机》期刊2016年01期）
帧间差分算法论文开题报告
（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：
为满足轨道交通全自动运行系统对铁路限界内异物检测提取的需求,改进帧间差分法,提出一种以帧间差分累积为基础的铁路限界内异物检测提取算法。算法针对图像序列帧匹配提取的轨道线为依据标定限界区域,通过多帧隔帧帧差法得到差分结果,根据铁路限界内道床纹理特征,通过数学形态学实现背景纹理的重构来降低背景噪声影响。最后,以侧向差分灰度的累积投影值来动态确定不同环境下的异物前景范围,并通过最大类间方差法提取得到前景目标。通过对47个路轨场景进行测试,算法对有前景目标场景的目标检测率为96.87%,定位提取过程的平均耗时为137 ms。实验结果表明:算法可完成对运动背景下的轨道限界内前景目标的定位和提取,具有较好的实时性和准确性。
（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。
帧间差分算法论文参考文献
[1].梁耀,鞠晓东,李传伟,陈国兴,左兴龙.基于帧间差分的随钻测井数据压缩算法[J].数据采集与处理.2019
[2].郭碧,丁春平.基于帧间差分累积的铁路限界异物检测提取算法[J].铁道标准设计.2019
[3].于德鑫,王文强,曹晓杰.基于帧间差分与时空上下文的自动检测跟踪算法[J].软件导刊.2019
[4].李凯强,沈建新.融合帧间差分与碰撞算法的快速跟踪预测算法[J].计算机系统应用.2018
[5].王梦菊,吴小龙,杜海涛.基于背景差分与帧间差分的目标检测改进算法[J].自动化技术与应用.2018
[6].周文静,陈玮.基于改进帧间差分与局部Camshift相结合的目标跟踪算法[J].软件导刊.2018
[7].孙挺,齐迎春,耿国华.基于帧间差分和背景差分的运动目标检测算法[J].吉林大学学报(工学版).2016
[8].赵婷,郑紫微.基于改进的帧间差分运动目标提取算法[J].无线通信技术.2016
[9].杨燕妮,吴向前,刘鹏.基于帧间差分与码本模型的运动车辆检测算法[J].新疆大学学报(自然科学版).2016
[10].郭文俊.基于叁帧间差分的障碍物检测算法[J].工业控制计算机.2016