导读:本文包含了边缘估计论文开题报告文献综述及选题提纲参考文献，主要关键词:边缘检测,不均匀光照,相似映射,小波相似性
边缘估计论文文献综述
邓宁宁,何锫[1]（2019）在《最小二乘估计耦合小波相似性的边缘检测算法》一文中研究指出为解决当前图像边缘提取时存在边缘不连续、虚假边缘及边缘定位不准确等不足,设计最小二乘估计耦合小波相似性的不均匀光照边缘检测算法。通过将图像分割成一系列的子块,计算其相邻像素的相似映射,平均不均匀光照强度;为获得边缘信息,计算相似映射下图像邻域像素和方向小波滤波器之间的相似度;将加权最小二乘估计正则化结合小波相似度来处理光照差异,提供亮度不变的相似性和精确的边缘定位与提取,获取光照校正后的水平、垂直和对角子带;通过合成所有子带与相似映射获得边缘。实验结果表明,与当前边缘检测方案相比,在光照不均匀条件下,所提方法具有更高的边缘提取质量。(本文来源于《计算机工程与设计》期刊2019年08期）
张慧利,周湘贞[2]（2019）在《基于尺度信息边缘提取的模糊核估计方法》一文中研究指出模糊图像的盲复原一直以来都是图像处理领域长期的挑战性问题,其中,能否复原出高质量清晰图像的关键是能否准确的估计出引起图像模糊的模糊核(BK)。为了能够实现BK的准确估计,提出了一种基于相对全变差模型(RTVM)的模糊核估计方法。首先,直接将RTVM作为图像的先验,直接代入到最优化的求解过程中,能够在迭代求解的过程中直接复原出锐化的大尺度边缘,而不需要额外的边缘提取步骤;然后,在对BK的正则化约束方面,利用L_0范数,在梯度域,对BK的梯度进行L_0范数的约束,能够同时保护BK的稀疏特性和连续特性;最后,结合一种分解的策略、迭代的重权重最小平方法(IRLS)和半二次性的变量分裂算法对提出的模型进行最优化求解。为了验证提出方法的优越性,将提出的方法与近几年一些极具代表性的模糊图像盲复原方法在大量的模糊图像上进行了比较实验,实验结果证明了所提方法的优越性。(本文来源于《电子测量与仪器学报》期刊2019年05期）
谢晓燕,辛晓斐,朱筠,王飞龙,刘阳[3]（2019）在《基于边缘检测的3D-HEVC深度图运动估计算法》一文中研究指出针对3D高效视频编码(3D-HEVC)帧间预测未充分体现深度图特性、算法复杂度高、效率低的问题,提出一种基于深度图边缘检测的运动估计算法。对深度图进行边缘检测预处理,分别对边缘区域和平坦区域执行全搜索算法和六边形搜索算法,通过快速搜索平坦区域以降低帧间预测中运动估计SAD的计算复杂度。在3D-HEVC/HTM16.0平台上的测试结果表明,该算法减少了6.7%的深度图编码时间,而合成视图的BD-rate指标仅为0.146%,有效提高了编码效率。(本文来源于《计算机工程》期刊2019年07期）
王岱良,李玉[4]（2019）在《基于旋转差值核估计的激光雷达点云建筑物边缘提取》一文中研究指出提出了一种基于旋转差值核估计的激光雷达(LiDAR)点云边缘提取方法。对点云中任意数据点,在给定方向上以该数据点为对称中心,以一定间距构建对称窗口;在对称窗口中定义距离核函数,计算两窗口内数据点的高程加权均值,将两加权均值之差的绝对值作为该数据点在该方向上的边缘强度,并选取所有方向上的最大边缘强度作为边缘点判据。计算最大边缘强度对应方向上两窗口内数据点的高程方差,结合两方差的差值绝对值和边缘点判据提取建筑物与地面交界点;调整两窗口间距,再次计算所有方向上最大的高程方差之差绝对值,并将该绝对值作为树木点的判据,并在依此判据检测出的点集上去除建筑物与地面交界点后提取出树木点。利用激光传播特性将点云数据中的树木点滤除后,再提取完整的建筑物边缘。实验结果表明,所提方法有效克服了树木的影响,建筑物边缘的提取精度约为80%。(本文来源于《中国激光》期刊2019年01期）
史再峰,王晶波,曹清洁,孟庆振,姚素英[5]（2018）在《基于多尺度边缘曲率估计的图像拼接方法》一文中研究指出针对传统图像拼接方法仿射不变性差和对噪声敏感等问题,提出了一种基于图像边缘特征点的检测、匹配和融合方法.首先利用Canny边缘检测器提取图像的单像素边缘特征,通过边缘点邻域内的多尺度平均余弦值估计得到曲率极大值特征点,然后构建每个特征点的8×8邻域内的梯度方向直方图描述符,采用最小欧式距离与次小欧式距离比进行粗匹配,接着通过随机抽样一致性算法精匹配得到图像间的投影变换矩阵,最后采用加权平均融合算法可以得到无拼接缝隙的宽视角图像,实验表明,与基于Harris算法的拼接技术相比,该方法平均重复率高20.83%,平均定位误差低19.36%.(本文来源于《南开大学学报(自然科学版)》期刊2018年05期）
周建,徐海芹[6]（2018）在《一种基于核密度估计的图像边缘检测方法》一文中研究指出进行图像边缘检测的算法有很多种,其中基于Sobel算子、Laplace算子、Canny算子等的图像边缘检测方法当属经典。但所提方法不同于这些差分算子方法,而是对灰度图像素进行小窗口区域的核密度估计,从而得到一幅核密度图,然后通过核密度图,选择出合适的带宽或阈值来控制图像边缘的检出。实验表明该方法可行且简单快速。(本文来源于《计算机科学》期刊2018年S1期）
周尚辰[7]（2018）在《基于流边缘检测的像素流估计深度模型研究》一文中研究指出近年来,随着计算机视觉技术的快速发展,新兴的无人驾驶汽车、增强现实、虚拟现实等领域取得了显着的成绩,然而随着工业界的推进,这些领域在精度和效率上有了进一步需求,光流估计和双目立体匹配作为其中两个重要的子任务,依然是目前研究的热点和焦点。目前卷积神经网络已经在图像分类、目标检测、语义分割等视觉任务上取得了巨大突破,很大程度上启发了深度学习在光流估计和双目立体匹配上的应用,然而目前还尚处于起步阶段。光流估计和双目立体匹配两个任务都是关注于两幅图片稠密像素间的相关性构建,分别计算时域和空域上每个像素点的运动矢量(本文称之为流),本文首次将这两个任务统一定义为像素流估计,其中光流估计关注于时间域上前后两帧图像像素在竖直和水平两个方向上的偏差位移,而立体匹配关注于空间域上左右两幅图像像素在水平方向上的偏差位移。本文发现像素流估计的误差一般发生在流边缘位置,且在多数情况下现有方法所依据的物体边缘可近似代替流边缘的假设并不成立。因此获取精确的流边缘并将其巧妙地引入深度模型来解决流估计的边缘误差显得尤为重要,本文主要工作如下:1)提出了首个用于流边缘检测的深度学习模型(FBDNet),证明卷积神经网络可以直接从两张输入图中获取运动边缘或深度边缘,并在准确率和效率上均优于传统方法。2)提出了运动边缘检测和光流估计的多任务深度学习框架(MBANet),利用双流的Decoder网络同时进行两个任务的学习,设计了一个交替迭代的算法来训练网络。实验表明两个任务可以提供互补信息并促进学习,该模型得到了边缘清晰的光流图,且在保证速度的同时大大的增加了精度,性能优于目前的实时模型。3)提出了深度边缘检测和立体匹配的多阶段深度学习框架(DBANet),第一个阶段进行深度边缘检测,第二阶段将检测到的深度边缘和原始图像对作为输入,进行视差估计,该模型将深度边缘的先验信息传递给视差估计网络,对视差学习起到了指导作用,得到了更加精确的结果,在部分数据集上超过了着名的DispNet。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
肖德广[8]（2017）在《基于边缘保持插值的分段刚性场景流估计》一文中研究指出随着计算机技术、人工智能技术的发展,计算机视觉成为一个越来越热门的研究领域。通过立体图像序列估计场景流是计算机视觉研究领域的重要研究内容。场景流估计是叁维运动研究的重要手段。场景流表示真实世界的叁维运动场,为运动估计提供更加可靠的信息。随着计算机软硬件水平的断提高,场景流估计新理论新算法不断出现,进而推动场景流估计技术在现实生活中的应用。例如,应用于无人驾驶、叁维重建、目标检测跟踪等。场景流估计仍受遮挡、运动边缘不连续等难点的影响。本论文针对场景流估计难点进行优化,旨在进一步提升场景流的估计精度。利用从双目立体图像序列中获取的信息,构建基于分段刚性假设的变分场景流估计能量泛函,进而提出了一种基于边缘保持插值的分段刚性场景流估计算法。首先构造基于分段刚性假设的场景流估计能量泛函。该能量泛函包含数据项与平滑项两部分。数据项基于亮度恒常假设约束,并使用鲁棒惩罚函数增强泛函的鲁棒性。平滑项包括空间正则化项、分割正则化项以及可见正则化项。经典的场景流估计技术大多采用全局的像素级平滑约束,不仅增加计算量又容易受底层像素的限制。本论文使用了分割正则化项约束条件,将全局像素级平滑约束变为分割块的平滑约束。假定在一个分割块区域内,物体具有一致性运动。求解过程中不断去优化分割块。基于分段刚性的平滑约束,极大减小了数据计算量,又提升了场景流估计精度。场景流估计在运动边缘部分会产生较大的误差。针对这部分本论文使用了基于正反交叉一致性校验排除错误区域得到稀疏场景流,然后使用基于边缘保持的插值方法将稀疏场景流插值为稠密场景流。由稀疏到稠密的插值依赖于插值点与其它有值点测地距离的大小,测地距离计算是基于图像边缘的,因此边缘检测图的质量对插值有较大影响。边缘检测部分本论文使用一种快速边缘检测的结构化森林(SED)算法,该算法能够较好地实现边缘检测。论文最后用Middlebury公布的Teddy、Cones数据集,Kitti数据集以及通过双目立体相机采集的真实场景图像序列验证了算法的有效性。(本文来源于《哈尔滨工程大学》期刊2017-12-25）
郑子华,陈家祯,叶锋[9]（2017）在《基于曲率估计的Canny边缘检测算法》一文中研究指出为了解决传统Canny边缘检测算法对噪声敏感的问题,针对噪声边缘弯曲度大且弯曲空间范围小的二维空间特性,构造了基于曲线曲率估计的边缘曲度算子,并利用大尺度Canny算法边缘检测结果对边缘曲度算子进行修正,使该算子能够准确地表征噪声强度在二维空间中的分布情况,在此基础上,提出了一种在边缘检测过程中加入边缘曲度算子进行噪声衰减的边缘检测算法.实验结果表明,算法在有效抑制噪声的同时,保留了变化丰富的细节边缘及变化缓慢的轮廓边缘,检测结果较好地反映了图像的原始结构特征.(本文来源于《计算机系统应用》期刊2017年12期）
陆泮宇[10]（2017）在《基于信息边缘和多模态特征的室内场景布局估计》一文中研究指出室内场景布局估计是高层视觉图像场景理解中棘手且极富挑战的热点研究方向之一。估计室内场景的空间布局,能够为智能家居、虚拟现实、移动机器人导航等领域提供有效的3D空间结构信息,有利于改变传统视频监控的格子监控模式为融合3D空间的实时监控模式。室内场景布局估计存在着多重语义类别、互相遮挡、低层视觉特征辨识力较弱以及不均匀光照等问题。于是,本文提出了一种基于信息边缘由粗到精布局候选项生成和多模态异构特征融合的室内场景布局估计方法。针对传统室内布局候选生成依赖消失射线的采样频率提高采样精度问题,本文设计一种基于场景图像结构化信息边缘由粗到精空间布局候选项生成方案。首先,采用自适应阈值Canny边缘检测算子提取室内场景图像中边缘直线段,根据直线段的方向性用RANSAC策略估计图像消失点,从水平和竖直方向消失点出发等角度间隔引出射线,采样粗划分图像区域。然后,采用VGG-16的全卷积神经网络获取室内场景信息边缘能量图,基于图像粗划分区域,以信息边缘图为先验条件,从水平和竖直方向分别选取图像中能量出现概率高的区域,再细采样相应布局区域,产生细粒度室内空间布局候选项。Hedau和LSUN数据集的实验表明,相较于传统方法,提高采样的本文方法能减少布局候选项计算量,得到更准确的布局候选项。鉴于传统场景布局候选一元项单一特征表征能力欠佳且未充分考虑布局候选项多边形两两之间关系,本文提出一种融合多模态异构特征结构化预测的室内场景空间布局估计方案。首先,基于消失射线夹角角度参数化室内场景空间布局,建立房间3D盒式布局估计模型。然后,采用VGG-16的空间多尺度卷积神经网络多任务获取室内场景图像的表面方向法向量和几何深度特征;利用自适应阈值Canny边缘检测得到蕴含室内场景结构性底层视觉的线组成员特征;采用VGG-16的全卷积网络获取蕴含语义类别属性的几何上下文特征;采用积分几何累加法融合四种不同模态特征,得到场景布局候选项多边形区域级特征的一元共生呈现,布局候选项中多边形区域两两之间的位置关系和多边形区域几何中心之间夹角的角度表示概率图模型中二元平滑约束关系。最后,采用Cutting-Plane的结构化SVM算法学习模型参数;排序场景布局候选项整体得分,候选布局评分最大化机制,推理选取出得分最高的布局候选项,以实现室内场景布局估计。Hedau和LSUN数据集的实验表明,相较于传统方法,本文方法能完善布局候选项多边形特征映射的完整性,使最终推理出的布局估计结果更优。(本文来源于《南京邮电大学》期刊2017-10-26）
边缘估计论文开题报告
（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：
模糊图像的盲复原一直以来都是图像处理领域长期的挑战性问题,其中,能否复原出高质量清晰图像的关键是能否准确的估计出引起图像模糊的模糊核(BK)。为了能够实现BK的准确估计,提出了一种基于相对全变差模型(RTVM)的模糊核估计方法。首先,直接将RTVM作为图像的先验,直接代入到最优化的求解过程中,能够在迭代求解的过程中直接复原出锐化的大尺度边缘,而不需要额外的边缘提取步骤;然后,在对BK的正则化约束方面,利用L_0范数,在梯度域,对BK的梯度进行L_0范数的约束,能够同时保护BK的稀疏特性和连续特性;最后,结合一种分解的策略、迭代的重权重最小平方法(IRLS)和半二次性的变量分裂算法对提出的模型进行最优化求解。为了验证提出方法的优越性,将提出的方法与近几年一些极具代表性的模糊图像盲复原方法在大量的模糊图像上进行了比较实验,实验结果证明了所提方法的优越性。
（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。
边缘估计论文参考文献
[1].邓宁宁,何锫.最小二乘估计耦合小波相似性的边缘检测算法[J].计算机工程与设计.2019
[2].张慧利,周湘贞.基于尺度信息边缘提取的模糊核估计方法[J].电子测量与仪器学报.2019
[3].谢晓燕,辛晓斐,朱筠,王飞龙,刘阳.基于边缘检测的3D-HEVC深度图运动估计算法[J].计算机工程.2019
[4].王岱良,李玉.基于旋转差值核估计的激光雷达点云建筑物边缘提取[J].中国激光.2019
[5].史再峰,王晶波,曹清洁,孟庆振,姚素英.基于多尺度边缘曲率估计的图像拼接方法[J].南开大学学报(自然科学版).2018
[6].周建,徐海芹.一种基于核密度估计的图像边缘检测方法[J].计算机科学.2018
[7].周尚辰.基于流边缘检测的像素流估计深度模型研究[D].哈尔滨工业大学.2018
[8].肖德广.基于边缘保持插值的分段刚性场景流估计[D].哈尔滨工程大学.2017
[9].郑子华,陈家祯,叶锋.基于曲率估计的Canny边缘检测算法[J].计算机系统应用.2017
[10].陆泮宇.基于信息边缘和多模态特征的室内场景布局估计[D].南京邮电大学.2017