导读:本文包含了场景分块论文开题报告文献综述及选题提纲参考文献，主要关键词:图像去雾,透射率,分块优化,场景亮度自适应优化
场景分块论文文献综述
时璇,冯舒婷,沈传科,李晨,李党超[1]（2019）在《透射率与场景亮度分块优化的图像去雾算法》一文中研究指出在图像去雾过程中,对大气光透射率估计不准确,会降低去雾图像场景亮度,并导致天空区域出现光晕现象。为此,提出一种基于分块优化透射率与自适应优化场景亮度的图像去雾算法。根据图像有雾程度评判标准对透射率进行分块优化,结合大气光强度求解大气散射模型获得无雾图像,并通过局部自适应调整图像灰度值来提高图像场景亮度。实验结果表明,相较于引导图滤波和对比度增加算法,该算法去雾后的图像更清晰,保边效果明显,且视觉效果更佳,适用于交通监管、安全监控和目标识别等应用领域。(本文来源于《计算机工程》期刊2019年09期）
别秀德[2]（2017）在《复杂场景下基于自适应分块的多目标跟踪方法研究》一文中研究指出随着计算机硬件和多媒体技术的发展,以及各国政府和民众对安防的高度重视,智能视频监控的应用变得越来越广泛,而多目标跟踪技术作为智能视频监控领域最基本的核心技术,具有重要的研究意义和广阔的应用前景,受到来自世界各地的学术界和工业界科研人员的普遍关注和研究。目前,多目标跟踪技术的研究取得了长足进步,但仍存在许多难题需要解决,如复杂的跟踪场景、非刚体目标的姿态变化、目标遮挡以及跟踪的实时性等。本文针对复杂场景下存在目标遮挡、表观变化以及相似目标的问题,对多目标跟踪进行了研究,主要研究内容及成果为:(1)介绍了多目标跟踪的基本理论。对贝叶斯理论框架下的卡尔曼滤波和粒子滤波的基本原理做了简单介绍,并分析了算法的优缺点。介绍了均值漂移算法和模糊C均值算法的基本原理,并研究了算法的基本步骤。(2)在对多个目标进行跟踪过程中经常存在遮挡、相似目标的情况,为此研究了一种基于自适应分块的粒子滤波多目标跟踪方法。该方法根据目标的灰度分布进行自适应分块,提高遮挡情况下准确跟踪多目标的能力;在粒子滤波跟踪时,利用均值漂移和模糊C均值聚类获取每个目标对应的粒子群,得到目标最优状态估计;引入加权Bhattacharyya距离计算子块的匹配度,考虑了子块可靠性对粒子权重的影响。(3)为了解决多目标跟踪过程中还经常存在的相似目标相互遮挡以及目标表观变化问题,提出了一种基于自适应分块的多特征融合多目标跟踪方法。该方法在上一方法的基础上加入了多特征融合策略,融合颜色直方图和HOG特征对目标进行描述;在粒子滤波跟踪时,依据子块可靠性以及粒子的空间分布及时调整目标模型中子块的权重;并且为减少过程中目标变化对跟踪结果的影响,采取权重更新方法动态更新目标特征模型。实验结果表明,该方法在多目标跟踪过程中存在表观变化、目标相似以及目标遮挡或者相似目标相互遮挡的复杂情况下,均能准确鲁棒地跟踪多个目标。(本文来源于《山东大学》期刊2017-05-20）
鲍华[3]（2016）在《复杂场景下基于局部分块和上下文信息的单视觉目标跟踪》一文中研究指出视觉目标跟踪是计算机视觉中最为重要的研究内容之一,并在视频监控、人机交互、增强现实、视觉导航、医学图像分析等领域有着深入的应用。通常,视觉目标跟踪被视为对目标状态的估计和判别。即在给定初始的目标状态(如位置、尺度等信息)下,视觉目标跟踪的目的是在连续的图像序列中估计或判别对象目标的状态。在过去的数十年里,视觉目标跟踪取得了显着的进展,特别是在有约束条件或相对简单的环境下,取得了较好的效果,如静态场景下对刚体目标的跟踪等。然而,在现实世界里,由于目标自身和背景环境的复杂性,实现鲁棒和准确的目标跟踪仍然是一个挑战性的问题。跟踪过程中,算法的性能和效果会受到各种因素的影响,如部分或全部遮挡、光照变化、平面内旋转、平面外旋转、背景杂乱、尺度变化和复杂运动等,这些复杂的因素会导致目标表观发生显着的变化。目前,已有或存在的跟踪方法仍然不能有效解决这些复杂的因素所带来的问题,视觉目标跟踪算法的性能还需要进一步的提高。在视觉目标跟踪过程中,如何有效地表征目标,往往对跟踪的结果和性能起着决定性的作用。此外,目标所处的环境因素对跟踪的结果和性能起着重要的影响。特别是在复杂的环境下,目标特征及目标上下文信息可以为跟踪提供重要的证据信息。因而,有效利用目标特征信息及上下文信息表征对象目标,是提高算法性能的重要途径之一。本文在深入分析视觉目标跟踪工作机理的基础上,结合目标的结构化特征信息以及上下文信息,从构建鲁棒的目标表观模型角度出发,开展了相关的研究工作,并提出了一些新的思路。本文的主要工作及创新点包括:(1)针对跟踪过程中表观发生剧烈变化的目标跟踪问题,本文提出了一种新的基于自适应分块表观模型的视觉目标跟踪方法。本文方法用一组空间上具有内在几何结构关系约束的局部图像块表征对象目标,以适应对象目标表观的剧烈变化。在跟踪过程中,对象模型的局部分块依据目标表观的变化实现在线自适应的更新(添加和删除)。本文方法充分利用了局部分块对表观变化适应上的灵活性,克服了传统算法不能及时更新表观模型的局限性。与此同时,本文方法利用颜色特征构建对象目标的全局概率模型,为局部块的更新提供了有效的先验信息,为表观模型提供了更加可靠、灵活的更新依据。实验结果表明,该方法能够较好的适应目标的表观变化,在目标发生剧烈的表观变化时能够有效的跟踪目标。(2)为在复杂环境下实现鲁棒的目标跟踪,本文提出了一种基于局部表观模型和上下文信息的目标跟踪方法。在跟踪过程中,利用目标内部的局部图像块和目标的上下文联合表征对象目标,构建目标的表观模型。首先,将目标表征为一组栅格化的局部图像块,利用梯度和亮度信息描述局部图像块的特征。局部块的似然度由稳定性和可靠性描述,以评估跟踪过程中局部块的鲁棒性。本文方法通过局部分块的表征方式有效的保存了目标内部的空间结构信息,能在复杂环境下快速适应目标的局部表观变化。其次,为抑制跟踪过程中的漂移,目标由分别包含了前景和背景的上下文信息表征。通过在模型的构建过程中融合背景信息,有效的抑制了背景模糊和噪声对目标跟踪的影响。实验结果表明,该方法能有效的处理遮挡、快速运动和背景模糊等复杂情况。(3)为有效表征对象目标,本文提出了一个层次化的表观模型,并在贝叶斯框架下构建了基于层次化模型的视觉目标跟踪方法。跟踪过程中,对象目标由局部层和全局层组成的层次化表观模型表征。局部层模型用一组局部分块描述对象目标,以适应由遮挡、形变等引起的局部表观变化。全局层模型用包含了前景和背景的目标上下文信息描述目标,以有效处理跟踪过程中出现的复杂背景、运动模糊等情况导致的影响。该方法通过局部层、全局层的联合表征方式,能够有效提升目标表征的准确性,能够有效抑制各种复杂情况对跟踪结果的影响。实验结果表明,该算法具有较高的效率、鲁棒性和准确性,在各种复杂环境下均取得了较高的目标跟踪性能。(4)为获取鲁棒、准确的跟踪性能,本文将相干滤波引入到目标跟踪框架中,基于相干滤波、局部分块模型和上下文信息提出了一种协同视觉目标跟踪方法。为提高目标跟踪的准确性,本文方法采用粗到细的跟踪策略。在粗跟踪阶段,目标由多个由随机采样获取的局部图像块表征,每个局部块独立的执行跟踪任务,目标状态由各个局部图像块的状态预测经过加权后初步确定。在细跟踪阶段,目标由包含了背景和前景的双矩形框联合表征。通过在跟踪过程中融入上下文信息,在贝叶斯推理框架下基于细搜索策略精确估计目标的位置。此外,为在长期的目标跟踪中获取鲁棒的跟踪效果,我们基于局部图像块的置信度来处理跟踪过程中发生的遮挡。跟踪过程中,本文方法将生成模型和判别模型相融合,实现了两种模型的优势互补;通过将基于局部模型的跟踪方式和基于全局模型的跟踪方式相融合,实现了协同的目标跟踪。实验结果显示,本文方法相比已有的常规算法,具有较高的效率、准确性和鲁棒性。(本文来源于《中国科学技术大学》期刊2016-09-05）
宋征玺,张明环[4]（2016）在《基于分块聚类特征匹配的无人机航拍叁维场景重建》一文中研究指出针对无人机航拍采集的海量无标定图像,在SFM(structure from motion)重建框架下,提出了基于分块聚类特征匹配的叁维重建方法。文章将航拍图像的匹配问题转化为待匹配图像集合的筛选以及图像局部特征配准。通过增加筛选步骤,提出了在缩略图尺度下利用词汇树的评分机制构建待匹配图像集合的方法;利用特征成簇状分布的数据特性,提出了先聚类再匹配的局部特征配准方法。优化了SFM重建框架的特征匹配部分,在航拍数据库PAMView中进行了叁维重建实验。实验结果表明,该方法在不影响重建性能下有效提高运算速率。(本文来源于《西北工业大学学报》期刊2016年04期）
蒋亚平,李士进[5]（2016）在《基于分块特征点密度的多特征融合遥感图像场景分类》一文中研究指出随着遥感等对地观测技术的发展,遥感图像分辨率越来越高。相比于中低分辨率遥感图像,高分辨率遥感图像能够提供更详细的地面信息,但各种地物空间结构分布较复杂。本文针对高分辨率遥感图像中不同目标的各种特征有效性不同,及彼此存在互补现象,提出一种分层多特征融合的场景分类方法。该方法首先对图像进行预分类,粗分为特征点分布均匀与不均匀两大类;然后,对分布均匀类别提取颜色直方图特征和Gabor纹理特征,对分布不均匀类别提取ScSPM(基于稀疏编码的空间金字塔匹配)特征;最后分别训练支持向量机分类器对测试图像进行分类。在一个2100幅图像构成的大型遥感图像数据库上的实验结果表明,提出的算法比仅用单一特征分类方法的最高精度提高了10%;与其他融合方法相比,提出的方法取得了最高分类精度,达到了90.1%;算法时间复杂度也大为降低。(本文来源于《计算机与现代化》期刊2016年05期）
蒋亚平,李会敏[6]（2016）在《基于分块特征点密度的多特征融合遥感图像场景分类》一文中研究指出随着遥感等对地观测技术的发展,遥感图像分辨率越来越高。相比于中低分辨率遥感图像,高分辨率遥感图像能够提供更详细的地面信息,但各种地物空间结构分布较复杂。针对高分辨率遥感图像中的不同目标,各种特征有效性不尽相同、彼此存在互补现象,提出了一种分层多特征融合的场景分类方法。该方法首先对图像进行预分类,粗分为特征点分布均匀与不均匀两大类;然后,对分布均匀类别提取颜色直方图特征和Gabor纹理特征,对分布不均匀类别提取Sc SPM(基于稀疏编码的空间金字塔匹配)特征;最后分别训练支持向量机分类器对测试图像进行分类。在一个2100幅图像构成的大型遥感图像数据库上的实验结果表明,提出的算法比仅用单一特征分类方法的最高精度提高了10%;与其他融合方法相比,提出的方法取得了最高分类精度,达到了90.1%;算法时间复杂度也大为降低。(本文来源于《微型电脑应用》期刊2016年05期）
李艳梅,罗建,李薇,朱力强[7]（2014）在《基于自适应分块的动态场景HDR图像合成算法》一文中研究指出通过提出基于梯度上升优化处理的自适应分块算法与基于图像序列梯度域运动检测与去除相结合的方法,自适应调整分块大小及动态区域块的融合权值,最终达到混淆去除的目的。同时,利用Gaussian中心函数窗口滤波,去除在分块融合过程中引入的块边缘不连续性痕迹。实验结果表明,该方法能快速有效地增强多曝光图像融合生成HDRI并去除混淆问题。(本文来源于《计算机应用研究》期刊2014年10期）
曾璞,吴玲达,文军[8]（2009）在《利用空间金字塔分块与PLSA的场景分类方法》一文中研究指出提出一种基于空间金字塔分块与PLSA方法相结合的场景分类方法.该方法首先通过空间金字塔分块的方式来构建图像区域集合,然后利用概率潜在语义分析(PLSA)从图像的区域集合中发现潜在语义模型,最后根据潜在语义模型找出所有图像区域中潜在语义出现概率来构建区域潜在语义特征,并使用该特征构建SVM模型进行场景分类.在13类场景图像上的试验表明,和其他方法相比,该方法中不需要进行大量的手工标注,而且具有更高的分类准确率.(本文来源于《小型微型计算机系统》期刊2009年06期）
曾璞,吴玲达,文军[9]（2008）在《基于分块潜在语义的场景分类方法》一文中研究指出提出了一种基于分块潜在语义的场景分类方法。该方法首先对图像进行均匀分块并使用分块内视觉词汇的出现频率来描述每一个分块,然后利用概率潜在语义分析(PLSA)方法从图像的分块集合中发现潜在语义模型,最后利用该模型提取出潜在语义在图像分块中的出现情况来进行场景分类。在13类场景图像上的实验表明,与其他方法相比,该方法具有更高的分类准确率。(本文来源于《计算机应用》期刊2008年06期）
刘勃,魏铭旭,周荷琴[10]（2005）在《交通场景中分块阴影检测算法研究》一文中研究指出提出一种分块阴影检测算法,并描述了算法的实现,实验表明该算法克服了传统的边缘检测算法的缺点,阴影检测效果比传统算法更好。(本文来源于《计算机工程》期刊2005年11期）
场景分块论文开题报告
（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：
随着计算机硬件和多媒体技术的发展,以及各国政府和民众对安防的高度重视,智能视频监控的应用变得越来越广泛,而多目标跟踪技术作为智能视频监控领域最基本的核心技术,具有重要的研究意义和广阔的应用前景,受到来自世界各地的学术界和工业界科研人员的普遍关注和研究。目前,多目标跟踪技术的研究取得了长足进步,但仍存在许多难题需要解决,如复杂的跟踪场景、非刚体目标的姿态变化、目标遮挡以及跟踪的实时性等。本文针对复杂场景下存在目标遮挡、表观变化以及相似目标的问题,对多目标跟踪进行了研究,主要研究内容及成果为:(1)介绍了多目标跟踪的基本理论。对贝叶斯理论框架下的卡尔曼滤波和粒子滤波的基本原理做了简单介绍,并分析了算法的优缺点。介绍了均值漂移算法和模糊C均值算法的基本原理,并研究了算法的基本步骤。(2)在对多个目标进行跟踪过程中经常存在遮挡、相似目标的情况,为此研究了一种基于自适应分块的粒子滤波多目标跟踪方法。该方法根据目标的灰度分布进行自适应分块,提高遮挡情况下准确跟踪多目标的能力;在粒子滤波跟踪时,利用均值漂移和模糊C均值聚类获取每个目标对应的粒子群,得到目标最优状态估计;引入加权Bhattacharyya距离计算子块的匹配度,考虑了子块可靠性对粒子权重的影响。(3)为了解决多目标跟踪过程中还经常存在的相似目标相互遮挡以及目标表观变化问题,提出了一种基于自适应分块的多特征融合多目标跟踪方法。该方法在上一方法的基础上加入了多特征融合策略,融合颜色直方图和HOG特征对目标进行描述;在粒子滤波跟踪时,依据子块可靠性以及粒子的空间分布及时调整目标模型中子块的权重;并且为减少过程中目标变化对跟踪结果的影响,采取权重更新方法动态更新目标特征模型。实验结果表明,该方法在多目标跟踪过程中存在表观变化、目标相似以及目标遮挡或者相似目标相互遮挡的复杂情况下,均能准确鲁棒地跟踪多个目标。
（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。
场景分块论文参考文献
[1].时璇,冯舒婷,沈传科,李晨,李党超.透射率与场景亮度分块优化的图像去雾算法[J].计算机工程.2019
[2].别秀德.复杂场景下基于自适应分块的多目标跟踪方法研究[D].山东大学.2017
[3].鲍华.复杂场景下基于局部分块和上下文信息的单视觉目标跟踪[D].中国科学技术大学.2016
[4].宋征玺,张明环.基于分块聚类特征匹配的无人机航拍叁维场景重建[J].西北工业大学学报.2016
[5].蒋亚平,李士进.基于分块特征点密度的多特征融合遥感图像场景分类[J].计算机与现代化.2016
[6].蒋亚平,李会敏.基于分块特征点密度的多特征融合遥感图像场景分类[J].微型电脑应用.2016
[7].李艳梅,罗建,李薇,朱力强.基于自适应分块的动态场景HDR图像合成算法[J].计算机应用研究.2014
[8].曾璞,吴玲达,文军.利用空间金字塔分块与PLSA的场景分类方法[J].小型微型计算机系统.2009
[9].曾璞,吴玲达,文军.基于分块潜在语义的场景分类方法[J].计算机应用.2008
[10].刘勃,魏铭旭,周荷琴.交通场景中分块阴影检测算法研究[J].计算机工程.2005