导读:本文包含了图像标注优化论文开题报告文献综述及选题提纲参考文献，主要关键词:远程,视频,监控图像,特征提取
图像标注优化论文文献综述
武卫翔[1]（2016）在《远程视频监控图像自动标注优化方法》一文中研究指出对远程视频监控图像进行自动标注,实现视频监控中关键帧识别,提高视频信息的分析鉴别能力。提出一种基于远程视频监控图像多尺度关键帧提取的自动标注优化方法,首先构建视频图像的采集模型,然后对采集的图像进行小波降噪处理,对输出的降噪图像通过多尺度关键帧提取进行自动标注,实现图像特征提取和信息识别。仿真结果表明,采用该方法进行远程视频监控图像自动标注,提高了对图像信息的检测识别能力,图像的输出峰值信噪比较高,准确识别概率提高。(本文来源于《电子技术与软件工程》期刊2016年18期）
崔伟[2]（2015）在《场景标注中的图像分割优化算法研究》一文中研究指出随着互联网技术的日新月异和图像获取设备的普遍应用,图像、视频等多媒体信息在人们的生活和工作中发挥着越来越重要的作用。由于图像信息的直观性和易解读性,图像信息的有效管理和检索的方法逐渐成为了研究的重点。目前对图像高层语义表达的需求越来越大,但传统的解决办法是通过人工标注图像,这样不仅费时、费力而且容易产生歧义。为此,基于语义的图像标注方法迅速发展起来,而且促进了网络图像理解和图像检索的发展。当前大多数的图像标注算法都是通过整幅图像的特征相似性和语义关键词的关联性来实现,并没有真正识别图像中的对象和场景。而场景标注是对图像所有像素点进行全标注的过程,它不仅实现了图像的自动语义描述,而且实现了对图像中的对象和场景的完全解析。为了提高图像的场景标注的准确度,本研究在分析总结了相关算法的基础上,提出了以提高图像分割效果作为基础来改善图像特征与高级语义表达之间映射的标注方法。本研究实现的研究内容主要分为两个部分:一是在对各种图像算法总结分析的基础上,实现了作为场景标注基础的图像分割算法的优化。通过利用支持向量机(Support Vector Machine,SVM)的方法结合图像的轮廓特征实现图像分割参数的优化,并能够根据研究目标设定相应的分割参数。二是在图像分割的基础上实现场景标注,利用图像分割区域内的多种特征实现场景中对象到语义的映射,并验证了图像分割效果对于场景标注结果的影响。在实现的图像分割和场景标注的过程中都是利用了图像的多尺度特征,通过不同参数和分辨率下的颜色和纹理等特征实现对图像中边界的确定和区域的分类。通过在经典图像数据集上的实验,从直观观察和数值评价两个方面验证了改进后图像分割算法的优越性和利用图像分割改进场景标注算法的有效性。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
朱城[3]（2013）在《基于优化标签集的图像标注的研究》一文中研究指出随着计算机技术、多媒体技术和网络通信技术的兴起和快速的发展,图像数据库变得越来越庞大,如何有效的获取人们真正需要的信息成为一个重要的研究课题。自动图像标注的实质是通过对图像底层特征的挖掘和处理来获取高层语义关键词,为高效地获取图像数据提供了便利。本文对自动图像标注进行了研究。主要工作体现在以下几个方面：(1)为了得到图像的区域特征,提出改进的Normalized Cuts算法进行图像分割。首先用Mean Shift算法对图像进行预分割,并采用一个加权的区域邻接图(Region adjacency graph,RAG)表示分割区域；然后采用Normalized Cuts对这些小区域进行融合。(2)采用最大密度聚类算法对图像的区域特征和SIFT特征进行聚类,得到离散化的视觉词,并用“词袋"模型将图像表示为离散视觉词。(3)以文本关键词和视觉词的集合表示图像。针对图像的文本模态和视觉模态特征,本文提出了一种基于主题融合的概率潜在语义模型,该模型分别从视觉模态和文本模态中捕获潜在语义主题,并提出一种自适应的不对称学习方法融合两种语义主题,使得它们共享同样的潜在主题。(4)为了提高自动图像标注的准确性,提出了对图像自动标注系统优化算法。对标注后图像,采用基于词频因子的词间相关性以及启发式迭代算法对获得的标注词进行有效的优化,词频因子有效提高词间相关性的度量值的精准性,从而提高了标注词的准确性。实验结果表明,本文提出的方法有效提高了自动图像标注的效果。(本文来源于《中南大学》期刊2013-05-01）
图像标注优化论文开题报告
（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：
随着互联网技术的日新月异和图像获取设备的普遍应用,图像、视频等多媒体信息在人们的生活和工作中发挥着越来越重要的作用。由于图像信息的直观性和易解读性,图像信息的有效管理和检索的方法逐渐成为了研究的重点。目前对图像高层语义表达的需求越来越大,但传统的解决办法是通过人工标注图像,这样不仅费时、费力而且容易产生歧义。为此,基于语义的图像标注方法迅速发展起来,而且促进了网络图像理解和图像检索的发展。当前大多数的图像标注算法都是通过整幅图像的特征相似性和语义关键词的关联性来实现,并没有真正识别图像中的对象和场景。而场景标注是对图像所有像素点进行全标注的过程,它不仅实现了图像的自动语义描述,而且实现了对图像中的对象和场景的完全解析。为了提高图像的场景标注的准确度,本研究在分析总结了相关算法的基础上,提出了以提高图像分割效果作为基础来改善图像特征与高级语义表达之间映射的标注方法。本研究实现的研究内容主要分为两个部分:一是在对各种图像算法总结分析的基础上,实现了作为场景标注基础的图像分割算法的优化。通过利用支持向量机(Support Vector Machine,SVM)的方法结合图像的轮廓特征实现图像分割参数的优化,并能够根据研究目标设定相应的分割参数。二是在图像分割的基础上实现场景标注,利用图像分割区域内的多种特征实现场景中对象到语义的映射,并验证了图像分割效果对于场景标注结果的影响。在实现的图像分割和场景标注的过程中都是利用了图像的多尺度特征,通过不同参数和分辨率下的颜色和纹理等特征实现对图像中边界的确定和区域的分类。通过在经典图像数据集上的实验,从直观观察和数值评价两个方面验证了改进后图像分割算法的优越性和利用图像分割改进场景标注算法的有效性。
（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。
图像标注优化论文参考文献
[1].武卫翔.远程视频监控图像自动标注优化方法[J].电子技术与软件工程.2016
[2].崔伟.场景标注中的图像分割优化算法研究[D].哈尔滨工业大学.2015
[3].朱城.基于优化标签集的图像标注的研究[D].中南大学.2013