一、图像视觉条状纹理矢量方向场检测技术（论文文献综述）
屈赵燕[1]（2020）在《稀疏角度CT重建算法研究》文中指出CT辐射剂量与活体新陈代谢异常乃至癌症等疾病的诱发密切相关,现阶段,如何在降低CT扫描辐射剂量的条件下,保证图像重建质量是CT图像重建技术面临的一个巨大挑战。在各种低剂量CT方法中,稀疏角度CT是最近提出的一种通过减少投影角度来降低辐射剂量的方法,其因降低辐射剂量、减少扫描工作量、动态成像和拥有更快的重建速度而受到广泛关注。然而,由于稀疏角度CT中噪声水平提高和投影数据不完备性,稀疏角度CT重建问题是一个严重的不适定问题,这导致解析重建算法的重建结果出现严重的条纹伪影,进而降低图像质量。相比而言,基于稀疏先验正则化的迭代重建算法则表现出了明显优势,可引入稀疏先验约束信息来改善问题的不适定性,从而显着提高传统迭代算法的成像质量。因此,本文的研究目标是针对稀疏角度CT重建的不适定问题,建立基于正则化的稀疏先验重建模型来稳定稀疏角度重建过程,并开发相应的迭代优化算法来求解稀疏角度CT模型,以提高稀疏角度CT的图像重建质量。本文的主要研究工作包括如下:（1）针对经典的基于全变分（Total Variation,TV）的算法对图像的方向不敏感的问题,引入方向梯度信息,建立了一种自适应方向性TV模型的稀疏角度CT图像重建模型—BDTV（Block Directional Total Variation）模型,旨在更好的保留图像边缘和提高图像重建质量。针对BDTV模型的求解,采用了一种有效梯度下降的算法,该算法在每一步迭代时都能有效地更新图像的方向性。通过实验证明了该算法能较好地保留图像边缘,纹理细节更加清晰。（2）基于小波的稀疏先验信息和TV保护图像锐边的优点,建立了一种新的混合小波与TV两个正则化的稀疏角度CT重建模型,旨在更好地保留边缘、抑制伪影和去除噪声,提高重建图像的质量。采用交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）算法求解最小化模型。仿真实验和真实数据实验结果表明该方法在保留边缘、抑制伪影和去噪方面具有较强的竞争力。（3）针对Mumford-Sha-TV模型中的不良阶梯效应,本文结合Mumford-Shah函数和TGV函数,建立了一种用于稀疏角度CT图像重建的Mumford-Shah-TGV模型,旨在能够更好地抑制阶梯伪影。使用Ambrosio-Tortiroilli在Gamma收敛条件下的椭圆函数逼近模型,开发了一种基于ADMM迭代的算法。数值和真实实验表明,采用本文方法可以抑制阶梯伪影,重建高质量图像。
吴昊[2]（2020）在《方向敏感的风格迁移技术研究》文中提出随着prisma等AI艺术创作软件的出现,计算机艺术创作在社会中引起了极大的关注。而非真实感绘制作为支撑这一类软件的重要技术,涉及了包括计算机艺术、计算机视觉、计算机图形学、数字图像处理等多个学科领域。非真实感绘制在动画、电影、游戏等需要计算机创作或是计算机辅助制作的领域内都有着广泛的应用。传统艺术创作产业为劳动密集型,需要耗费数月甚至数年以及大量的人力。而随着人工智能的发展,如何将计算机应用在这一领域内吸引了大量研究人员的关注。而基于实例的风格迁移是非真实感绘制领域内的热点研究课题之一,它采用机器学习或统计模型来获得来自诸如笔墨画、油画、水彩画、刺绣等艺术图像实例的风格特性,进而实现从风格图像到内容图像的风格迁移。艺术的表现力主要来自于颜色和纹理,而许多艺术形式的纹理是由具有方向性的笔触聚合组成,例如油画、刺绣、铅笔画等。如何表现这些具有方向性的纹理是获得良好风格迁移效果的前提。部分早期非真实感绘制工作针对具有方向性的艺术形式提出了一些解决方案,虽然取得一定的效果,但是仅仅采用了较低层次的风格信息,使得产生的风格化图像抽象程度较低。针对这一问题,Gatys等人提出了利用深度神经网络技术的风格迁移方法,取得了较大的成功。但是这类方法由于神经网络的“黑盒”特性,难以控制并表现纹理细节,所以并不能很好地处理这一类艺术形式。本文根据已有风格迁移工作的研究现状和特点,针对具有方向性纹理的艺术形式,围绕提高艺术抽象度、增强细节纹理效果及表达用户意图等几个研究难点进行了系统而深入的研究,取得的创新性成果主要包括以下几个方面:1)乱针绣是一种中国特有的刺绣形式,相对其他艺术形式,乱针绣主要依靠绣线聚集所产生的精细绣线纹理进行艺术表达,具有抽象度相对较低但是对纹理细节表达要求较高的特性。针对这些艺术形式特性,本文提出了一种基于方向敏感稀疏表示的纹理合成风格迁移方法。该方法针对刺绣纹理的特点定义了可旋转非规则基元,并根据混乱度及主方向两种特征从风格图像中提取基元;然后本文提出一种基于稀疏表示的风格基元建模方法对基元纹理进行表示,并在纹理合成过程中根据内容图像局部特征合成基元;最后根据内容图像的方向场放置基元以合成最终风格化图像。仿真实验表明,该方法可以很好地在风格化图像中重现乱针绣纹理细节并有效减少人造痕迹。2)针对油画、水彩画等具有方向纹理且需要较高艺术抽象程度的艺术形式,本文提出一种基于方向场损失的风格迁移方法。首先,本文提出一种方向场损失网络以监督风格化图像和内容图像之间的方向场差异,从而构造一种全新的方向场损失,以控制风格化图像中笔触的方向;结合基于VGG-19损失网络的内容风格损失以生成一个新的优化目标;最终通过在线图像优化方法迭代生成风格化图像。仿真实验表明,本文方法对比已有方法可以更好地表达风格化图像中的方向纹理,并且通过有效的交互机制让用户可以控制纹理方向以更好地支持用户意图表达。3)针对油画、水彩画等艺术形式,本文提出一种基于方向场的渐进式风格迁移方法以在保持一定风格化图像生成效率的基础上进一步提升风格迁移的质量。首先,本文基于渐进思想将风格迁移过程分为两个阶段,即NST阶段和纹理增强阶段。在NST阶段,为了提高风格迁移效率的同时提高分辨率,提出一种基于方向场损失的渐进生成网络以取代图像优化算法;在纹理增强阶段,本文提出了一种基于方向场的纹理合成方法,在NST阶段获取的风格化图像基础上进一步提高纹理细节表达能力。仿真实验表明,本文方法可以在保持足够艺术抽象能力和一定生成效率的基础上,进一步提高风格迁移结果的纹理细节。
郭怀勇[3]（2020）在《柔性IC封装基板外观缺陷检测问题研究》文中指出柔性IC封装基板是一种印制线路板,在航空航天、电子信息行业中大量使用。随着相关产品的微型化,柔性IC封装基板表面线路部分的精度已经达到微米级别,并继续向纳米级别发展,因此对柔性IC封装基板进行外观检测时的精度要求越来越高。本文搭建了基于双视觉成像系统的外观缺陷检测系统。针对覆铜基板外观表面缺陷,研究其高精度检测算法。主要工作如下:（1）基于高密度柔性IC封装基板外观检测现场需求,研究关键部件选型参数的计算方法,设计出合适的双计算机视觉成像系统,并结合高精度三轴运动控制平台、吸附机构及机械平台,组成完整的柔性IC封装基板外观缺陷检测系统。（2）提出一种结合Hessian矩阵特征值和梯度场的图像矫正算法,获取图像方向场,实现对柔性基板图像的矫正。（3）根据柔性基板表面的颜色特点,提出一种基于颜色空间的图像快速分割算法,通过多通道局部直方图自适应阈值法对柔性基板图像铜箔区、文字区、背景区进行分割。（4）提出一种基于相似性的多分辨率图像差异对比算法。首先通过高斯金字塔构建多分辨率图像,然后结合结构相似性原理和离散余弦变换对图像进行比较,从而实现对柔性IC封装基板表面图像的异常检测。（5）针对高密度柔性IC封装基板外观表面的几种常见缺陷,提出基于深度学习的缺陷分类及定位算法,实现异常区域图像中缺陷目标的类型识别和定位。本文为高密度柔性集成电路封装基板生产过程提供了高精度外观缺陷检测系统,解决了自动检测难题,具有工程实用价值。
金璐[4]（2020）在《少样本条件下的红外空中目标识别与检测技术研究》文中指出红外成像具备探测距离远、隐蔽性高、可穿透烟雾以及全天候工作等优势,在光电探测领域受到了广泛的重视、研究和应用。在红外探测系统中,目标识别与检测能够为图像中的潜在目标提供类别判断和坐标定位,是后续跟踪任务的基础,也是后续决策系统的有力支撑。近年来,随着计算能力和大数据的推进,深度学习模型已经在计算机视觉领域取得了异常瞩目的进展,在很多大型数据集上,一些算法的认知水平甚至超过了人类的分辨能力。然而,这些算法之所以性能强大,很大程度上依赖于训练数据的充分程度。在红外空中目标的识别问题上,获取样本数据的代价十分昂贵,某些少见机型的数据样本甚至仅有个位数,很难建立充分的样本库来对各种型号的飞机红外数据进行分析。本文围绕少量样本场景下的红外空中目标识别问题,结合图像处理、模式识别、稀疏表示、深度学习等领域进行了深入研究,主要工作与创新点如下。（1）提出了一种基于稀疏表示的红外条状噪声校正方法。首先利用K-SVD字典学习算法对无噪声干扰的红外图像进行训练,提高字典对红外图像的表达能力;然后利用OMP算法对噪声图像进行稀疏求解和图像重建;随后利用重建图像与噪声图像,根据最小二乘法逐行求取校正系数;最后利用校正系数和噪声图像输出校正图像。实验结果表明,该方法对条状噪声的校正效果比较稳定,不受场景约束,且对稀疏求解的误差容忍度较高。（2）提出了一种基于判别稀疏表示的红外空中目标识别模型。首先提出了具有旋转不变性的方向梯度直方图特征,然后将训练样本的该特征作为原子组成初始字典,利用FDDL字典学习算法对字典进行优化,同时提高字典的编码能力和判别能力。随后提取测试样本的特征向量作为原始信号,利用同伦算法求解稀疏表示系数,最后根据各类别的重构残差输出红外空中目标的预测标签。该方法理论基础充分,实验结果表明,该方法拥有较强的旋转不变性、判别能力以及抗噪性能。（3）针对某些少见机型样本稀少的问题,提出了一种改进关系网络的少样本红外空中目标分类方法。该方法将关系网络模型与多尺度特征融合方法以及元学习的训练策略相结合,首先构造多尺度特征提取模块提取支撑样本和查询样本的特征信息,然后把查询样本和支撑样本的图像特征连接起来输入关系模块,根据查询样本和各类支撑样本之间的关系值作为类别判断依据。在训练方式上,采用元学习的训练策略。实验结果表明,本文提出的方法能够在少量样本的情况下,实现多种机型的红外空中目标的识别任务。（4）针对红外空中目标尺寸偏小、分布稀疏的特性,提出了一种增强小尺寸目标关注的少样本红外空中目标检测方法。该方法对特征权重调整模型加以改进,在特征提取模块,通过深浅层特征图融合的方式增强特征提取模块输出的特征图表达能力;在权重调整模块,使用热力图取代二值图像作为标注信息的输入形式,增强红外目标与背景之间的关联,使模型能够关注到较小尺寸目标。在训练方式上,采用基础训练与少样本元任务微调相结合的方式。实验结果表明,该方法能够在少量标注样本的情况下,实现红外空中目标的检测任务。
高俊杰[5]（2020）在《基于Kuwahara滤波的图像风格化抽象》文中研究说明非真实感渲染技术（Non-Photorealistic Rendering,NPR）是计算机图形学的重要组成部分,其目标致力于艺术风格的模拟与再现。风格化抽象方法一般通过突出目标事物主体特征,弱化不必要的细节,用简单明了、带有艺术美感的线条和纹理来描述物体从而实现艺术风格的转换,现有的技术可以模拟如油画、水墨画、铅笔画、卡通等风格的艺术作品。本文介绍了非真实感渲染的发展研究现状,对该领域主要的非真实感渲染技术进行了综述,并进一步讨论了视觉显着性在艺术创作中的作用,同时给出了一些经典的显着性检测方法。在此基础上,本文提出了一个基于视觉显着性的自动将图像或视频转换为油画风格的渲染框架,实验结果证明使用该框架能够较好地模拟油画风格的笔触效果,并具有良好的鲁棒性。本论文的主要创新工作体现在以下方面:1.由于各项异性Kuwahara滤波可以产生类似笔触效果的平滑区域,因而适合用来生成油画这类笔触痕迹较明显的艺术作品。但目前的滤波方法通常使用固定大小的滤波核,导致产生的滤波尺度单一。针对这一问题,文章提出了一种基于视觉显着性的多尺度Kuwahara滤波方法,以显着性作为控制信息实时调整滤波核大小,从而产生丰富变化的笔画。2.由于油画独特的纹理特征,此类风格的绘制工作大多采用基于笔触的绘制和基于深度特征的风格迁移方法,本文提出了一种利用边缘梯度、边缘方向场、显着信息作为凹凸映射控制参数的方法,不仅能够较好的模拟了油画的纹理风格,且对视频处理时,具有较好的帧间连贯性,弥补了现有算法的不足。
杨克微[6]（2017）在《面向乱针绣的艺术风格生成技术研究》文中研究指明艺术风格生成是计算机视觉和和图形学中一个崭新的课题,其以计算机为工具,搭建各种数学模型并设计各种算法,来模拟艺术的风格效果,并在电影制作、动漫设计、游戏娱乐、文化教育、数字文化遗产保护方面取得了广泛的应用。然而,由于艺术类型的多样性及其创作过程的复杂性使得如何创建新的尤其是原创性的艺术形式一直是艺术风格生成研究面临的挑战性问题。因此,本文以乱针绣这一新型现代中国刺绣艺术的传承与保护为应用背景,根据乱针绣艺术风格和创作手法的矢量点阵耦合性、针法样式多样性和绣制粒度变化性特点,首次提出了以支持对其风格效果模拟为目标的乱针绣风格生成技术框架,并对框架中所涉及的风格基元的定义与生成、视觉内容抽象以及内容匹配与风格合成等方面进行深入而系统的研究,取得的创新性成果主要包括以下几个方面:（1）提出一种矢量与点阵相结合的针法定义与生成方法。该方法采用分而治之的思想,将乱针绣绣面中复杂的绣线组织样式分解为由一组绣线组合所构成的多样风格基元一“针法”,并在相互依赖的矢量和点阵两个空间中定义和生成针法。其中在矢量空间（绣布空间）,本文设计了以交叉针为构成单元的绣线矢量聚集模型,从朝向一致性、方向度、平均长度、密度和粗细层次等多个方面定义和描述了复杂多变的绣线聚集样式:在点阵空间（画布空间）,本文将针法绘制方法与其聚集方式结合起来,针对不同绣线聚集形式分别设计了扫描线绘制、多核图像卷积滤波、图像锐化等一系列绘制策略生成了独具线条美与质地感的多样风格针法;最后,依据针法风格差异对生成的针法进行层次化组织并构建了相应的针法词典对其进行统一表示,从而,有效建立了点阵视觉效果与乱针绣交叉重叠绣制风格间的内在联系。（2）提出了一种基于维诺图和颜色子集选择的乱针绣视觉内容抽象方法。该方法以乱针绣创作中常用的数字图像形式的参考视觉作品稿本为输入,在提取稿本区域色块及其视觉特征信息的基础上采用中心维诺图将区域进一步划分为具有不同大小和朝向的子区域并整合相关视觉特征信息对每个子区域进行表示,实现了满足局部细节、方向控制需要的区域变粒度划分和表示;进而提出了一种基于颜色熵排序的图像颜色量化算法从指定的绣线颜色库中选择合适的绣线颜色子集,并据此对每个子区域颜色进行表示满足了乱针绣绣制颜色受限性要求,从而,构造了以区域色块和视觉特征为基础的由粗到精的层次结构对输入视觉稿本内容进行抽象描述,满足了乱针绣风格生成过程对信息描述粒度的动态变化要求,为后续针法选择和排布提供线索和依据。（3）提出了一种基于稀疏表示与图割优化的乱针绣内容映射与风格合成方法。该方法以针法为媒介实现视觉稿本内容到乱针绣风格的映射,通过在映射过程中引入稀疏表示思想,自适应选择针法词典中基的最优线性组合以表现不同的视觉内容,从而在不需要定义完备针法库的前提下实现了有限针法实例与多样视觉内容间的自适应匹配;在风格合成阶段,该方法采用基于图割优化的纹理合成方法确定相邻针法重叠区域间的最优拼接路径,并通过引入绣线连续性约束保证了绣线纹理的连续性。该方法增强了内容映射的适应性,满足了乱针绣以灵活多变针法保持再现稿本内容的特点,并能够得到无人工痕迹的乱针绣艺术风格生成结果。
习可[7]（2010）在《基于智能视频技术的铁路入侵检测》文中认为滚石、行人、动物等异物侵入铁路限界,频频引发铁路交通事故,严重威胁了人民生命财产安全和铁路运输经济的发展。铁路入侵检测问题成为各国铁路运输安全关注的热点问题。随着智能视频监控技术的飞速发展,基于视频监控的入侵检测技术得到了越来越多的研究和尝试性应用。论文分析了基于智能视频技术的入侵检测系统的功能目标和应用结构,从而确定了用于系统测试的图像采集模块的性能及安装要求,并从铁路入侵物的类型、特点入手,重点研究并提出了针对累积性物体和运动目标的铁路入侵检测算法。整个算法从功能上可以划为三个部分：图像数据预处理部分、轨道识别及模板匹配部分和运动目标入侵检测部分。其中,图像数据预处理部分完成对监控视频图像的镜头畸变校正、滤波、防抖动处理以及对比度增强等功能；轨道识别及模板匹配部分实现轨道的自动识别,从轨道位置信息确定重点监控区域的范围,并完成对累积性物体的入侵检测功能；运动目标入侵检测部分通过对监控场景内运动物体的检测与跟踪,并结合重点监控区域范围,判断运动物体是否属于入侵目标,实现对运动物体入侵的有效检测。论文采用不同条件下拍摄的测试视频对入侵检测的相关算法进行了测试,验证了算法的有效性。论文的主要创新在于：首次将铁路路面积雪、积沙等累积性物体归入铁路入侵检测的范围,并采用基于方向场特征模板匹配方法对其进行有效监测；将指纹识别领域的方向场特征应用到铁路轨道的自动识别,设计了针对轨道特点的方向场计算法以及基于方向聚合距离的方向一致性处理方法,根据得到方向场特征进行轨道的自动识别,取得了很好的识别效果；设计了基于彩色图像处理的入侵检测算法,既适应于白天的彩色监控视频,也适应于夜间的红外成像视频。
李皓迪[8]（2006）在《基于邻域灰度变化矢量场的一种图像边缘检测的新方法》文中提出图像分割就是根据图像的特性和相应规则将图像数据划分为不同的区域。图像分割在图像处理中占据着非常重要的地位,是实现图像目标检测与识别等自动图像分析时必须首先完成的操作,同时也是数字视频处理,模式识别等领域的重要组成部分,在民用和军事上都有广泛的应用。寻找符合人们具体要求的分割算法是图像分割的关键和难点,也一直是学者们的研究重点,因此,对图像分割方法的研究,具有重要的理论意义和实用价值。本文重点研究邻域灰度变化矢量场基本理论,并用于描述图像视觉特性,建立相应的图像视觉特性检测算子,进而用于图像目标检测与分割系统,取得了良好的效果。从图像分割的概念入手,按照图像分割的发展历史对已有的分割算法进行了讨论,比较其优劣。在此基础上,提出了基于邻域灰度变化矢量场的图像分割思想;建立了图像邻域灰度变化矢量场,并重点分析了邻域灰度变化矢量场与图像视觉边缘、区域等特征之间的关系;建立了最大邻域灰度变化矢量的边缘检测算子模型,基于邻域灰度变化矢量场最大正交差异对的边缘检测算子及区域检测算子模型;分析了邻域选择对边缘扩展、噪声抑制的影响。软件仿真证明,这种分割方法实现简单,能有效检测图像的边缘,并提取图像区域,实现图像分割,而且对噪声有良好的抑制作用。我们把邻域灰度变化具有独特方向性的条状纹理图像单独予以研究,采用最大邻域变化矢量算子实现了条纹理边缘的检测,通过实验取得了良好的效果。
陈仁喜[9]（2006）在《图像缺损信息的修复方法研究》文中认为图像作为一种信息符号，有着语言文字不可比拟的优点，成为越来越重要的信息表达方式，其应用的领域和范围越来越广。影像更是地理信息科学中最重要的数据源，图像信息处理成为遥感应用中的一个重要环节。但在日常生活和科学研究中，我们经常会碰到图像信息缺损现象，如图像破损、目标前后遮挡等等。如何对这些缺损或遮挡信息进行恢复和补偿，成为人们日益关注的问题。目前与该问题密切相关的两个研究方向就是图像修复和纹理合成，本文围绕自然图像中缺损信息的修复和遥感影像中遮挡信息的补偿问题为中心，对图像修复、纹理合成的原理、方法和应用展开了研究和探讨。 图像的灰度值可以看作是一区域化变量，不仅具有随机性，而且具有空间结构性。我们把地统计学的思想和观点引入到图像缺损信息恢复问题中来，根据图像局部区域具有各向异性分布的特点，提出了一种新颖的各向异性插值模型。该修复方法克服了传统方法的一些缺陷，取得了比较成功的修复结果。 本文对纹理合成的基本理论和方法进行了阐述和总结，并针对目前纹理合成算法中存在的不足，提出了一些新的算法和解决方案。将纹理合成的马尔可夫随机场理论和模型应用到数字图像修复中，并进一步研究了基于小波分解的低、高频分离的图像修复方法。 另外，本文专门对遥感影像中的遮蔽现象进行了系统分析，阐明了遮蔽现象的利弊关系以及消除措施。详细介绍了“真”正射影像的制作原理、方法以及信息空缺现象，总结了缺损信息补偿的常规方法。我们还分析了图像缺损信息恢复的难点，并结合遥感影像信息遮蔽的特点，提出了自己的一些认识和观点。 由于遥感影像上遮蔽成像机制的特殊性，在目前的研究水平下，单靠图像本身对缺损信息进行自动补偿还具有一定的难度。我们结合数据融合的思想，首次将GIS数据作为引导知识应用到缺损信息的补偿中，解决了建筑物自动识别定位、地物边界不确定性、遮挡关系二义性等一系列难题，完成了自动化补偿算法，收到了满意的效果。
祝恩[10]（2005）在《低质量指纹图像的特征提取与识别技术的研究》文中认为指纹识别是基于生物特征的身份认证方式之一,虽然指纹识别领域已有许多研究成果,但随着社会对指纹识别的迫切需要,以及指纹识别技术在实际应用和测试中表现出的许多不足,近年来,许多研究机构都在十分活跃地进一步深入研究指纹识别领域的各种关键技术,以提高指纹识别的性能和解决实际应用中的问题,从而加速指纹识别技术的普及。在这种情况下,本文对指纹识别领域的主要关键技术进行了深入研究,主要包括低质量指纹图像的特征提取技术、指纹匹配技术和指纹识别系统相关技术,最后实现了一个自动指纹识别演示系统。本文工作的主要贡献和创新总结如下: （1） 深入研究了低质量指纹图像纹路方向计算和图像分割方法,提出了基于神经网络对纹路方向正确性进行训练和学习的方法,以及在此基础上的指纹分割方法。低质量指纹图像的纹路方向的正确计算是正确提取特征和进行匹配的基础,针对现有基于梯度和低通滤波方法的缺点,本文在用梯度法计算纹路方向的基础上,结合指纹分割对方向的初步计算结果的正确性进行训练和计算,从而根据方向正确性进行指纹分割并根据正确方向纠正错误方向。该方法中的神经网络对特定图像块在不同方向上有不同的响应结果,根据这些响应结果也可以确定图像块的纹路方向并进行指纹分割。实验结果表明这些方法有效地提高了低质量指纹图像特征提取的正确率。 （2） 深入分析了指纹图像区域类型,提出了对指纹图像进行二次分割以去掉残留纹路的方法。许多指纹分割算法能够有效分离不含纹路的区域和纹路结构无法恢复的纹路区域,而无法有效分离纹路结构清晰的残留纹路区域。二次分割方法在指纹初分割分离不含纹路的区域和纹路结构无法恢复的纹路区域的基础上,对余下区域进行分析,分离出残留纹路区域,从而减少错误特征的提取。 （3） 深入分析了指纹图像的增强,改进了基于Gabor滤波器的指纹增强方法。纹理滤波方法是指纹增强中普遍使用的方法,为了提高程序运行速度,滤波器通常采用查表方式实现,因而必须将滤波参数离散处理,另外在核心点附近纹路方向变化较快,这些都可能导致增强结果中产生块效应;滤波器的形状和尺寸不同,纹路的增强结果也会有明显不同。本文对这些问题进行了实验分析,对基于Gabor滤波器的增强方法进行了改进,改善了低质量图像的增强效果,提高了特征提取的正确率。 （4） 提出了基于多参考节点的指纹匹配方法。目前的指纹识别系统主要采用基于节点的匹配方法,已有的基于节点的匹配方法通过某种策略分别从模板指纹和输入指纹中选取一个节点作为参考节点对,在进行节点匹配时先将参考节点对齐,然后再评估其它节
二、图像视觉条状纹理矢量方向场检测技术（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、图像视觉条状纹理矢量方向场检测技术（论文提纲范文）
（1）稀疏角度CT重建算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 课题的国内外研究现状 |
| 1.2.1 稀疏角度CT重建算法的国内外研究现状 |
| 1.2.2 基于稀疏正则化的稀疏角度 CT 迭代重建算法的国内外研究现状 |
| 1.3 本文的主要工作以及结构安排 |
| 第2章 CT图像重建的相关背景 |
| 2.1 CT成像的基本原理 |
| 2.2 CT重建数学基础 |
| 2.2.1 Radon变换 |
| 2.2.2 中心切片定理 |
| 2.2.3 解析重建算法 |
| 2.2.4 迭代重建算法 |
| 2.3 稀疏角度CT问题的不适定 |
| 2.4 稀疏角度CT重建算法 |
| 2.4.1 稀疏角度CT问题的正则化以及正则化算法 |
| 2.4.2 基于稀疏正则化的迭代重建算法 |
| 2.5 本章小结 |
| 第3章 基于自适应方向全变分的稀疏角度CT重建 |
| 3.1 问题的引出 |
| 3.2 重建模型的建立 |
| 3.2.1 模型的提出 |
| 3.2.2 方向梯度算子的计算 |
| 3.2.3 自适应方向角的计算 |
| 3.3 ART+BDTV数值算法 |
| 3.4 实验结果以及分析 |
| 3.4.1 仿真实验 |
| 3.4.2 真实数据实验 |
| 3.4.3 实验结论 |
| 3.5 本章小结 |
| 第4章 基于全变分与小波正则化的稀疏角度CT图像重建 |
| 4.1 问题的提出以及重建模型的建立 |
| 4.1.1 问题的提出 |
| 4.1.2 基于全变分和小波正则化的稀疏角度CT重建模型的建立 |
| 4.2 模型的数值求解 |
| 4.3 实验结果以及分析 |
| 4.3.1 模拟实验 |
| 4.3.2 医学实验 |
| 4.3.3 真实数据实验 |
| 4.3.4 结论以及讨论 |
| 4.4 本章小结 |
| 第5章 基于Mumford-shah-TGV正则化的稀疏角度CT图像重建 |
| 5.1 模型的提出 |
| 5.1.1 回顾广义全变分 |
| 5.1.2 重建模型的建立 |
| 5.2 模型的数值计算 |
| 5.3 实验结果以及分析 |
| 5.3.1 模拟数据实验 |
| 5.3.2 真实数据实验 |
| 5.3.3 实验结论 |
| 5.4 本章小结 |
| 第6章 论文的工作总结以及展望 |
| 6.1 论文的工作总结 |
| 6.2 未来的工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
| 致谢 |
（2）方向敏感的风格迁移技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状与挑战 |
| 1.3 本文研究思路 |
| 1.3.1 问题提出 |
| 1.3.2 研究方案 |
| 1.4 本文研究工作 |
| 1.4.1 本文工作 |
| 1.4.2 论文结构 |
| 第二章 相关领域研究进展 |
| 2.1 概述 |
| 2.2 方向不敏感风格迁移方法 |
| 2.2.1 基于启发式模型的方向不敏感风格迁移方法 |
| 2.2.2 基于统计模型的方向不敏感风格迁移方法 |
| 2.2.3 基于深度学习的方向不敏感风格迁移方法 |
| 2.3 方向敏感的风格迁移方法 |
| 2.3.1 基于启发式模型的方向敏感风格迁移方法 |
| 2.3.2 基于统计模型的方向敏感风格迁移方法 |
| 2.4 本章小结 |
| 第三章 基于方向敏感稀疏编码的风格迁移方法 |
| 3.1 引言 |
| 3.2 方法概述 |
| 3.3 稀疏编码 |
| 3.4 基元发现 |
| 3.4.1 基元定义 |
| 3.4.2 基元提取 |
| 3.4.3 代表性基元选择 |
| 3.5 纹理合成 |
| 3.5.1 基元表示 |
| 3.5.2 内容映射 |
| 3.5.3 基元排布 |
| 3.6 实验结果与分析 |
| 3.6.1 不同艺术风格特征区别 |
| 3.6.2 基元提取有效性 |
| 3.6.3 代表性基元选择算法的有效性 |
| 3.6.4 基元合成有效性 |
| 3.6.5 与现有方法对比 |
| 3.6.6 计算复杂度 |
| 3.7 本章小结 |
| 第四章 基于方向场损失网络的风格迁移方法 |
| 4.1 引言 |
| 4.2 方法概述 |
| 4.3 损失构造 |
| 4.3.1 内容损失 |
| 4.3.2 风格损失 |
| 4.3.3 方向场损失 |
| 4.3.4 方向场损失网络结构 |
| 4.4 方向场损失网络 |
| 4.4.1 方向场损失网络构造与训练 |
| 4.4.2 方向场损失网络交互 |
| 4.5 实验结果与分析 |
| 4.5.1 方向场损失网络训练细节 |
| 4.5.2 方向场训练评估 |
| 4.5.3 交互实验分析 |
| 4.5.4 定性分析 |
| 4.6 本章小结 |
| 第五章 基于方向场约束的渐进式风格迁移方法 |
| 5.1 引言 |
| 5.2 方法概述 |
| 5.3 神经风格迁移阶段 |
| 5.3.1 损失生成 |
| 5.3.2 渐进生成网络 |
| 5.4 纹理增强阶段 |
| 5.5 实验结果与分析 |
| 5.5.1 方向场损失网络训练细节 |
| 5.5.2 神经风格迁移阶段定性比较 |
| 5.5.3 本文方法与普通渐进式方法定性比较 |
| 5.5.4 用户调研 |
| 5.5.5 方向场偏差评估 |
| 5.5.6 计算复杂度比较 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步研究方向 |
| 参考文献 |
| 致谢 |
| 简历与科研成果 |
（3）柔性IC封装基板外观缺陷检测问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 课题来源与问题 |
| 1.3 国内外研究现状 |
| 1.3.1 缺陷检测技术研究现状 |
| 1.3.2 目标检测技术研究现状 |
| 1.3.3 检测设备研究现状 |
| 1.4 研究内容与难点 |
| 1.5 论文结构安排 |
| 第二章 系统设计 |
| 2.1 系统需求分析 |
| 2.2 检测系统整体框架 |
| 2.3 硬件系统 |
| 2.3.1 成像系统选型参数推导 |
| 2.3.2 外观检测系统关键组件选型 |
| 2.3.3 基于双视觉成像系统的外观检测系统 |
| 2.4 软件系统 |
| 2.4.1 界面管理系统 |
| 2.4.2 后台数据库管理系统 |
| 2.4.3 系统检测算法设计 |
| 2.4.4 工作模式设计 |
| 2.5 本章小结 |
| 第三章 图像异常检测算法 |
| 3.1 需求分析与算法设计 |
| 3.1.1 需求分析 |
| 3.1.2 算法设计 |
| 3.2 柔性基板外观图像矫正 |
| 3.2.1 矫正算法研究与应用 |
| 3.2.2 图像矫正算法改进 |
| 3.2.3 实验与分析 |
| 3.3 图像颜色分割及关键元素定位 |
| 3.3.1 颜色空间选取 |
| 3.3.2 多通道局部直方图自适应阈值法 |
| 3.3.3 颜色分割与关键元素定位 |
| 3.4 图像差异对比 |
| 3.4.1 结构相似性指标 |
| 3.4.2 差异对比原理 |
| 3.4.3 实验与分析 |
| 3.5 本章小结 |
| 第四章 缺陷分类和定位算法 |
| 4.1 常见缺陷类型及特征分析 |
| 4.2 Yolo检测原理 |
| 4.2.1 核心思想 |
| 4.2.2 网络结构 |
| 4.2.3 损失函数 |
| 4.3 实验与分析 |
| 4.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）少样本条件下的红外空中目标识别与检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 专业术语注释表 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 红外目标检测算法研究现状 |
| 1.2.1 红外图像预处理技术研究现状 |
| 1.2.2 候选区域生成技术研究现状 |
| 1.2.3 红外目标识别算法研究现状 |
| 1.3 本文内容与章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 基于稀疏表示的条状噪声校正方法 |
| 2.1 引言 |
| 2.2 条状噪声的建模分析与评价指标 |
| 2.2.1 噪声的建模分析 |
| 2.2.2 条状噪声消除的评价指标 |
| 2.3 基于稀疏表示的条状噪声校正方法 |
| 2.3.1 稀疏表示模型 |
| 2.3.2 l0-稀疏求解算法 |
| 2.3.3 图像重建 |
| 2.3.4 最小二乘法求取校正系数 |
| 2.3.5 K-SVD字典学习算法 |
| 2.4 实验与结果分析 |
| 2.4.1 实验准备与数据来源 |
| 2.4.2 字典学习 |
| 2.4.3 误差容限对校正结果的影响 |
| 2.4.4 对比实验 |
| 2.5 小结 |
| 第3章 基于判别稀疏表示的红外空中目标识别方法 |
| 3.1 引言 |
| 3.2 算法模型 |
| 3.2.1 判别稀疏表示原理 |
| 3.2.2 FDDL字典学习 |
| 3.2.3 具有旋转不变性的HOG特征 |
| 3.3 实验与结果分析 |
| 3.3.1 实验准备与数据来源 |
| 3.3.2 梯度统计划分区间 |
| 3.3.3 字典学习 |
| 3.3.4 分类结果分析 |
| 3.3.5 抗噪性能分析 |
| 3.4 小结 |
| 第4章 基于少样本学习的红外空中目标分类方法 |
| 4.1 引言 |
| 4.2 基于元学习的少样本学习方法 |
| 4.2.1 与模型无关的元学习方法 |
| 4.2.2 LSTM模型元学习 |
| 4.3 基于度量学习的少样本学习方法 |
| 4.3.1 匹配网络 |
| 4.3.2 原型网络 |
| 4.3.3 关系网络 |
| 4.4 多尺度改进关系网络 |
| 4.4.1 多尺度改进关系网络的结构设计 |
| 4.4.2 多尺度改进关系网络的学习策略 |
| 4.5 实验与结果分析 |
| 4.5.1 实验准备与数据来源 |
| 4.5.2 mini-Image Net少样本学习任务 |
| 4.5.3 Infra-aircraft少样本学习任务 |
| 4.6 小结 |
| 第5章 基于少样本学习的小尺寸红外空中目标检测方法 |
| 5.1 引言 |
| 5.2 特征权重调整模型 |
| 5.3 针对红外空中目标的特征权重调整模型 |
| 5.3.1 特征提取模块 |
| 5.3.2 特征权重调整模块 |
| 5.3.3 预测模块 |
| 5.3.4 训练策略 |
| 5.4 实验与结果分析 |
| 5.4.1 实验准备与数据来源 |
| 5.4.2 评价指标 |
| 5.4.3 Pascal-VOC数据集测试结果 |
| 5.4.4 红外数据集测试结果 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 全文工作总结 |
| 6.1.1 主要研究工作 |
| 6.1.2 特色与创新 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（5）基于Kuwahara滤波的图像风格化抽象（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究意义 |
| 1.3 论文主要内容 |
| 1.4 论文创新点 |
| 1.5 论文组织安排 |
| 第二章 非真实感渲染领域发展研究现状 |
| 2.1 非真实感渲染发展及应用 |
| 2.2 基于图像的非真实感渲染研究 |
| 2.2.1 基于笔触的绘制 |
| 2.2.2 图像的风格化抽象 |
| 2.2.3 基于深度特征的风格迁移 |
| 2.3 艺术风格的渲染研究 |
| 2.4 本章小结 |
| 第三章 技术介绍 |
| 3.1 边缘检测技术 |
| 3.1.1 一阶微分法 |
| 3.1.2 二阶微分法 |
| 3.1.3 最优算子法 |
| 3.1.4 高斯差分算子 |
| 3.2 显着性检测技术 |
| 3.2.1 基于局部对比度的显着性检测算法 |
| 3.2.2 基于直方图对比度的显着性检测算法 |
| 3.2.3 基于频谱调谐的显着性检测算法 |
| 3.2.4 基于图的流行排序的显着性检测算法 |
| 3.3 图像抽象算法 |
| 3.3.1 图像分割算法 |
| 3.3.2 边缘保持滤波算法 |
| 3.3.3 全局滤波算法 |
| 3.4 本章小结 |
| 第四章 油画风格渲染框架 |
| 4.1 渲染框架及流程 |
| 4.2 本章小结 |
| 第五章 基于视觉显着性的图像与视频风格化抽象 |
| 5.1 各向异性kuwahara滤波 |
| 5.1.1 图像局部结构特征分析 |
| 5.1.2 滤波处理过程 |
| 5.2 基于视觉显着性的多尺度Kuwahara滤波 |
| 5.3 实验结果与讨论 |
| 5.4 本章小结 |
| 第六章 风格化抽象与笔触纹理的混合绘制方法 |
| 6.1 油画风格化研究 |
| 6.2 油画纹理生成 |
| 6.2.1 图像边缘提取 |
| 6.2.2 单一尺度的笔画纹理生成 |
| 6.2.3 多尺度的笔画纹理生成 |
| 6.3 实验结果与讨论 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 未来研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（6）面向乱针绣的艺术风格生成技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状与挑战 |
| 1.2.1 研究现状 |
| 1.2.2 研究挑战 |
| 1.3 本文研究思路 |
| 1.3.1 问题的提出 |
| 1.3.2 本文工作 |
| 1.4 论文结构 |
| 第二章 艺术风格生成技术综述 |
| 2.1 概述 |
| 2.2 风格基元定义与生成 |
| 2.2.1 基元定义 |
| 2.2.1.1 基元描述 |
| 2.2.1.2 基元复合 |
| 2.2.2 基元生成 |
| 2.2.2.1 采集式方法 |
| 2.2.2.2 发现式方法 |
| 2.2.2.3 规则定义式方法 |
| 2.2.3 小结 |
| 2.3 视觉内容抽象 |
| 2.3.1 区域化抽象 |
| 2.3.2 显着性抽象 |
| 2.3.3 结构化抽象 |
| 2.3.4 小结 |
| 2.4 内容映射与风格合成 |
| 2.4.1 内容映射 |
| 2.4.1.1 交互方式 |
| 2.4.1.2 规则驱动方式 |
| 2.4.1.3 数据驱动方式 |
| 2.4.2 风格合成 |
| 2.4.2.1 基元排布 |
| 2.4.2.2 基元拼接 |
| 2.4.3 小结 |
| 2.5 本章小结 |
| 第三章 矢量与点阵相结合的针法定义与生成 |
| 3.1 引言 |
| 3.2 方法概述 |
| 3.3 矢量空间针法定义 |
| 3.3.1 单层针法交叉针排布 |
| 3.3.2 多层针法交叉针排布 |
| 3.3.3 矢量针法描述 |
| 3.4 点阵空间针法绘制 |
| 3.4.1 单层针法绘制 |
| 3.4.1.1 扫描线绘制算法 |
| 3.4.1.2 不同方向度针法绘制 |
| 3.4.1.3 不同平均长度针法绘制 |
| 3.4.1.4 不同稠密度针法绘制 |
| 3.4.2 多层针法叠加 |
| 3.4.3 针法生成器 |
| 3.5 针法组织与表示 |
| 3.5.1 针法组织 |
| 3.5.2 针法词典生成 |
| 3.6 实验结果与分析 |
| 3.6.1 矢量空间针法定义有效性 |
| 3.6.2 点阵空间针法绘制有效性 |
| 3.6.3 针法词典基尺度及规模分析 |
| 3.7 本章小结 |
| 第四章 乱针绣风格生成的视觉内容抽象 |
| 4.1 引言 |
| 4.2 方法概述 |
| 4.3 视觉内容提取 |
| 4.3.1 图像层次化分割 |
| 4.3.2 对象特征提取 |
| 4.3.3 全局特征提取 |
| 4.4 基于维诺图划分的区域内容表示 |
| 4.4.1 维诺图划分 |
| 4.4.2 约束构建 |
| 4.4.3 迭代优化 |
| 4.4.4 区域内容表示 |
| 4.5 基于颜色熵排序的图像颜色量化 |
| 4.5.1 归一化颜色熵 |
| 4.5.2 颜色子集选择 |
| 4.6 实验结果与分析 |
| 4.6.1 视觉内容提取有效性 |
| 4.6.2 区域划分方法有效性 |
| 4.6.3 颜色量化方法有效性 |
| 4.7 本章小结 |
| 第五章 乱针绣风格生成的内容映射与风格合成 |
| 5.1 引言 |
| 5.2 方法概述 |
| 5.3 针法选择 |
| 5.3.1 子词典选择 |
| 5.3.2 基组合系数优化 |
| 5.3.3 结果修正 |
| 5.4 风格合成 |
| 5.4.1 针法排布 |
| 5.4.2 针法拼接 |
| 5.4.3 空隙填充 |
| 5.5 光照渲染 |
| 5.6 实验结果与分析 |
| 5.6.1 针法选择有效性 |
| 5.6.2 风格合成有效性 |
| 5.6.3 与现有方法及真实乱针绣效果对比 |
| 5.6.4 用户调研 |
| 5.6.5 乱针绣艺术特点分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 下一步研究方向 |
| 参考文献 |
| 致谢 |
| 附录A 博士期间主持和参与的项目 |
| 附录B 博士期间取得的科研成果 |
（7）基于智能视频技术的铁路入侵检测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究思路及内容安排 |
| 1.3.1 论文的研究思路 |
| 1.3.2 论文主要内容 |
| 第二章 铁路入侵检测视频监控系统 |
| 2.1 铁路综合视频监控系统技术规范 |
| 2.2 铁路入侵检测视频监控系统介绍 |
| 2.2.1 系统组成与功能 |
| 2.2.2 IP网络摄像机 |
| 2.2.3 铁路入侵检测算法 |
| 2.2.4 分类报警及警示 |
| 2.2.5 摄像机的安装位置 |
| 2.3 本章小结 |
| 第三章 视频图像数据预处理 |
| 3.1 摄像机标定 |
| 3.1.1 摄像机标定中常用的坐标系 |
| 3.1.2 针孔相机模型和镜头畸变模型 |
| 3.1.3 摄像机标定方法 |
| 3.1.4 实验结果 |
| 3.2 图像增强 |
| 3.2.1 帧内滤波 |
| 3.2.2 帧间滤波 |
| 3.2.3 本文的滤波方法 |
| 3.2.4 灰度图像对比度增强 |
| 3.3 图像防抖动处理 |
| 3.3.1 图像配准算法综述 |
| 3.3.2 简化的互相关配准算法 |
| 3.3.3 实验结果 |
| 3.4 本章小结 |
| 第四章 轨道识别及模板匹配 |
| 4.1 轨道特征分析 |
| 4.2 轨道自动识别 |
| 4.2.1 方向场计算 |
| 4.2.2 形态学图像处理 |
| 4.2.3 轨道自动识别算法 |
| 4.2.4 实验结果 |
| 4.3 重点监控区域提取 |
| 4.3.1 铁路限界 |
| 4.3.2 自动提取重点监控区域 |
| 4.4 模板匹配 |
| 4.4.1 模板选取 |
| 4.4.2 模板匹配 |
| 4.4.3 累积性入侵物体检测 |
| 4.5 本章小结 |
| 第五章 运动物体入侵检测 |
| 5.1 运动目标检测算法 |
| 5.2 基于CodeBook模型的背景差分法 |
| 5.2.1 背景的码本构建与训练 |
| 5.2.2 运动目标检测与背景更新 |
| 5.2.3 对CodeBook算法模型的改进 |
| 5.2.4 实验结果与分析 |
| 5.3 运动目标特征提取与跟踪 |
| 5.3.1 目标特征提取 |
| 5.3.2 运动目标跟踪 |
| 5.4 运动物体入侵检测 |
| 5.5 本章小结 |
| 第六章 结论及展望 |
| 6.1 本文的主要工作 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间参加科研项目、发表论文和获奖情况 |
（8）基于邻域灰度变化矢量场的一种图像边缘检测的新方法（论文提纲范文）
| 摘 要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源与研究任务 |
| 1.2 系统研究背景 |
| 1.3 国内外相关技术动态 |
| 1.4 论文结构安排 |
| 第二章 图像分割方法 |
| 2.1 图像分割的概念 |
| 2.2 图像分割的一般方法 |
| 2.2.1 灰度阀值分割法 |
| 2.2.2 区域提取的图像分割法 |
| 2.2.3 边缘检测方法 |
| 2.3 结合特定理论工具的图像分割方法 |
| 小结 |
| 第三章 图像邻域灰度变化矢量及其对图像视觉特征的描述 |
| 3.1 图像邻域灰度变化矢量场 |
| 3.2 图像邻域灰度变化矢量场与图像视觉特征关系分析 |
| 3.2.1 条状纹理与邻域灰度变化矢量场 |
| 3.2.2 图像边缘与邻域灰度变化矢量场 |
| 3.2.3 图像区域与邻域灰度变化矢量场 |
| 3.3 基于邻域灰度变化矢量场的图像视觉特性检测算子 |
| 3.3.1 最大邻域灰度变化矢量边缘检测算子 |
| 3.3.2 基于邻域灰度变化矢量场最大正交差异对的边缘检测算子 |
| 3.3.3 基于邻域灰度变化矢量场最大正交差异对的区域检测算子 |
| 小结 |
| 第四章 基于邻域灰度变化矢量场的条状纹理图像的检测与分割 |
| 4.1 引言 |
| 4.2 条状纹理方向场 |
| 4.3 条状纹理检测原理与系统方案设计 |
| 4.3.1 条状纹理方向场检测 |
| 4.3.2 条状纹理边缘的提取和存在域的分割 |
| 4.4 条状纹理图像分割与特征检测技术的应用 |
| 小结 |
| 第五章 基于邻域灰度变化矢量场的边缘检测与目标图像提取 |
| 5.1 边缘检测原理与系统方案设计 |
| 5.1.1 图像预处理 |
| 5.1.2 邻域矢量场边缘检测算子 |
| 5.1.3 图像边缘的检测与目标区域的提取 |
| 5.2 PC 仿真及实验分析 |
| 第六章 全文总结 |
| 致谢 |
| 参考文献 |
| 本人在攻读硕士期间取得的成果 |
（9）图像缺损信息的修复方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.2 问题提出 |
| 1.3 本文的研究目的、内容与组织 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 论文结构 |
| 第二章 图像修复的基础知识 |
| 2.1 图像修复 |
| 2.1.1 图像修复的概念 |
| 2.1.2 图像修复的价值 |
| 2.1.3 相关研究工作 |
| 2.2 图像修复的指导理论与思想 |
| 2.2.1 图像修复的特殊性 |
| 2.2.2 图像修复的视觉心理学 |
| 2.2.3 图像修复的基本原则 |
| 2.2.4 图像修复的难点分析 |
| 2.3 本章小结 |
| 第三章 基于偏微分方程的图像修复 |
| 3.1 偏微分方程(PDE)与扩散方程 |
| 3.1.1 偏微分方程 |
| 3.1.2 各向同性传导方程 |
| 3.1.3 各向异性传导方程 |
| 3.2 PDE图像修复方法 |
| 3.2.1 Bertalmio模型 |
| 3.2.2 整体变分模型(TV) |
| 3.2.3 基于扩散方程的简化方法 |
| 3.2.4 实验结果 |
| 3.3 本章小结 |
| 第四章 基于各向异性插值模型的图像修复 |
| 4.1 径向基函数插值 |
| 4.1.1 径向基函数(RBF) |
| 4.1.2 径向基函数插值原理 |
| 4.2 克里金插值与地统计学 |
| 4.2.1 克里金(Kriging)插值 |
| 4.2.2 地统计学与变异函数 |
| 4.2.3 变异函数模型 |
| 4.2.4 图像局部区域的变异分析 |
| 4.3 基于各向异性插值模型的图像修复 |
| 4.3.1 插值模型 |
| 4.3.2 快速边界行进法(FMM) |
| 4.3.3 修复算法流程 |
| 4.3.4 边缘方向场的计算与插值 |
| 4.3.5 各向异性灰度插值 |
| 4.3.6 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 基于纹理合成的图像修复 |
| 5.1 纹理合成概述 |
| 5.1.1 纹理概述 |
| 5.1.2 纹理合成 |
| 5.2 MRF模型与纹理合成 |
| 5.2.1 马尔可夫随机场(MRF)模型 |
| 5.2.2 基于MRF的采样模型 |
| 5.2.3 纹理合成的墓本方法 |
| 5.3 邻域尺寸自动提取算法 |
| 5.3.1 基于平滑图像的纹理统计特性分析 |
| 5.3.2 邻域窗口大小自动提取算法 |
| 5.3.3 试验结果与分析 |
| 5.3.4 结论与评价 |
| 5.4 基于纹理合成的图像修补 |
| 5.4.1 基本思想 |
| 5.4.2 像素类别定义 |
| 5.4.3 边界处理顺序问题 |
| 5.4.4 最佳匹配块的搜索与拼贴 |
| 5.4.5 算法描述 |
| 5.4.6 试验结果 |
| 5.4.7 评价与分析 |
| 5.5 基于频率分离的图像修复 |
| 5.5.1 算法概述 |
| 5.5.2 算法细节 |
| 5.5.3 试验结果 |
| 5.6 本章小结 |
| 第六章 正射影像上缺损信息的修复 |
| 6.1 成像原理与遮蔽现象分析 |
| 6.1.1 中心投影与投影差 |
| 6.1.2 影像遮蔽现象 |
| 6.1.3 对遮蔽的利弊认识 |
| 6.1.4 减少遮蔽的对策 |
| 6.2 “真”正射影像及其特性分析 |
| 6.2.1 DEM、DBMs和DSM |
| 6.2.2 “真”正射影像与制作原理 |
| 6.2.3 重影现象及其消除 |
| 6.2.4 缺损信息的常规处理方法 |
| 6.3 基于GIS数据融合的影像修补 |
| 6.3.1 正射影像遮蔽区域信息补偿的特点 |
| 6.3.2 GIS数据与遥感影像的关系 |
| 6.3.3 GIS数据在影像修补中的作用 |
| 6.3.4 修复流程与相关说明 |
| 6.3.5 试验结果 |
| 6.3.6 评价与分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 方法总结 |
| 7.2 主要结论 |
| 7.3 研究成果与创新 |
| 7.4 不足与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（10）低质量指纹图像的特征提取与识别技术的研究（论文提纲范文）
| 图表索引 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 社会需要指纹识别 |
| 1.1.2 指纹识别有待提高 |
| 1.1.3 指纹识别十分活跃 |
| 1.2 研究现状 |
| 1.2.1 指纹识别的过程与性能评估参数 |
| 1.2.2 指纹图像基本特征 |
| 1.2.3 指纹图像获取与压缩 |
| 1.2.4 指纹图像特征提取 |
| 1.2.5 指纹匹配 |
| 1.2.6 指纹分类与索引 |
| 1.2.7 指纹识别的安全技术 |
| 1.2.8 研究现状总结 |
| 1.3 研究内容 |
| 1.3.1 方向计算的研究 |
| 1.3.2 指纹分割的研究 |
| 1.3.3 指纹增强的研究 |
| 1.3.4 指纹匹配的研究 |
| 1.3.5 指纹分类的研究 |
| 1.4 研究成果 |
| 1.5 论文结构 |
| 第一部分 低质量指纹图像特征提取技术的研究 |
| 第2章 基于方向正确性的纹路方向纠正与指纹分割 |
| 2.1 相关工作分析 |
| 2.1.1 纹路方向计算分析 |
| 2.1.2 指纹图像分割分析 |
| 2.2 基于方向正确性的方向纠正与指纹分割的基本思想 |
| 2.3 纹路方向正确性计算与指纹初分割 |
| 2.3.1 方向计算 |
| 2.3.2 分割特征计算与对比分析 |
| 2.3.3 方向正确性计算与图像初分割 |
| 2.3.4 分割特征筛选分析 |
| 2.4 指纹图像中残留纹路区域的二次分割 |
| 2.5 纹路方向纠正与分割修正 |
| 2.5.1 分割修正规则 |
| 2.5.2 方向纠正 |
| 2.6 实验结果 |
| 2.7 小结 |
| 第3章 基于神经网络的纹路方向计算和指纹分割 |
| 3.1 相关分析 |
| 3.2 基于网络响应的方向计算与指纹分割 |
| 3.2.1 网络响应场计算 |
| 3.2.2 响应场方向域低通滤波 |
| 3.2.3 响应场图像域低通滤波 |
| 3.2.4 方向选择与图像分割 |
| 3.3 实验结果 |
| 3.4 小结 |
| 第4章 基于圆形Gabor滤波器的指纹图像增强 |
| 4.1 引言 |
| 4.2 指纹增强 |
| 4.3 实验结果 |
| 4.3.1 定性分析 |
| 4.3.2 定量分析 |
| 4.4 小结 |
| 第二部分 指纹匹配技术的研究 |
| 第5章 基于多参考节点的指纹匹配方法 |
| 5.1 引言 |
| 5.2 节点特征描述 |
| 5.3 指纹匹配 |
| 5.3.1 多参考点的获取 |
| 5.3.2 多参考点的对齐 |
| 5.3.3 节点配对 |
| 5.3.4 匹配分数计算 |
| 5.4 实验结果 |
| 5.5 小结 |
| 第6章 一种结合节点和方向场的指纹匹配方法 |
| 6.1 引言 |
| 6.2 结合节点和方向场的匹配方法 |
| 6.2.1 节点对齐 |
| 6.2.2 方向场匹配 |
| 6.2.3 相似度计算 |
| 6.2.4 实验结果 |
| 6.3 改进的结合节点和方向场的匹配方法 |
| 6.3.1 匹配结果多级化 |
| 6.3.2 实验结果 |
| 6.4 小结 |
| 第7章 基于曲线坐标系的节点关系表示与匹配方法 |
| 7.1 引言 |
| 7.2 节点关系计算 |
| 7.2.1 节点与奇异点 |
| 7.2.2 坐标轴的提取 |
| 7.2.3 坐标计算 |
| 7.3 节点匹配 |
| 7.4 实验结果 |
| 7.5 小结 |
| 第三部分 自动指纹识别系统相关技术的研究 |
| 第8章 自动指纹识别系统相关技术 |
| 8.1 基于方向正确性的图像质量计算 |
| 8.1.1 相关工作 |
| 8.1.2 基于方向正确性的图像质量计算 |
| 8.1.3 实验结果 |
| 8.2 模板特征拼接技术 |
| 8.2.1 相关工作 |
| 8.2.2 问题描述 |
| 8.2.3 特征拼接 |
| 8.2.4 实验结果 |
| 8.3 基于平均周期的指纹分类技术 |
| 8.3.1 相关工作 |
| 8.3.2 平均周期的计算方法 |
| 8.3.3 一对多比对时的搜索方法 |
| 8.3.4 周期的放大分析 |
| 8.3.5 实验结果 |
| 8.3.6 讨论 |
| 8.4 演示系统设计与实现 |
| 8.4.1 系统模块结构设计 |
| 8.4.2 系统主要功能演示 |
| 8.4.3 系统性能测试结果 |
| 8.5 小结 |
| 第9章 结束语 |
| 9.1 工作总结 |
| 9.2 工作展望 |
| 附录A 各种质量的指纹图像增强与分割结果对比 |
| A.1 在SecuGen采集的指纹图像上的结果 |
| A.2 在FVC2000_DB1的指纹图像上的结果 |
| A.3 在FVC2000_DB2的指纹图像上的结果 |
| A.4 在FVC2000_DB3的指纹图像上的结果 |
| A.5 在FVC2000_DB4的指纹图像上的结果 |
| A.6 在FVC2002_DB1的指纹图像上的结果 |
| A.7 在FVC2002_DB2的指纹图像上的结果 |
| A.8 在FVC2002_DB3的指纹图像上的结果 |
| A.9 在FVC2002_DB4的指纹图像上的结果 |
| A.10 在FVC2004_DB1的指纹图像上的结果 |
| A.11 在FVC2004_DB2的指纹图像上的结果 |
| A.12 在FVC2004_DB3的指纹图像上的结果 |
| A.13 在FVC2004_DB4的指纹图像上的结果 |
| 攻读博士学位期间撰写的论文 |
| 致谢 |
| 参考文献 |
四、图像视觉条状纹理矢量方向场检测技术（论文参考文献）
- [1]稀疏角度CT重建算法研究[D]. 屈赵燕. 中北大学, 2020
- [2]方向敏感的风格迁移技术研究[D]. 吴昊. 南京大学, 2020(09)
- [3]柔性IC封装基板外观缺陷检测问题研究[D]. 郭怀勇. 华南理工大学, 2020(02)
- [4]少样本条件下的红外空中目标识别与检测技术研究[D]. 金璐. 中国科学院大学(中国科学院上海技术物理研究所), 2020(03)
- [5]基于Kuwahara滤波的图像风格化抽象[D]. 高俊杰. 山东师范大学, 2020(08)
- [6]面向乱针绣的艺术风格生成技术研究[D]. 杨克微. 南京大学, 2017(05)
- [7]基于智能视频技术的铁路入侵检测[D]. 习可. 中南大学, 2010(03)
- [8]基于邻域灰度变化矢量场的一种图像边缘检测的新方法[D]. 李皓迪. 电子科技大学, 2006(12)
- [9]图像缺损信息的修复方法研究[D]. 陈仁喜. 中国科学院研究生院（遥感应用研究所）, 2006(12)
- [10]低质量指纹图像的特征提取与识别技术的研究[D]. 祝恩. 国防科学技术大学, 2005(03)