一、一种基于LUV均匀颜色空间的彩色分割方法（论文文献综述）
刘晗兴[1]（2020）在《基于目标区域提取的野生动物监测图像压缩传输方法研究》文中进行了进一步梳理加强野生动物监测有利于防止偷猎行为,全面贯彻禁止食用野生动物法律法规。无线多媒体传感器网络作为野生动物监测的主要方式之一,可以获取监测动物的图像信息,能够对物种多样性、种群数量进行准确的估计,并实现长期实时监测,从而为野生动物资源保护提供科学依据。监测图像分辨率高、数据量大的特点与监测载体传感器网络功耗受限的矛盾日益突出。为了更加高效的对野生动物图像进行压缩的同时,满足数据分析对图像质量的要求,本文提出了一种野生动物监测图像压缩传输方法,并分别从目标区域提取、压缩传输策略研究和压缩图像恢复三个方面进行了深入的研究。主要工作内容如下:1.提出了一种适用于野生动物监测图像的目标区域提取方法。本文基于自适应mean-shift算法,结合颜色空间重构与Hermite滤波器搭建,提出了一种适用于野生动物监测图像的目标区域提取方法,实现了野生动物监测图像目标区域提取的优化,提高了目标区域提取的准确率。2.优化了野生动物监测图像的压缩传输策略。本文在实现野生动物监测图像目标区域提取的基础上,结合野生动物监测图像二值掩模具有区域性的特点,改进了掩模编码方法,节省了编码码流;同时对位平面传输方式和多级树集合分裂方法进行了深入分析,通过设置不重要位平面和加入集合判断,在确保目标区域图像重构质量的基础上,实现了目标区域的优先传输,降低了数据冗余。3.改进了野生动物压缩图像恢复算法。为了提高网络性能,本文以生成对抗网络作为框架,将改进SE模块分别嵌入到生成器与鉴别器中,并使用VGG19作为特征提取器,结合均方误差MSE、对抗损失,对损失函数进行优化,实现了野生动物监测图像从压缩图像到高分辨率图像的恢复,使生成的图像具有较高峰值信噪比的同时,高频信息、纹理信息也得到恢复。
郝乐川[2]（2020）在《高分辨率可见光遥感图像建筑物提取方法研究》文中研究指明建筑物是构成人类生存环境的主要人造目标,是实现智慧城市的最关键城市要素。为了实现对智慧城市的有效支撑,精确可靠的建筑物目标提取是实现智慧街区/社区三维建筑物目标构建的最关键环节。为此,随着遥感技术的飞速发展,利用高分辨率遥感可见光图像,国内外相关学者和机构已经进行了针对建筑物目标位置和轮廓信息提取的大量研究。然而,虽然现有研究已经形成了多种建筑物目标检测相关的“经验”或“知识”,但是,受限于建筑物检测过程对图像中噪声、遮挡、材质等影响因素的处理能力,现有先验知识或规则所需的原始信息的提取能力还没有更好的受到有关规则或知识的指导,建筑物精确提取仍然是当今学界研究的重点和难点问题。具体的,为了利用高分辨率可见光遥感图像实现精确可靠的建筑物提取,需要有效解决以下几个关键问题:（1）如何有效实现可见光遥感图像中的光谱信息（即颜色信息）、多尺度结构信息、空间组合规则信息等知识的综合应用,在整体策略层次上进行有效的宏观把控;（2）如何高效利用可获取图像空间信息及建筑物结构信息,降低噪声、遮挡、光照等问题的影响,精确可靠的提取建筑物边缘及完整轮廓信息,实现对整体建筑物提取系统的有效支撑;（3）如何充分联合可见光遥感图像所蕴含的多尺度区域及轮廓信息,实现建筑物目标的精确可靠提取。为了解决以上问题,本文详细分析了当前建筑物提取技术的典型流程及主要建筑物提取规则,以主动方式进行建筑物目标相关信息挖掘为指导思想,针对以下问题开展了相关研究并取得了一定的创新成果:（1）针对现有建筑物目标提取方法所采用的边缘提取技术对噪声和干扰（道路、高大树木及规则植被等）较为敏感的问题,通过对人类信息感知宏观特征的理解,在论文第三章提出了一种联合应用方向信息和颜色信息的建筑物目标边缘提取方法,显着提升了建筑物目标初始边缘提取的性能。现有建筑物提取方法或系统中大多采用Canny、Sobel等通用边缘提取方法,在数据预处理阶段没有充分利用建筑物目标结构特征或规则,直接造成后续建筑物目标提取的精度受到影响。通过分析人类信息感知的特点,以可见光光谱信息（即颜色信息）和方向信息的有效挖掘为核心,进行了边缘敏感颜色信息、建筑物主方向信息的有效提取;以边缘敏感颜色信息和主方向信息为指导,设计了改进的双窗口高斯伽马滤波（Gaussian gamma shaped filtering,GGS）方法以实现初始建筑物边缘图的提取,为获得准确、完整的建筑物轮廓提供了良好的基础。（2）针对高分辨率遥感图像中由于光照、材质等问题造成的建筑物边缘对比度弱,初始边缘提取给出边缘信息不完整的问题,从分类的角度出发,在第四章提出了一种基于Sparse-SVM双尺度建筑物边缘分类及决策融合策略的完整建筑物轮廓识别及优化方法,有效提升了建筑物目标提取的完整性和可靠性。高分辨率可见光遥感图像进行建筑物目标边缘提取而得到的边缘图中,不可避免的会存在由于道路、植被等干扰造成的假边缘、由于材质和光照等因素造成的建筑物屋顶对比度弱的弱边缘及漏边缘等情况。为了在这种情况下更好的提取完整的封闭的建筑物目标轮廓信息,首次从分类的角度提出将建筑物边缘分类为强边缘和弱边缘的思想,并基于此提出了一种基于双尺度边缘信息的像素级边缘分类方法及边缘优化分组策略,实现了建筑物目标轮廓的精确可靠提取。（3）针对现有建筑物目标提取方法存在轮廓信息与区域信息融合不充分的问题,在论文第五章提出了一种建筑物目标显着区域提取的多尺度深度学习方法,有效提升了建筑物目标提取的精确性和可靠性。高分辨率可见光遥感图像提取的建筑物轮廓往往是不规则的,轮廓位置会受到噪声和干扰的影响存在一定的误差,为了实现建筑物的精确提取,建筑物目标区域信息或显着目标区域信息会对提取的轮廓形成一定的有益补偿。为了有效实现轮廓和区域信息的联合,考虑到现有深度学习建筑物目标提提取或识别方法没有充分利用多尺度语义信息的问题,以全卷积神经网络（Fully Convolutional Networks,FCN）为核心,提出了一种建筑物目标显着区域提取的多尺度深度学习方法,结合建筑物轮廓提取结果,实现了建筑物目标的精确可靠提取。为了验证所提方法的有效性,采用了三维城市、智慧城市建设相关的多组卫星及航空平台高分辨率可见光遥感数据集进行了对比实验验证,实验结果表明本文给出的建筑物目标提取方法中相关信息的利用逻辑是合理的,对不同建筑物疏密程度及不同主方向的目标区域具有足够的鲁棒性,具有很好的应用前景。
赵硕[3]（2020）在《皮肤镜下皮肤癌的检测与识别方法的研究》文中研究表明近些年来皮肤癌的患病人数不断攀升,在皮肤癌中黑色素瘤的占比较高,而且黑色素瘤的死亡率十分高。如果能够在黑色素瘤早期阶段将其诊断出来,患者的存活率将大大提高。但是由于痣和黑色素瘤具有极其相似的外观和症状,医生仅凭观察很难对黑色素瘤进行诊断。针对这个问题,本文旨在设计一种辅助诊断方法,该方法可以检测和识别皮肤镜图像中的黑色素瘤、痣和基底细胞癌,并在皮肤癌的识别阶段获得更高的精度。本文主要工作如下:1.由于皮肤镜对皮肤癌区域进行了放大之后会将一些影响皮肤科医生观察的因素进行放大,比如毛发、血管等。并且皮肤镜图像在采集的过程中也很容易产生一些噪声。针对这些问题,本文设计了一种皮肤镜图像预处理方法,该方法由毛发去除算法、高斯滤波器和维纳滤波器组成。通过实验结果可以看到本文设计的预处理方法可以有效减小噪声对皮损区域的分割结果和特征提取受到的影响,并且可以提升分类结果的准确率。2.由于当前的计算机辅助诊断方法不能有效地在黑色素瘤早期阶段对其进行诊断,因此在黑色素瘤早期阶段寻找更有代表性的特征仍然是一项具有挑战性的任务。针对这个问题,本文设计了一个特征组合,其包含了纹理特征和颜色特征,并对提取的特征进行了改进,最后引入一个特征融合算法对特征进行了处理。本文首先通过使用序列浮动正向选择（Sequential Floating Forward Selection,SFFS）算法从常见的颜色特征、边界特征和纹理特征中选取了一个颜色特征和纹理特征的组合,并通过结合皮损区域的对称性在选择的颜色特征和纹理特征中增加了对称性信息,然后使用多数据集判别相关分析（Multiset Discriminant Correlation Analysis,MDCA）对选取的特征进行了融合,从而提升计算机辅助系统的诊断性能。
谢嘉丽[4]（2019）在《基于高分辨率遥感影像的农村建筑物信息提取若干关键技术研究》文中指出随着中国工业化和城镇化进程加快,农村劳动力和土地等生产要素不断向城市转移、积累,在农村定居的人口越来越少,出现了农业主体弱化、农村产业衰退等现象。同时,由于农村土地缺乏科学的管理而乡村建设又缺少统一规划,农村聚落呈现严重的“外扩内空”现象,导致农村宅基地用地不减反增,浪费土地资源。为了给空心村综合整治工作提供技术支撑,农村建筑物信息快速提取算法成为遥感影像处理领域的一个研究热点问题。建筑物信息的提取目前主要依靠外业大比例尺测图和遥感影像目视解译两种方法,但这两种方式不仅耗费大量的人力和物力,而且制图周期长、效率不高。因此,利用高分影像快速地、自动地获取建筑物位置、分布状况、面积、损毁情况等信息,对空心村土地综合整治的外业调查、空心化评价、土地整理方案制定等工作的顺利开展具有重要意义。本文针对空心村建筑物信息提取过程中存在的问题进行了深入研究。首先从遥感影像自身的局限性出发,针对无人机影像上建筑物被树木遮挡导致目标识别完整性低的问题,引入人机交互技术,利用结构性纹理修复方法恢复建筑物的完整影像。然后针对传统的基于像元的目标识别方法,对马氏距离彩色图像分割方法的阈值选取规则进行改进,提高算法的鲁棒性并降低计算复杂度,从而改善建筑物识别效率和精度。最后根据建筑物的色彩特征参数和纹理特征参数构建建筑物损毁特征向量,通过可视化损毁特征向量的方式来定位、定量分析破损建筑物的损毁情况。本论文的主要研究内容及创新性成果有以下几个方面:（1）针对无人机影像上农村建筑物被树木遮挡,不易于提取出完整边界的问题,研究了一种基于结构特征的纹理修复算法。由于树木的遮挡,建筑物屋顶或立面的边界在影像上无法完整显示,需通过人工干预的方式,根据已知边界线的延长线恢复被遮挡区域内建筑物的边界信息。因此,该方法首先在影像上勾绘出建筑物被遮挡的边界以及被遮挡的区域,并对应每个被遮挡区域选取用于纹理生成的样本块。然后利用边界辅助线分割被遮挡区域,并筛选出实际要修复的区域;最后利用纹理样本块对遮挡区域进行L型邻域纹理相似性修复,并将修复的区域替换到原始影像中,得到边界完整且去除遮挡物的建筑物影像。实验结果表明,该方法对建筑物的修复效果较好,且能在一定程度上提高建筑物识别的精度,为提高建筑物信息的准确度提供了新思路。（2）针对复杂环境下农村建筑物识别的效率问题,对马氏距离彩色分割算法进行优化,提出了一种利用样本色彩空间信息进行建模的方式选取分割阈值。这一改进将二维影像复杂的颜色判别问题转化为判定三维空间点集的位置关系,降低了数据处理的复杂程度。该方法首先需要从影像上截取建筑物样本,将样本的色彩信息转化为三维点坐标,并在三维空间中进行滤波,获取离散度较低的点集;然后根据点集的最小外接椭球建立椭球标准方程。在识别建筑物的过程中,通过判断影像上各像元对应的三维点与上述椭球的位置关系,即可快速、准确地从高分辨率影像上提取建筑物像元。实验结果表明,改进后的彩色图像分割算法稳定性、普适性和计算效率都有一定程度的提高。（3）针对农村建筑物损毁信息提取与损毁程度评估问题,本文从影像建筑物中提取光谱特征和纹理特征并组成三维特征向量,将三维特征向量映射到RGB颜色空间,根据彩色空间理论快速定位损毁建筑物,并对其进行损毁程度评估。这一损毁建筑物识别策略首先需要在实验区范围内获取建筑物影像,并对这些建筑物逐一标记。然后以单个建筑物为对象,计算纹理特征和光谱特征,选取与损毁程度正相关两个纹理特征和一个光谱特征参数标准化到指定区间,再组成三维特征向量,根据向量的可视化结果获取损毁建筑物的分布、损毁程度等信息。从无人机影像上快速地识别空心村损毁建筑物,不仅能精确掌握损毁建筑物的位置分布,还能为了解建筑物的损毁类型和损毁程度提供参考信息。
朱进[5]（2018）在《微光/热红外图像色彩传递及多尺度分解融合算法研究》文中指出低照度可见光（微光）成像和热红外成像作为当前夜视技术的两种主要手段,是世界各国大力发展的关键技术。单独由微光成像或热红外成像系统难以兼顾场景细节表现能力和目标探测性能,但二者具有较好的目标场景信息互补性。因此,微光和热红外图像融合技术作为当前学科发展前沿?多波段图像融合技术的重要研究内容,已成功应用于夜视成像等领域,明显提升了夜视成像效果。为更加充分地发挥微光和热红外双波段图像融合的优势,进一步挖掘各传感器源图像中的细节（边缘）信息,突出目标特征信息,提高人眼的视觉感知效果,适应日益提高的应用要求,本文对多波段成像的源图像滤波与增强技术、基于色彩传递的图像融合方法、基于多尺度分解的融合方法以及融合图像的目标探测/识别能力等开展深入研究。主要包括:（1）针对微光视频图像的噪声问题,研究提出了一种基于统计特性的噪声强度估计方法,实现了基于梯度域引导滤波（Gradient Domain Guided Filtering,GDGF）的自适应降噪（Adaptively Denoising based on GDGF,GDGF-AD）算法,通过主客观对比,在综合考虑降噪效果和处理效率的条件下,GDGF-AD算法具有明显优势,具备硬件实时化处理的潜力,为解决微光夜视降噪难题提供了一种新的技术途径。同时,针对红外图像细节模糊的问题,研究了基于GDGF的图像细节增强方法,较基于引导滤波的经典方法,可获得更好的细节增强效果。（2）研究了基于色彩传递的彩色图像融合作为灰度图像融合算法的有效性和可行性。实验表明:通过YUV颜色空间进行灰度图像融合是一种可行的途径,基于YUV色彩传递的灰度图像融合处理相对于经典的灰度融合算法在对比度和清晰度方面有较明显优势。提出的算法已在图像处理平台上实现了实时处理,使可见光（微光）与热红外成像的自然感彩色融合与灰度融合处理融为一体,可根据观察需要选择适宜的融合模式,为高性能彩色/灰度图像融合成像系统的应用提供了灵活的选择。（3）基于色彩传递的彩色图像融合思想,研究提出了一种低照度夜视图像自然感彩色化及增强（Luminance Stretching Color Transfer,LSCT）算法,不仅可使微光视频图像获得自然感的色彩表现,而且可有效提高图像的对比度,实验表明:LSCT算法可获得更好的人眼视觉感知效果,运算量小,已在硬件平台上实现了实时运行,具有广泛的应用前景。（4）研究建立了基于GDGF的图像混合多尺度分解结构,由此提出了一种基于GDGF混合多尺度分解的灰度融合（Hybrid Multi-Scale Decomposition based on GDGF,HMSD-GDGF）算法,实验表明:HMSD-GDGF算法在显着信息（包含结构相似度、亮度和对比度）的保真度、边缘信息的保留和人眼的视觉观察效果均具有较为明显的优势;算法需调节的参数少,结合给定的分解层数,可根据源图像尺寸大小自主选择最佳的分解尺度系数,对不同的图像具有较强的普适性。在HMSD-GDGF算法的基础上,进一步提出了一种用于夜视效果增强的融合（Fusion for Night-vision Context-Enhancement,FNCE）算法,使用自适应亮度拉伸方法提高夜间可见光图像的效果,并对源图像进行滤波降噪和适当的细节增强,通过HMSD-GDGF算法对增强的源图像进行融合,结合夜视应用特点改进融合参数,实验表明:FNCE算法可获得更好的夜视增强效果。（5）研制了一台便携式微光/长波红外图像融合夜视实验系统,通过目标探测/识别主观评价实验,从目标探测/识别概率、不同观察距离影响及不同场景影响三个方面分析了实验数据,总结得出:相比于单微光或单长波红外通道,恰当的融合方法会对目标探测/识别有较为明显的增强效果;不同彩色融合色彩表现会影响对目标的探测/识别能力;虽然不恰当的彩色融合可能降低目标探测/识别能力,但存在对绝大部分场景均有较明显增强效果的彩色融合模式。研究工作对如何进一步有效提升目标探测/识别能力具有一定的指导意义。本文在国家自然科学基金等项目的支持下,结合夜视技术的前沿发展方向和应用需求,对微光/热红外图像融合理论和相关技术进行了研究,部分研究成果已成功应用于我国的某些新型武器装备,获得了很好的使用效果,为我国彩色夜视技术的发展和应用拓展提供了理论和关键技术支持。
王谦[6]（2017）在《多光源颜色计算恒常性算法研究》文中研究指明物体反射光的光谱能量分布是场景光源光谱能量分布和物体表面光谱反射率的乘积。因此,人们观察到的图像中的颜色并不是物体表面真正的颜色。若想恢复物体表面真正的颜色,就需要我们能够具有降低光源颜色影响的能力,这种通过计算去恢复物体表面真正颜色的方法称之为颜色恒常性算法。值得庆幸的是,人眼具有这种颜色恒常性的能力,若是计算机设备也能够具有这种能力的话,则许多计算机视觉领域的艰难问题就可以化解了。本课题针对多光源非均匀光照的颜色恒常性计算,提出了一个新颖的多光源图像颜色恒常性计算算法,即一个基于网格划分的逆强度色度空间-色彩空间变换融合算法（Inverse Intensity Chromaticity-Color Space Transformation）。该算法不需要先验知识,不需要人为干预,也不需要对光源的光谱能量分布和表面反射特性过多的假设,不需要庞大的图像数据集作为训练。主要思想就是采取“化整为零”的方法,即对一幅多光源图像采取网格划分区域的方法,提取色块,并假设划分后的每一个色块光照近似均匀分布,即相当于单光源颜色照射,然后对每个色块用逆强度色度空间进行光源估量,最后把所有区域的光源估量在RGB颜色立方体内进行照明轴拟合,并通过两次色彩空间变换之后,把多光源图像矫正到标准光源下,完成色彩还原,实现图像的颜色恒常性计算,并把本文提出的算法与现有的算法相比较,检验算法的优劣性。针对上述算法的提出,本文探讨了关于算法主、客观的性能评价标准,对所提出的算法性能分别就客观和主观两个方面进行评价。并通过相关研究,讨论了网格划分的尺寸大小对算法性能的影响,并最终确定了各个算法的最优网格划分尺寸。实验结果显示,本文所提出的融合算法对多光源室外图像有一定的矫正效果,并且,这对印刷领域来说,在印刷质量在线检测方面有一定的应用价值。
周婷[7]（2014）在《基于视频图像的点读机坐标定位方法研究》文中进行了进一步梳理随着数字摄像设备的小型化和大众化，数字图像处理技术在工业、农业、医学和国防等领域的应用越来越广泛。点读机作为中小学生新一代媒体学习工具，被广泛应用于课外教学辅助和家庭学习。为了提高点读机的通用性和便携性，同时降低点读机的生产成本，本文开展了基于普通USB视频摄像头的点读机坐标定位方法研究，主要工作和成果如下：（1）研究了基于普通USB摄像头的点读目标图像获取及预处理方法。利用VFW技术构建了实时视频图像捕获和处理平台。同时，针对图像采集过程中因环境因素产生的噪声干扰，采用CLAHE算法对图像亮度进行校正，并将RGB颜色空间转换到LUV颜色空间等预处理方法，减少了亮度不均匀对点读效果的影响，提高了点读坐标提取精度。（2）研究了书本坐标系建立方法。首先，在LUV颜色空间，采用邻近像素差分和自适应阈值法，提取书本区域；然后，对二值化图像进行腐蚀和中值滤波处理，增加书本边缘的连续度同时减小噪声的影响；最后，采用最大连通域法和最小二乘直线拟合法提取点读书本边缘直线，进而以书本的左上角、上边缘和左边缘分别作为书本坐标系的原点、x轴和y轴，建立书本坐标系。（3）研究了笔尖坐标定位方法。首先，采用综合了颜色和纹理特征的JSEG算法进行目标图像分割，进而利用点读笔的杆状特性和最小颜色特性提取点读笔区域，解决了不同握笔情况下的点读笔区域提取问题；然后，利用笔尖的曲率特性，区分左右手握笔，采用行扫描法获取笔尖坐标；最后，采用坐标转换法实现书本坐标系中点读笔笔尖的定位。通过在不同光照强度、不同背景颜色和有无干扰物的条件下进行实验，验证了本文方法对光照、书本背景颜色和干扰物等因素不敏感；同时，对不同的握笔方式，也能准确地提取出点读笔笔尖坐标。
朱莉莉[8]（2014）在《Flash内容检索的查询扩展技术研究》文中进行了进一步梳理信息技术的迅速发展使我们生活的各个方面都发生巨大的变化，为我们的生活和学习提供了很大的便利。信息化的社会更注重教育的信息化，多媒体教学已经广泛应用到教育的各个领域，为师生学习和交流带来了便利，也在一定程度上极大提高了教育质量和教育效率。而多媒体教学的应用离不开丰富的教学资源，近年来Flash动画作为教学资源的一种，以其存储容量小、节省存储空间、制作简单、便于网络传输等优点越来越广泛的应用到教学当中。在浩瀚的网络资源中如何找到自己想要的网络资源，这是搜索引擎设计的初衷，针对多媒体资源的检索，比较普遍的搜索引擎是对图像、图形、声音、视频等的搜索，但具体到Flash动画的搜索引擎却是极少的，而且大部分的搜索引擎都是基于关键词进行检索，这样检索得到的结果存在很大的宽泛性，不利于用户迅速的找到自己想要的资源，所以需要开发一个比较精确的检索Flash动画的搜索引擎。基于内容的Flash搜索引擎就是基于以上目的进行开发的。在对Flash所包含的内容结构进行研究的基础上，将其内容属性下载并保存在数据库中，对数据库进行编码及优化，在检索设计界面分为基本检索和高级检索两个部分。根据用户的检索请求，在数据库中选择相应的记录并在结果中予以显示。在对检索系统深入了解的基础上，对整个项目的研究进展进行了梳理，并建立了一个网站方便了解项目的进展。已经建立的搜索引擎基本上已实现其功能，能够根据用户的检索条件检索到相应的结果，但检索性能有待进一步提高。本文将Flash检索系统进一步优化，利用查询扩展技术来提升系统的检索性能。查询扩展技术就是在利用检索系统查询结果之前，先应用一定的策略对用户输入的检索词进行扩展来形成新的检索词，然后使用这个新的检索词进行检索，这样检索到的结果就是包括用户检索请求以及扩展词在内的所有检索结果。对检索系统进行查询扩展主要包含两个部分，基本检索部分的关键词以及高级检索部分的主色调。这两个部分都是采用同义词词典进行扩展。所不同的是在关键词部分采用直接将同义词词典调入程序内，从而实现关键词部分的扩展，而在主色调部分采用自己建立的颜色词典。该词典主要是从RGB、HSV、HSI、Lab、Luv五个颜色空间中建立的，通过在各个颜色空间中计算颜色之间的相似度，根据计算的相似度值先选择出符合人眼视觉的颜色空间，在从这个最佳的颜色空间中建立最佳的颜色词典，方法主要是通过主观观察的方法，将最后建立的颜色词典应用到程序中去以实现主色调部分的查询扩展。此外还通过改善检索系统的数据库即倒排文档的使用以及程序的优化来提高检索系统的性能。初步实验结果表明，查询扩展技术整体上提升了检索系统的性能。
梅欣[9]（2014）在《输电线路复合绝缘子可见光图像检测技术研究》文中研究表明复合绝缘子由于其优越的电气特性在电力系统中得到了广泛使用,并对确保输电线路安全运行发挥了重要作用。由于复合绝缘子的材料特性,在运行不同年限后,将出现憎水性下降、机械强度降低、电气性能下降、老化等问题,引起输电线路故障。为确保输电线路安全运行,对于运行年限较长、处于环境污染比较严重区域的复合绝缘子要加强检测和试验,发现问题及时更换。传统复合绝缘子检测方法工作量大,检测效率低,不能及时发现绝缘子缺陷。因此,本文提出基于可见光图像分析技术的输电线路复合绝缘子检测可有效解决上述问题。该此时方法为非电量检测方法,安全性高,无需登高检查,可有效降低输电线路运行、检修人员的工作强度,提高检测效率。本文通对输电线路复合绝缘子可见光图像测量技术及实现方案进行了深入过理论分析和试验研究。通过对图像灰度化、图像增强、图像去噪等预处理的基本步骤及常用的图像增强、图像去噪技术分析和比较,本文提出采用灰度图像进行裂纹检测及憎水性的检测方法,并采用直方图均衡化技术及自适应滤波进行绝缘子图像预处理。在复合绝缘子表面裂纹图像检测方面,本文应用边缘检测技术,对边缘检测的微分算子、Log算子及Canny算子分析比较,并在此基础上提出了基于微分算子边缘检测改进算法实现了裂纹图像检测裂纹长度的图像测量。本文应用二维熵阈值分割方法对憎水性图像进行图像分割,将数学形态学理论应用与憎水性图像处理中,对绝缘子憎水性二值图像进行形态学重构,提取憎水性图像特征,通过对IEC标准中各级憎水性图像分析,建立了复合绝缘子憎水性的HC1～HC7等级的检测模板,实现了复合绝缘子的憎水性图像测量。在复合绝缘子老化和积污程度的检测中,本文直接采用彩色图像分析技术。在绝缘子分析时,应用彩色图像改进分水岭算法图像分割算法可以实现绝缘子提取及积污面积提取并通过HSI、RGB、LUV彩色空间的计算实现绝缘子新旧程度和积污特性进行测量。为确定复合绝缘子图像特征与其电气特性的联系,本文选取运行十年的复合绝缘子及新绝缘子进行电气特性试验研究,试验结果表明复合绝缘子老化状态,裂纹状况与其电气特性无明显联系。本文设计开发了一套在线监测系统,可实现复合绝缘子新旧程度、积污特性及憎水性测试并对其检测功能进行了实验室测试。实验室测试结果表明本文设计的在线监测系统能够满足绝缘子可见光图像现场测试功能要求。通过本文的研究,实现了复合绝缘子裂纹、憎水性、积污和老化等图像特征的测量,本文的研究成果可为输电线路复合绝缘子运行状态分析和评估提供依据。
洪汉玉,颜露新,郭祥云,俞喆俊[10]（2012）在《生产线复杂场景条件下的动目标提取方法》文中研究表明针对重轨生产线钢坯检测所涉及的钢坯提取问题,提出了一种改进的交互式图论分割方法.首先用基于颜色差异的改进的K均值聚类算法将人工标记的种子进行精确地初步分类;然后使用改进的图论分割算法,将钢坯目标从复杂场景中分割出来;最后将分割结果进行边缘校正和去噪处理.实验结果表明:该算法充分利用了图像的区域特征和边缘特征,提高了分割的质量和速度,分割结果满足实际应用的需求.
二、一种基于LUV均匀颜色空间的彩色分割方法（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：
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、一种基于LUV均匀颜色空间的彩色分割方法（论文提纲范文）
（1）基于目标区域提取的野生动物监测图像压缩传输方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标区域提取研究现状 |
| 1.2.2 图像压缩传输研究现状 |
| 1.2.3 压缩图像恢复研究现状 |
| 1.3 本文研究内容及组织结构 |
| 1.3.1 研究内容 |
| 1.3.2 组织结构 |
| 2 目标区域压缩传输相关技术与整体方案介绍 |
| 2.1 目标区域压缩传输相关技术 |
| 2.1.1 变换编码 |
| 2.1.2 位平面传输 |
| 2.1.3 SPIHT编码分析 |
| 2.2 整体方案设计 |
| 2.3 关键技术分析 |
| 2.3.1 目标区域提取 |
| 2.3.2 压缩传输策略 |
| 2.3.3 压缩图像恢复 |
| 2.4 本章小结 |
| 3 野生动物监测图像目标区域提取方法 |
| 3.1 野生动物监测图像目标区域提取定义 |
| 3.2 基于自适应mean-shift的目标区域提取 |
| 3.2.1 颜色空间重构 |
| 3.2.2 纹理参数提取 |
| 3.2.3 自适应mean-shift理论 |
| 3.3 实验结果与分析 |
| 3.3.1 评价指标 |
| 3.3.2 实验与分析 |
| 3.4 本章小结 |
| 4 野生动物监测图像压缩传输策略研究 |
| 4.1 图像掩模编码与位平面传输策略概述 |
| 4.2 基于目标区域的图像压缩传输策略 |
| 4.2.1 掩模编码器设计 |
| 4.2.2 基于不重要位平面的位平面传输 |
| 4.2.3 基于SPIHT算法的目标区域压缩编码 |
| 4.3 实验结果与分析 |
| 4.3.1 掩模编码分析 |
| 4.3.2 位平面传输质量 |
| 4.3.3 编码冗余分析 |
| 4.4 本章小结 |
| 5 野生动物压缩图像恢复算法 |
| 5.1 压缩图像恢复算法概述 |
| 5.2 基于生成对抗网络的图像恢复算法 |
| 5.2.1 生成对抗网络 |
| 5.2.2 网络优化 |
| 5.2.3 损失函数 |
| 5.3 实验结果与分析 |
| 5.3.1 评价指标 |
| 5.3.2 实验与分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 成果目录清单 |
| 致谢 |
（2）高分辨率可见光遥感图像建筑物提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统建筑物目标提取 |
| 1.2.2 人工智能建筑物目标提取 |
| 1.2.3 建筑物先验信息提取及应用 |
| 1.3 本文的主要研究内容及结构安排 |
| 第2章 建筑物目标提取框架及关键信息挖掘理论 |
| 2.1 引言 |
| 2.2 高分辨率可见光遥感图像建筑物提取典型框架 |
| 2.3 建筑物提取基础信息挖掘方法 |
| 2.3.1 视觉系统与注意机制 |
| 2.3.2 图像颜色及颜色信息提取 |
| 2.3.3 目标方向及方向信息提取 |
| 2.4 建筑物目标提取结果评价方法 |
| 2.5 本章小结 |
| 第3章 颜色及方向信息联合的建筑物边缘图提取 |
| 3.1 引言 |
| 3.2 建筑物目标相关颜色信息挖掘 |
| 3.2.1 基于色差变换的颜色信息增强 |
| 3.2.2 颜色空间信息感知 |
| 3.3 基于局部方向统计的主方向信息感知 |
| 3.4 基于主方向信息约束的建筑物边缘图生成 |
| 3.4.1 基于四窗口高斯伽马滤波的初级建筑物边缘图生成 |
| 3.4.2 基于多阶统计信息分析的中级建筑物边缘强度图生成 |
| 3.4.3 基于主方向轨迹搜索的高级建筑物边缘强度图生成 |
| 3.5 实验结果与分析 |
| 3.5.1 数据集描述 |
| 3.5.2 高分辨率遥感可见光图像建筑物边缘图提取实验 |
| 3.5.3 参数敏感性分析 |
| 3.6 本章小结 |
| 第4章 基于双尺度边缘分类及决策融合策略的建筑物轮廓提取 |
| 4.1 引言 |
| 4.2 面向边缘分类的训练数据选择 |
| 4.2.1 基于边缘检测图的预处理 |
| 4.2.2 全局建筑物边缘先验知识提取 |
| 4.2.3 训练数据自动获取 |
| 4.3 基于稀疏SVM的特征自动选择和分类 |
| 4.3.1 纹理特征 |
| 4.3.2 结构特征 |
| 4.3.3 基于sparse SVM的建筑物边缘图分类 |
| 4.4 基于双尺度决策融合的轮廓提取 |
| 4.4.1 双尺度权值融合 |
| 4.4.2 基于边缘强度图的建筑物轮廓提取 |
| 4.5 实验结果与分析 |
| 4.5.1 数据集描述 |
| 4.5.2 建筑物轮廓提取实验与分析 |
| 4.5.3 基于VHR数据集的建筑物轮廓提取鲁棒性评价实验 |
| 4.6 本章小结 |
| 第5章 基于多层语义信息联合的建筑物目标深度感知 |
| 5.1 引言 |
| 5.2 多尺度建筑物目标显着图构建 |
| 5.2.1 卷积神经网络及特征表示 |
| 5.2.2 基于深度全卷积网络的多尺度显着区域图获取 |
| 5.3 基于边缘优化的目标提取 |
| 5.3.1 基于建筑物颜色和形状先验约束的区域显着性优化 |
| 5.3.2 基于建筑物区域先验约束的轮廓显着图优化 |
| 5.3.3 基于改进二分空间分解算法的建筑物目标信息融合 |
| 5.4 实验结果与分析 |
| 5.4.1 建筑物目标显着图提取实验与分析 |
| 5.4.2 建筑物目标提取实验与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）皮肤镜下皮肤癌的检测与识别方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 皮肤镜图像预处理技术研究现状 |
| 1.2.2 皮肤镜图像分割技术研究现状 |
| 1.2.3 皮肤镜图像特征提取技术研究现状 |
| 1.2.4 皮肤镜图像分类技术研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关理论基础 |
| 2.1 维纳滤波 |
| 2.2 高斯滤波 |
| 2.3 皮肤镜图像的分类模型 |
| 2.4 数据集和评估指标 |
| 2.5 本章小结 |
| 第3章 皮肤镜图像的预处理及特征提取 |
| 3.1 皮肤镜图像预处理 |
| 3.2 基于最大类间方差法获取皮肤癌区域 |
| 3.3 皮肤镜图像的特征提取 |
| 3.3.1 皮肤镜图像颜色特征提取 |
| 3.3.2 皮肤镜图像边界特征提取 |
| 3.3.3 皮肤镜图像纹理特征提取 |
| 3.3.4 特征选取 |
| 3.5 本章小结 |
| 第4章 皮肤镜图像的特征改进与特征融合 |
| 4.1 皮肤镜图像的特征改进 |
| 4.2 皮肤镜图像的特征融合 |
| 4.3 皮肤镜图像分类实验分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（4）基于高分辨率遥感影像的农村建筑物信息提取若干关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 影像修复技术研究现状 |
| 1.2.1.1 基于非纹理图像修复方法 |
| 1.2.1.2 基于纹理图像修复方法 |
| 1.2.2 建筑物信息提取技术研究现状 |
| 1.2.3 损毁建筑物识别技术研究现状 |
| 1.3 研究目标、内容与方法 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法与技术路线 |
| 1.3.3.1 研究方法 |
| 1.3.3.2 技术路线 |
| 1.4 论文结构 |
| 第2章 基础理论与方法 |
| 2.1 图像修复方法 |
| 2.1.1 Criminisi图像修复算法 |
| 2.1.2 纹理生成算法 |
| 2.2 彩色图像分割方法 |
| 2.2.1 彩色空间理论 |
| 2.2.1.1 彩色空间分割 |
| 2.2.1.2 彩色空间转换 |
| 2.2.2 Canny边缘检测 |
| 2.2.3 欧氏距离与马氏距离 |
| 2.2.4 数学形态学处理 |
| 2.3 损毁建筑物识别方法 |
| 2.3.1 损毁程度分级 |
| 2.3.2 特征参数计算 |
| 2.3.2.1 光谱特征参数 |
| 2.3.2.2 形状特征参数 |
| 2.4.2.3 纹理特征参数 |
| 2.4 本章小结 |
| 第3章 基于高分辨率遥感影像的建筑物修复方法研究 |
| 3.1 研究目的 |
| 3.2 数据源与实验区概况 |
| 3.3 基于辅助信息及纹理生成算法的图像修复方法 |
| 3.3.1 辅助线与面绘制方法 |
| 3.3.2 建筑物纹理生成方法 |
| 3.3.3 建筑物修复流程 |
| 3.4 实验与分析 |
| 3.4.1 数据准备 |
| 3.4.2 纹理生成算法修复影像 |
| 3.4.2.1 影像修复过程 |
| 3.4.2.2 结果分析 |
| 3.5 本章小结 |
| 第4章 基于高分辨率遥感影像建筑物信息提取算法研究 |
| 4.1 研究目的 |
| 4.2 数据源与实验区概况 |
| 4.3 基于改进马氏距离的建筑物提取方法 |
| 4.3.1 样本选取与色彩坐标滤波 |
| 4.3.2 椭球构建与目标识别 |
| 4.3.3 形态学后处理方法 |
| 4.3.4 建筑物识别流程 |
| 4.4 实验与分析 |
| 4.4.1 色彩单一建筑物分割的实验与分析 |
| 4.4.2 色彩复杂建筑物分割实验与分析 |
| 4.5 自然村边界提取方法 |
| 4.5.1 理论方法 |
| 4.5.2 实验与成果 |
| 4.6 建筑物楼层信息提取方法 |
| 4.6.1 理论方法 |
| 4.6.2 实验与成果 |
| 4.7 本章小结 |
| 第5章 基于高分影像的建筑物损毁信息提取方法研究 |
| 5.1 研究目的 |
| 5.2 数据源与实验区概况 |
| 5.3 建筑物损毁特征量化方法 |
| 5.3.1 特征参数选择 |
| 5.3.2 损毁建筑物识别流程 |
| 5.4 实验与结果分析 |
| 5.4.1 数据准备 |
| 5.4.2 损毁特征参数计算 |
| 5.4.3 损毁特征参数可视化 |
| 5.4.3.1 损毁特征可视化及分析 |
| 5.4.3.2 损毁类型分析 |
| 5.4.3.3 损毁程度分析 |
| 5.4.3.4 综合分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
（5）微光/热红外图像色彩传递及多尺度分解融合算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 图像融合算法研究现状 |
| 1.2.1 灰度图像融合算法研究现状 |
| 1.2.2 彩色图像融合算法研究现状 |
| 1.3 图像融合系统发展及应用现状 |
| 1.3.1 国外图像融合系统发展及应用现状 |
| 1.3.2 国内图像融合系统发展及应用现状 |
| 1.4 当前研究中存在的问题与难点 |
| 1.5 论文主要内容及章节安排 |
| 第2章 颜色空间与色彩传递彩色融合算法基础 |
| 2.1 颜色空间 |
| 2.1.1 RGB颜色空间 |
| 2.1.2 lαβ颜色空间 |
| 2.1.3 YUV颜色空间 |
| 2.1.4 Kekre's LUV颜色空间 |
| 2.2 基于色彩传递的双波段自然感彩色融合 |
| 2.2.1 初始彩色化 |
| 2.2.2 色彩传递 |
| 2.3 图像客观质量评价指标 |
| 2.3.1 常用图像质量评价指标 |
| 2.3.2 融合图像相关的质量评价指标 |
| 2.4 本章小结 |
| 第3章 基于GDGF的微光视频图像降噪与红外图像细节增强 |
| 3.1 引导滤波与梯度域引导滤波 |
| 3.1.1 引导滤波 |
| 3.1.2 梯度域引导滤波 |
| 3.2 微光视频图像自适应降噪(GDGF-AD)算法 |
| 3.2.1 运动区域检测 |
| 3.2.2 基于统计特性的噪声强度估计 |
| 3.2.3 基于GDGF的自适应降噪方法 |
| 3.2.4 算法处理结果及分析 |
| 3.3 热红外图像细节增强处理 |
| 3.3.1 基于GF的热红外图像细节增强 |
| 3.3.2 基于GDGF的热红外图像细节增强 |
| 3.3.3 改进的效果及分析 |
| 3.4 本章小结 |
| 第4章 基于YUV空间色彩传递的图像融合算法研究 |
| 4.1 基于YUV空间色彩传递的双波段灰度图像融合算法 |
| 4.1.1 基于色彩传递的灰度图像融合 |
| 4.1.2 算法处理结果及分析 |
| 4.2 低照度夜视图像自然感彩色化及增强(LSCT)算法 |
| 4.2.1 灰度图像的彩色化处理 |
| 4.2.2 亮度增强 |
| 4.2.3 算法处理结果及分析 |
| 4.3 本章小结 |
| 第5章 基于GDGF的多尺度灰度图像融合算法 |
| 5.1 基于GDGF的图像混合多尺度分解结构 |
| 5.2 基于GDGF的多尺度图像融合(HMSD-GDGF)算法 |
| 5.2.1 小尺度细节图像融合规则 |
| 5.2.2 大尺度细节图像融合规则 |
| 5.2.3 基图像融合规则 |
| 5.2.4 算法处理结果及分析 |
| 5.3 基于微光和红外图像融合的夜视效果增强(FNCE)算法 |
| 5.3.1 红外图像的增强处理 |
| 5.3.2 低照度可见光(微光)图像的增强处理 |
| 5.3.3 融合处理 |
| 5.3.4 算法处理结果及分析 |
| 5.4 本章小结 |
| 第6章 微光/热红外图像融合系统及目标探测/识别实验 |
| 6.1 便携式微光/热红外图像融合实验系统 |
| 6.1.1 融合夜视实验系统的组成概述 |
| 6.1.2 系统功能及技术指标 |
| 6.1.3 系统关键组件 |
| 6.1.4 图像处理算法 |
| 6.1.5 系统作用距离分析 |
| 6.1.6 系统实现情况 |
| 6.2 基于便携式融合实验系统的目标探测/识别主观评价实验 |
| 6.2.1 实验条件 |
| 6.2.2 观察者 |
| 6.2.3 实验过程 |
| 6.3 目标探测/识别实验的结果及分析 |
| 6.3.1 目标探测/识别率分析 |
| 6.3.2 不同观察距离的目标探测/识别分析 |
| 6.3.3 不同场景的目标探测/识别分析 |
| 6.3.4 相关讨论 |
| 6.4 本章小结 |
| 总结与展望 |
| 主要研究工作内容 |
| 论文创新性成果 |
| 未来研究工作展望 |
| 参考文献 |
| 英文缩略语附录 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（6）多光源颜色计算恒常性算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的与研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 2 材料与方法 |
| 2.1 单光源颜色恒常性算法 |
| 2.1.1 灰度世界(Grey World)算法 |
| 2.1.2 白片(White Patch)假设算法 |
| 2.1.3 灰色(Shade of Grey)阴影算法 |
| 2.1.4 灰度(Grey Edge)边缘假设 |
| 2.2 多光源颜色恒常性算法 |
| 2.2.1 Retinex算法 |
| 2.2.2 基于物理的多光源颜色恒常性算法 |
| 2.2.3 基于局部估量的多光源颜色恒常性算法 |
| 2.2.4 Retinex-SVR融合多光源颜色恒常性算法 |
| 2.3 双色反射模型 |
| 2.4 基于网格划分的逆强度色度空间-色彩空间变换融合算法 |
| 2.4.1 实验图像的选取 |
| 2.4.2 场景图像的划分 |
| 2.4.3 场景光源估量 |
| 2.4.4 图像矫正 |
| 3 结果与讨论 |
| 3.1 算法性能评价 |
| 3.1.1 客观评价 |
| 3.1.2 主观评价 |
| 3.2 实验结果与分析 |
| 3.2.1 高光谱数据集实验结果 |
| 3.2.2 真实场景数据集实验结果 |
| 3.2.3 网格尺寸对算法的影响 |
| 4 结论 |
| 4.1 全文总结 |
| 4.2 论文的创新点 |
| 4.3 论文的不足之处 |
| 5 展望 |
| 6 参考文献 |
| 7 攻读硕士学位期间发表论文情况 |
| 8 致谢 |
| 附录 |
（7）基于视频图像的点读机坐标定位方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 点读机技术的研究现状 |
| 1.2.2 边缘检测技术的研究现状 |
| 1.2.3 彩色图像分割技术的研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 基于 USB 摄像头的点读图像获取及预处理方法 |
| 2.1 基于 USB 视频摄像头的点读系统整体方案 |
| 2.2 利用 VFW 技术在构建实时视频捕捉平台 |
| 2.2.1 VFW 概述 |
| 2.2.2 VFW 实时视频捕获 |
| 2.3 书本封面图像的预处理 |
| 2.3.1 亮度校正 |
| 2.3.2 颜色空间转换 |
| 2.4 本章小结 |
| 第3章 书本坐标系建立 |
| 3.1 概述 |
| 3.2 书本提取 |
| 3.2.1 书本区域提取 |
| 3.2.2 书本边缘连续性处理 |
| 3.3 书本坐标系建立 |
| 3.3.1 书本区域检测 |
| 3.3.2 坐标系建立 |
| 3.4 实验及结果分析 |
| 3.4.1 书本区域提取结果及分析 |
| 3.4.2 书本坐标系建立结果及分析 |
| 3.5 本章小结 |
| 第4章 笔尖坐标定位 |
| 4.1 概述 |
| 4.2 图像分割 |
| 4.2.1 彩色图像的颜色量化 |
| 4.2.2 颜色量化实验结果 |
| 4.2.3 图像分割 |
| 4.2.4 图像分割实验结果 |
| 4.3 点读区域提取 |
| 4.4 坐标提取 |
| 4.5 实验结果及分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究回顾与总结 |
| 5.2 工作展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（8）Flash内容检索的查询扩展技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 内容检索的研究现状 |
| 1.2.2 查询扩展的研究现状 |
| 1.3 论文的研究方法 |
| 1.4 论文的主要工作及组织结构 |
| 第二章 Flash 内容检索系统 |
| 2.1 检索系统概述 |
| 2.1.1 搜索引擎的框架结构 |
| 2.1.2 Flash 内容研究网站建设 |
| 2.2 Flash 内容检索系统 |
| 2.2.1 检索界面 |
| 2.2.2 检索算法 |
| 2.2.3 输出界面 |
| 2.3 检索系统的数据库结构 |
| 2.3.1 ACCESS 数据库 |
| 2.3.2 数据表的字段 |
| 2.3.3 数据库的结构 |
| 2.4 本章小结 |
| 第三章 Flash 内容检索系统中关键词的查询扩展 |
| 3.1 查询扩展概述 |
| 3.2 关键词的查询扩展 |
| 3.2.1 关键词的预处理 |
| 3.2.2 关键词的查询扩展 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 Flash 内容检索系统中主色调的查询扩展 |
| 4.1 主色调的查询扩展 |
| 4.2 颜色空间的相似度计算 |
| 4.2.1 RGB 颜色空间 |
| 4.2.2 HSV 颜色空间 |
| 4.2.3 HSI 颜色空间 |
| 4.2.4 Lab 颜色空间 |
| 4.2.5 Luv 颜色空间 |
| 4.3 相似词典的选择 |
| 4.3.1 颜色空间的选择 |
| 4.3.2 最佳颜色空间的相似词典 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 Flash 内容检索系统的综合评价 |
| 5.1 检索系统的评价指标 |
| 5.2 检索系统的测试 |
| 5.3 检索系统的综合评价 |
| 5.3.1 查准率分析 |
| 5.3.2 响应时间分析 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.2 下一步工作 |
| 注释 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
| 附录 |
（9）输电线路复合绝缘子可见光图像检测技术研究（论文提纲范文）
| 论文创新点 |
| 目录 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 论文选题的目的和意义 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 绝缘子检测研究现状 |
| 1.2.2 图像分析技术研究现状 |
| 1.3 主要研究内容 |
| 2 复合绝缘子可见光图像预处理技术 |
| 2.1 图像灰度化 |
| 2.2 直方图均衡化 |
| 2.3 图像去噪 |
| 2.3.1 图像噪声及其分类 |
| 2.3.2 图像滤波器 |
| 2.3.3 复合绝缘子图像滤波示例 |
| 2.4 本章小结 |
| 3 复合绝缘子表面裂纹图像检测 |
| 3.1 绝缘子图像的边缘检测 |
| 3.1.1 图像边缘 |
| 3.1.2 微分算子边缘检测 |
| 3.1.3 Log算子边缘检测 |
| 3.1.4 Canny边缘检测 |
| 3.2 基于微分算子边缘检测改进算法 |
| 3.3 绝缘子表面裂纹长度计算 |
| 3.4 本章小结 |
| 4 复合绝缘子憎水性图像检测 |
| 4.1 憎水性图像检测流程 |
| 4.2 憎水性检测图像预处理 |
| 4.2.1 憎水性图像增强 |
| 4.2.2 憎水性图像滤波 |
| 4.2.3 憎水性图像灰度拉伸 |
| 4.3 憎水性图像分割算法 |
| 4.3.1 图像分割及其分类 |
| 4.3.2 基于二维熵的阂值分割算法 |
| 4.4 憎水性图像形态学处理算法 |
| 4.4.1 形态学处理概述 |
| 4.4.2 憎水性图像二值形态学重构 |
| 4.4.3 获取憎水性图像最大水珠区域 |
| 4.5 憎水性图像特征值 |
| 4.6 憎水性图像检测实例 |
| 4.7 本章小结 |
| 5 复合绝缘子老化与积污程度检测 |
| 5.1 彩色图像处理概述 |
| 5.2 颜色空间 |
| 5.2.1 RGB颜色空间 |
| 5.2.2 HSI颜色空间 |
| 5.2.3 LUV颜色空间 |
| 5.2.4 三种颜色空间的转换 |
| 5.3 彩色图像分水岭分割算法 |
| 5.3.1 分水岭算法 |
| 5.3.2 改进分水岭算法 |
| 5.3.3 绝缘子积污图像分水岭分割 |
| 5.4 绝缘子的新旧程度图像检测 |
| 5.5 绝缘子的表面积污程度测试 |
| 5.6 本章小结 |
| 6 复合绝缘子实验研究 |
| 6.1 工频电压耐压试验 |
| 6.1.1 实验内容及设备 |
| 6.1.2 干燥绝缘子工频耐压 |
| 6.1.3 雾室下绝缘子工频耐压试验 |
| 6.1.4 工频湿闪实验数据与分析 |
| 6.2 冲击电压耐压试验 |
| 6.3 本章小结 |
| 7 绝缘子可见光图像在线监测系统设计 |
| 7.1 复合绝缘子可见光图像在线监测系统结构 |
| 7.2 绝缘子可见光图像在线监测软、硬件的开发 |
| 7.2.1 绝缘子可见光图像在线监测基本功能 |
| 7.2.2 绝缘子可见光图像在线监测软、硬件的实现 |
| 7.3 绝缘子可见光图像在线监测系统功能测试 |
| 7.3.1 复合绝缘子新旧程度测试 |
| 7.3.2 复合绝缘子表面积污程度测试 |
| 7.3.3 复合绝缘子憎水性程度的实验室测试 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 攻博期间发表的科研成果 |
| 致谢 |
（10）生产线复杂场景条件下的动目标提取方法（论文提纲范文）
| 1 图论的图像分割 |
| 2 算法描述 |
| 2.1 颜色空间的选择 |
| 2.2 初始聚类 |
| 2.3 分割能量的计算 |
| 2.4 边缘校正与去噪处理 |
| 3 实验结果与分析 |
四、一种基于LUV均匀颜色空间的彩色分割方法（论文参考文献）
- [1]基于目标区域提取的野生动物监测图像压缩传输方法研究[D]. 刘晗兴. 北京林业大学, 2020(02)
- [2]高分辨率可见光遥感图像建筑物提取方法研究[D]. 郝乐川. 哈尔滨工业大学, 2020(01)
- [3]皮肤镜下皮肤癌的检测与识别方法的研究[D]. 赵硕. 重庆邮电大学, 2020(02)
- [4]基于高分辨率遥感影像的农村建筑物信息提取若干关键技术研究[D]. 谢嘉丽. 西南交通大学, 2019(03)
- [5]微光/热红外图像色彩传递及多尺度分解融合算法研究[D]. 朱进. 北京理工大学, 2018(06)
- [6]多光源颜色计算恒常性算法研究[D]. 王谦. 天津科技大学, 2017(06)
- [7]基于视频图像的点读机坐标定位方法研究[D]. 周婷. 南昌航空大学, 2014(01)
- [8]Flash内容检索的查询扩展技术研究[D]. 朱莉莉. 山东师范大学, 2014(08)
- [9]输电线路复合绝缘子可见光图像检测技术研究[D]. 梅欣. 武汉大学, 2014(06)
- [10]生产线复杂场景条件下的动目标提取方法[J]. 洪汉玉,颜露新,郭祥云,俞喆俊. 华中科技大学学报(自然科学版), 2012(07)