《图像处理技术问题研究开题报告》_第1页
免费预览已结束,剩余1页可下载查看

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

选题背景及目的意义图像作为视觉信息的载体,其本身强大的信息蕴含能力能否正确反映客观事实对后续的理解极其关键,这就对图像质量有了更高的标准和要求,图像处理学科也因此兴起。图像处理又称影像处理,是指利用计算机对图像中的信息进行提取、分析、表达和传输等的一系列过程。图像处理现己存在于人们生活中的方方面面,小到面部识别、指纹解锁、扫码付款、扫码收款及网络聊天表情包等,大到工业探伤等的安全领域及与医疗相关的X光、CT、核磁共振检查诊断、可视化手术等。与此同时,它也在不断改变着人们的工作和生活方式。人们对图像处理的研究依托处理器等硬件性能和软件开发水平等的快速发展也随之不断深入,处理效率不断提高,这帮助人们更加客观、准确地认识世界的同时也极大地提升了人们的生活质量。现实世界中,图像数据大都是以张量模式来表示,比如灰度图像是一个二阶张量,彩色图像是一个三阶张量。然而,目前大部分的识别的学习算法都是基于向量模式的,将原本张量模式拉成向量模式并非总是有效,一是使得后期的模型学习过程中容易出现“过拟合”、“维度灾难”和小样本的问题,二是可能会破坏了原始数据固有的高阶结构和内在的相关性,出现信息丢失或者掩盖了数据原本存在高阶依赖性,从而无法获得原始数据中潜在的、更有意义的模式表示[3]。这些问题都会影响到识别的精度,因此,如何能快速精确的进行识别图像数据成为本文研究的重要内容。随着数字技术的进步,数字图像由于其采集、存储、传输和处理等方面的优势逐步取代落后的胶卷图像被广泛使用。也被广泛使用于对图像质量要求较高的应用领域,如军事遥感、公共安全、医学技术和高清数字电视等等。1、军事遥感领域在军事及遥感领域中,成像系统受到体积、重量、大气扰动和目标距离等诸多因素的限制往往难以获得细节丰富的图像,这很大程度上制约了图像数据的应用。现实中往往都是对获取到的视频图像序列利用超分辨率重建技术放大图像细节,以便灾情分析、目标识别和目标跟踪等后续利用。2、公共安全领域在一些公共场所,监控摄像头随处可见,而受存储成本和布控成本的限制,监控系统能获取到的往往都是一些压缩处理后的LR视频。利用超分辨率重建技术来获取到高分辨率图像,有利于车牌识别、罪犯监控等取得更好的效果。3、医学技术领域在医疗成像系统中,常见的医学设备获取到的图像都有分辨率限度。利用超分辨率重建技术获取高分辨率的图像,可以帮助医生更准确地诊断病情。4、高清数字电视领域近年来高分辨率显示设备不断出现,而高清的片源却很有限,LR视频信号直接在高清电视上显示视觉效果会很差。利用超分辨率重建技术将的普通NTSC视频信号或标清电视信号(StandardDefinitionTelevision,SDTV)转换为高清电视信号(HighDefinitionTelevision,HDTV),以便在高清电视上呈现更好的视觉体验。研究内容及研究方法本文主要分为四个章节,具体安排如下:第一章为绪论,讨论图像识别技术研究发展的背景和意义,介绍目前用来进行图像处理识别的几种主流的算法,并说明本课题的研究意义和内容安排。第二章主要介绍本文所涉及到的一些基础模型和基本概念,介绍回归算法的分类,同时针对线性回归算法进行了讲解和介绍,为接下来实验及数据分析做出理论基础。第三章,对本次研究的实验进行阐述,在MATLAB上进行图像的分割处理,然后将原图转化成灰度图处理图像之前,先对图像对比度进行增强,后使用线性回归方程进行图像的处理。第四章为实验结果与分析,分析比较前后使用和未使用线性回归算法处理图像的异同。本文最后对研究工作进行总结与展望。研究方法文献研究法,在论文撰写之前,通过在图书馆,互联网,知网等查阅有关于线性回归,回归算法,图像处理方法的相关文献和期刊资料,为研究的展开提供理论基础。数据分析法:通过计算处理先后的图像数据,分析比对线性回归算法对于图像处理的作用和优势。实验法:通过利用MATLAB进行图像的处理,直观的了解算法的优势和作用。研究工作进度安排2019年6月22日-6月25日:开始选题,在实践中与指导老师商讨,确定毕业论文题目及写作方向。2019年6月26日—6月30日:通过查询资料并结合写作方向,完成论文开题报告。2019年7月1日—8月10日:完成论文初稿,期间在图书馆及网上查阅并参考了大量相关资料。2019年8月11日—8月25日:完成论文初稿第一次修改。根据指导老师针对文章论点、论据的阐述以及论文逻辑性等方面问题提出的修改意见进行修改。2019年8月26日—8月29日:完成论文第二次修改。根据指导老师针对论文表述不清晰,论点阐述不够深入等问题提出的修改意见进行修改。2019年8月30日—9月25日:最后一次修改并定稿,准备论文答辩。参考文献目录[1]刘海玲.基于计算机视觉算法的图像处理技术[J].计算机与数字工程,2019,47(3):672-677.[2]袁斌.基于图像处理技术的火灾识别方法的应用与研究[J].现代电子技术,2018(13).[3]佀君淑.基于PSO的Otsu算法在图像分割中的应用[J].数码世界,2017(12).[4]梁斌.试论人工智能算法在图像处理中的应用[J].数码世界,2018(9):220-220.[5]杨全海.基于Android平台的图像处理技术的设计与实现[J].电子设计工程,2017,25(01):160-162.[6]杨颖.基于PICO384的图像处理与跟踪算法研究[D].2017.[7]王晓燕.K-均值算法与自组织神经网络算法的改进研究及应用[D].2017.[8]徐晓琳.面向大规模数据分析与分类的正则化回归算法[D].2017.[9]王诣,闫志勇.人工神经网络和图像处理技术在叶绿素含量检测中的应用[J].科技通报,2018(4).[10]雷大江,杜萌,李智星,etal.稀疏多元逻辑回归问题优化算法研究[J].重庆邮电大学学报:自然科学版,2019(3):354-366.[11]余梦娜,罗勇,李朋.基于灰度质心算法对低龄人群平面穿鞋足迹进行身高分析[J].警察技术,2017(5):61-64.[12]潘正军,赵莲芬,王红勤.逻辑回归算法在电商大数据推荐系统中的应用研究[J].电脑知识与技术,2019(15).[13]邵欣明.基于GPU的图像处理并行算法分析[J].中小企业管理与科技,2017(7):71-72.[14]周天驰.基于GPU的图像处理计算方法分析[J].科技风,2017(3):68-68.[15]桑艳艳,李昕.基于改进分水岭算法的菌落图像分割[J].电子测量技术,2019(6).[16]吴凯.机器学习在图像处理中的应用与设计[J].数码世界,2019(3).[17]严静文.基于双稀疏优化的空域错误隐藏算法研究[D].2018.[18]JianguoZ,RenqingW,JunyanZ,etal.PartitioningAlgorithmBasedonMaskandImitatedMedianFilteringandItsApplication[J].JournalofUniversityofShanghaiforScienceandTechnology,2017,39(3):295-300.[19]HanJ,MaoK,XuT,etal.ASoilMoistureEstimationFrameworkBasedontheCARTAlgorithmandItsApplicationinChina[J].JournalofHydrology,2018,563.[20]Qing-JiT,HaoW,CongW,etal.Apersonalizedhybridrecommendationstrategybasedonuserbehaviorsanditsapplication[C]//InternationalConferenceonSecurity.IEEE,2018.[21]YiziWU,WeiW,YangH,etal.Gaschromatography-massspectrometrydataanalysisalgorithmbasedonsparsemodelanditsapplicationinresolvingseverelyoverlappedpeaks[J].Sepu=Chinesejournalofchromatography/Zhongguohuaxuehui,2018,36(8):772.[22]ZHANG,Zhenxing,YANG,etal.Antlionoptimizeralgorithmbasedonchaossearchanditsapplication[J].系统工程与电子技术:英文版,2019(2):352-365.[23]DongC,SiZ.ResearchandApplicationofOnlineImageProcessingTechnologyBasedonHTML5[C]//ChinaAcademicConferenceonPrinting&PackagingandMediaTechnology.Springer,Singapore,2017.[24]JiangM,ZhaoC,MoZ,etal.AnimprovedalgorithmbasedonBloomfilteranditsapplicationinbarcoderecognitionandprocessing[J].EURASIPJournalonImageandVideoProcessing,2018,2018(1).[25]YiG,YuZ,LinW.Predictionmodelbasedonimprovedparticleswarmoptimizationalgorithmanalysisanditsapplicationscenariobuilding[C]//InternationalConferenceonCommunication&ElectronicsSystems.IEEE,2017.[26]WeiQ,ChouzenouxE,TourneretJY,etal.Afastalgorithmbasedonasylvester-likeequationforLSregressionwithGMRFprior[C]//2017IEEE7thInternationalWorkshopon

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论