导读:本文包含了支撑图像论文开题报告文献综述及选题提纲参考文献，主要关键词:可视化线路巡检,暗通道先验,图像去雾,透射率估计
支撑图像论文文献综述
巩少岩,陈智雨,袁艺嘉,涂莉,李婷婷[1]（2019）在《支撑输电线路可视化巡检的图像去雾技术》一文中研究指出针对可视化输电线路巡检在雾天条件下采集到的图像质量退化,影响线路运行状态的精确分析,提出一种基于暗通道先验假设和小波变换的图像去雾算法。传统的暗通道先验算法可以取得很好的效果,但对高亮成分会造成一定程度的颜色失真。为了提升暗通道去雾的性能,利用小波变换提取低频图像进行透射率估计,有效缓解了传统暗通道处理造成的颜色失真现象。实验结果表明,本文提出的算法在客观评价指标上总体性能优于其他算法,可为进一步获取输电线路运行的准确信息提供支撑。(本文来源于《电力通信技术研究及应用》期刊2019-10-23）
孙恒振[2]（2019）在《再谈供求曲线图像题的理论支撑与解答技巧》一文中研究指出《教学考试》高考政治二期刊发了《供求曲线图像题的理论支撑与解答指要》,笔者认为,还有部分知识没有讲述完整,本文继续以高考试题为例,介绍供求曲线图像题的理论支撑及解答的技巧。常识一:"供求曲线图像"的自变量在纵轴上在供求曲线图像题中,最让师生难以适应的是用纵轴表示自变量(价格),用横轴表示因变量(数量),因为这是与数学习惯相反的。如供给曲线是反映供给量随价格变动的函数图像,纵轴的价格是自变量,横轴的(本文来源于《教学考试》期刊2019年25期）
李浩然[3]（2019）在《旷视人工智能开放平台Face++:长尾图像应用的支撑》一文中研究指出技术壁垒的形成在一定程度上限制了人工智能的发展与应用,为了让技术能够更好地赋能全社会,一部分企业结合自身技术优势,逐步构建了人工智能开放平台,旷视科技就是其中之一。如今,Face++人工智能开放平台已经在金融、教育、地产等诸多领域展开了应用,旷视在输出技术的同时也收获了成长。(本文来源于《人工智能》期刊2019年02期）
孙恒振[4]（2019）在《供求曲线图像题的理论支撑与解答指要——历年来高考试卷中的供求曲线试题综述》一文中研究指出自2008年高考山东文综试卷出现第一道供求曲线图像题开始,2018年已经是此类试题进入高考的第11个年头,2008年之后此类试题逐渐在高考试卷中频繁出现,尤其是2010年之后,每年的高考试卷都会有这类试题。供求曲线试题的理论支撑是均衡理论,由于命题者与广大一线(本文来源于《教学考试》期刊2019年16期）
陈昊天,郑阳,张钰桐,孙凤池,黄亚楼[5]（2019）在《基于物体间支撑语义关系的室内场景彩色深度图像分割》一文中研究指出场景理解是智能自主机器人领域的一个重要研究方向,而图像分割是场景理解的基础.但是,不完备的训练数据集,以及真实环境中的罕见情形,会导致在图像分割时存在先验知识不完备的情况,进而影响图像分割的效果.因此,提出在彩色深度(RGB–D)图像上使用抽象的支撑语义关系来解决多样的物体形态所面对的先验知识不完备问题.在先验知识不完备情况下,针对自底向上的图像分割过程中被过度分割出的物体块,首先对物体块间的支撑语义关系进行建模并计算其支撑概率,然后构造能够度量场景总体稳定性的能量函数,最后通过Swendsen-Wang割(SWC)随机图分割算法最小化该能量函数的值,将物体块间的支撑概率转化为强支撑语义关系并完成物体块合并,实现先验知识不完备情况下的图像分割.实验结果证明,结合支撑语义关系的图像分割能够在先验知识不完备的情况下,将同一物体被过度分割的部分重新合并起来,从而提升了图像分割的准确性.(本文来源于《控制理论与应用》期刊2019年04期）
韩景红,王海江,冉元波,杨建华[6]（2018）在《基于支撑向量机和超像素的极化SAR图像分类》一文中研究指出针对极化SAR图像的分类方法多集中在像素级,这些方法不仅运算量大,而且分类效果较差,提出一种利用支撑向量机和超像素分割相结合的方法对极化合成孔径雷达(PolSAR)系统图像分类。首先,利用SLIC算法对Pauli分解后的极化SAR图像进行超像素分割。然后,利用预处理后的数据得到高维的极化特征空间,并利用监督局部线性嵌入(SLLE)算法对高维极化特征进行降维,减少特征空间的冗余信息,提取主要信息。最后,以超像素为处理单元,获得每个超像素内的特征,利用支撑向量机(SVM)对超像素块进行分类,获得初始类别分类结果,之后,使用Wishart分类器再次分类。实验结果表明所提的方法较基于像素点分类的方法能够得到更好的分类效果。(本文来源于《成都信息工程大学学报》期刊2018年04期）
赵恩波,史泽林,刘云鹏[7]（2019）在《基于多尺度支撑域描述子的多光谱图像匹配算法》一文中研究指出针对现有多光谱图像匹配算法鲁棒性不强的问题,提出一种新的基于多尺度支撑域描述子的多光谱图像匹配算法。该算法首先提取Harris角点作为特征点;然后分别统计特征点不同尺度邻域内的边缘方向直方图,组合构成特征描述子;以欧氏距离为相似度准则,使用比值法获得初始匹配结果;最后提出了一种基于RANSAC算法的外点去除算法。实验结果表明,该算法可有效匹配多光谱图像,且与已有算法相比鲁棒性更强,获取的正确匹配对更多。(本文来源于《计算机应用研究》期刊2019年09期）
江文涛,李昌华[8]（2018）在《重大安保支撑平台的视频图像信息技术应用》一文中研究指出随着社会经济的迅速发展和城市化建设步伐日益加快,各种高起点、高层次的国际大型会议活动相继举办,活动举行期间现场环境复杂,人流量大,随之而来的与会政要、嘉宾的安全保障工作极为重要。视频图像信息应用支撑平台建设,切实发挥视频图像信息在重大活动安全保障工作中的支撑作用,充分发挥视频图像信息在指挥调度、防范犯罪等方面的实战作用。海量的视频图像数据是公共安全部门信息化(本文来源于《厦门科技》期刊2018年02期）
杜秀丽,顾斌斌,胡兴,邱少明,陈波[9]（2018）在《用于图像重构的基于行间支撑集相似度的CoSaMP算法》一文中研究指出压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原子支撑集的相似性,提出了基于行间支撑集相似度的CoSaMP算法。实验结果表明,在同等采样率的条件下,与传统的CoSaMP算法相比,所提算法在不增加算法时间复杂度的同时提高了重构质量,峰值信噪比提高了0.6~2.5dB。(本文来源于《计算机科学》期刊2018年04期）
钟艺诚,戴宁,邢锐,程筱胜,孙玉春[10]（2016）在《基于图像引导牙形支撑义齿种植导板数字化建模技术研究》一文中研究指出目的为了提高口腔种植牙的成功率,充分利用患者剩余的邻牙部分,保证种植体种植方向以及安全距离。方法材料:X光照片,患者口腔叁维数据,FDM叁维打印机;方法:本文基于计算机辅助设计技术提出了一种利用图像引导的牙形支撑义齿种植导板数字化建模方法。通过分析患者的叁维口腔数据,交互式规划种植区域以及支撑区域,在二维图像的辅助引导之下,得出符合解剖学意义上的种植体种植方向和种植安全距离。本文方法在充分考虑口腔医学知识以及美观和功能的前提下,充分利用了患者剩余的邻牙部分,保证支撑的稳定性。结果利用本文所述的方法,确定种植区域与支撑区域,根据种植轴的位置,设计导向孔等,形成紧贴邻牙表面的种植导板的叁角网格模型。与患者实物模型密合度良好,定位稳定,成功辅助医生完成种植手术。结论本研究在充分考虑口腔医学知识以及美观和功能的前提下,能够充分利用患者剩余的邻牙部分,确保了种植导板贴合度、稳定性,并且避开了重要的解剖学结构,设计导板的不精确方法,保证了口腔种植的安全性。(本文来源于《第十四次全国数字化口腔医学学术会议论文集》期刊2016-10-20）
支撑图像论文开题报告
（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：
《教学考试》高考政治二期刊发了《供求曲线图像题的理论支撑与解答指要》,笔者认为,还有部分知识没有讲述完整,本文继续以高考试题为例,介绍供求曲线图像题的理论支撑及解答的技巧。常识一:"供求曲线图像"的自变量在纵轴上在供求曲线图像题中,最让师生难以适应的是用纵轴表示自变量(价格),用横轴表示因变量(数量),因为这是与数学习惯相反的。如供给曲线是反映供给量随价格变动的函数图像,纵轴的价格是自变量,横轴的
（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。
支撑图像论文参考文献
[1].巩少岩,陈智雨,袁艺嘉,涂莉,李婷婷.支撑输电线路可视化巡检的图像去雾技术[C].电力通信技术研究及应用.2019
[2].孙恒振.再谈供求曲线图像题的理论支撑与解答技巧[J].教学考试.2019
[3].李浩然.旷视人工智能开放平台Face++:长尾图像应用的支撑[J].人工智能.2019
[4].孙恒振.供求曲线图像题的理论支撑与解答指要——历年来高考试卷中的供求曲线试题综述[J].教学考试.2019
[5].陈昊天,郑阳,张钰桐,孙凤池,黄亚楼.基于物体间支撑语义关系的室内场景彩色深度图像分割[J].控制理论与应用.2019
[6].韩景红,王海江,冉元波,杨建华.基于支撑向量机和超像素的极化SAR图像分类[J].成都信息工程大学学报.2018
[7].赵恩波,史泽林,刘云鹏.基于多尺度支撑域描述子的多光谱图像匹配算法[J].计算机应用研究.2019
[8].江文涛,李昌华.重大安保支撑平台的视频图像信息技术应用[J].厦门科技.2018
[9].杜秀丽,顾斌斌,胡兴,邱少明,陈波.用于图像重构的基于行间支撑集相似度的CoSaMP算法[J].计算机科学.2018
[10].钟艺诚,戴宁,邢锐,程筱胜,孙玉春.基于图像引导牙形支撑义齿种植导板数字化建模技术研究[C].第十四次全国数字化口腔医学学术会议论文集.2016