导读:本文包含了边缘信息检测论文开题报告文献综述及选题提纲参考文献，主要关键词:离散余弦,边缘检测,人脸识别
边缘信息检测论文文献综述
陈惠娜[1]（2019）在《LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例》一文中研究指出在人脸图像识别的问题中,光照是一个重要的影响因素。为消除光照的影响,本文运用LDCT方法与边缘检测技术对人脸特征进行处理,消除光照对人脸识别的影响。通过边缘提取的阈值参数,使识别率可以达到94%,与传统方法人脸识别有很大的进步与创新。人面图像识别有着非常广泛使用范围与价值,如在医学图像中的细胞识别、马路上的汽车识别、重要工作岗位人员识别、家庭日常生活中人面图像识别中发挥重要作用的作用。(本文来源于《现代经济信息》期刊2019年21期）
邱东,李佳禧,杨宏韬,刘克平[2]（2019）在《基于信息测度和核函数极限学习机的图像边缘检测》一文中研究指出图像的边缘检测技术是机器视觉中图像识别、图像分割与处理以及模板匹配的基础。针对传统边缘检测算子的检测精度有限,对噪声的敏感度较高的问题,提出一种基于信息测度和核函数极限学习机(KELM)的图像边缘检测方法。该方法构造一个描述边缘点信息测度的特征矢量,将特征矢量样本数据集对核函数极限学习机(KELM)进行分类训练,实现边缘检测。同时采用度量F评价模型对不同边缘检测方法的性能进行评价。实验结果表明,ISKELM图像边缘检测的效果优于Canny算子、Sobel算子以及ELM图像边缘检测,提取的图像边缘更加清晰,对于噪声的抑制能力更强,虚假边缘大大减少。(本文来源于《计算机应用与软件》期刊2019年10期）
李亚丽,付威,赵岩,付昱兴,吴志鹏[3]（2019）在《自然环境下杏树的边缘信息检测及轮廓提取》一文中研究指出针对自然环境下采集的树木图像,容易受到环境、光照条件、自身结构形态等的影响,产生图像弱边界、连通性差、纹理边缘干扰多、感兴趣很难确定等情况,造成树木边缘信息检测及轮廓提取困难的问题。本文提出一种基于Open CV框架实现的树木边缘信息检测及轮廓提取方法,能够准确的提取到树木图像中单棵树木的边缘信息及轮廓特征,为树木的叁维重建、测量等提供依据,从而为深入研究杏树生长发育、品质鉴定、培育新品种等提供重要的参考意义。(本文来源于《新疆农机化》期刊2019年04期）
付利军,兰方鹏[4]（2019）在《边缘信息耦合改进的Hough变换的车道线实时检测算法》一文中研究指出针对当前车道线检测算法在阴影及不均匀光照等复杂情况下的目标检测准确性低的问题,提出了一种边缘信息耦合改进的Hough变换的车道线实时检测方法。首先,利用Sobel算子计算车道图像的边缘梯度幅值,并利用2×2掩模测量其梯度方向,以提取车道线的边缘信息。根据得到的边缘信息,在搜索区域中计数每个行中的边缘像素的数目,将边缘像素最多的行作为感兴趣区域(RoI)的分界线,以确定RoI。然后,为了抑制非车道线边缘等杂乱背景的影响,选择特定的梯度方向进行细化RoI。最后,利用方向区间与阈值对Hough变换改进,将其应用于边缘像素,以提取车道线。并在Caltech数据集上进行了测试,数据表明,与当前流行车道线检测方案比较,所提方案在阴影、不均匀光照等不同道路情况下对车道线具有更高的检测精度与效率。(本文来源于《电子测量与仪器学报》期刊2019年08期）
朱天明,刘凯,刘豪志[5]（2019）在《基于改进BING模型和边缘信息的行人检测算法》一文中研究指出针对行人检测中传统多尺度滑动窗口遍历搜索计算量大,计算速度慢的问题,提出了一种基于改进BING模型和边缘信息的行人检测算法。首先,通过样本采样规则的确定、样本阈值的选择和搜索尺度空间的优化对BING似物检测模型进行了改进;然后,针对提取的候选框存在偏移的问题,提出了基于边缘信息的候选框位置矫正方法;最后,利用经典的HOG-SVM行人检测算法,对提取的行人候选框进行最终的行人识别。实验结果表明,该算法在保证行人检测率的前提下有效提高了行人检测的实时性。(本文来源于《机械与电子》期刊2019年06期）
李东勤,徐勇,周万怀[6]（2019）在《自然场景图像中的文本检测及定位算法研究——基于边缘信息与笔画特征》一文中研究指出鉴于自然场景图像中的文本具有较强的边缘信息,而汉字大多包含横竖笔画,提出了基于边缘信息与笔画特征的文本检测及定位方法。通过提取自然场景图像的边缘特征,运用数学形态学方法实现对断裂笔画的有效连接,从而形成候选文本区域;再利用文本的笔画特征,实现文本与背景的分离;最后通过自定义规则,将相邻的候选文本块进行合并,同时去除不符合条件的候选文本块。测试结果显示,该方法的查全率为90.4%,误检率为15.6%。(本文来源于《重庆科技学院学报(自然科学版)》期刊2019年03期）
李瑾泽,乔桢[7]（2019）在《基于全自动泊车与对数变换法的轨迹图像边缘信息细节化检测》一文中研究指出为解决传统边缘检测方法中阈值设置过高或过低,致使关键信息被遗漏或干扰信息被误看作重要信息,造成边缘检测结果不可靠的问题,通过引入自适应阈值思想,研究了基于全自动泊车与对数变换法的轨迹图像边缘信息细节化检测方法。对采集的全自动泊车的轨迹图像进行直方图均衡化和自适应二值化处理及先腐蚀后膨胀的操作,对小对象物体及平滑较大物体边界进行消除。通过一阶微分算子求解经预处理后图像不同点的梯度幅值与梯度方向,细化梯度幅值图像中的屋脊带,仅保留幅值的局部极大值。采用对数变换法对梯度范围进行扩展。通过新的局部自适应阈值化方法确定阈值,实现全自动泊车轨迹图像边缘的初检测。针对轨迹图像边缘直线线段,选用Hough变换法提取其中的直线特征,获取直线轨迹。结果表明,所提方法边缘检测细节化好,可见整体性能优。(本文来源于《科学技术与工程》期刊2019年02期）
孙道辉[8]（2018）在《基于信息融合的图像边缘检测算法实现》一文中研究指出传统的利用各种算子的边缘检测方法,存在边缘缺失、边缘模糊、边缘不连续以及伪边缘等情况,不利于图像的进一步分析处理以及图像边缘的实际应用。在分析各种经典算子的基础上,采用信息融合的方法,结合各个经典算子的优点、弥补各自缺点进行图像的边缘检测。实验证明采用多算子信息融合的方法能更精确有效地提取出图像的边缘,对图像的进一步分析处理中具有重要意义。(本文来源于《电子测试》期刊2018年13期）
王豪聪[9]（2018）在《基于边缘信息的显着性区域检测算法的研究》一文中研究指出人类视觉系统可以将远超人类大脑处理能力的视觉信息在短时间内高效、准确地处理好,这得益于人类视觉注意机制可以利用场景中事物的独特性(即图像的显着性)优先处理视觉场景。显着性区域检测算法即是利用图像本身的特征,提取图像中信息最丰富的区域。本文针对目前显着性区域检测算法存在的问题,将研究重点放在充分利用边缘信息来提高算法检测效果上,主要研究以下几个方面:(1)针对传统算法中单一特征对比度决定显着值容易发生误检和漏检的问题,提出一种融合边界信息和颜色特征的显着性区域检测算法。本算法首先对图像进行加权中值滤波处理以提取更好地边界信息并进行超像素分割。然后,以边界信息和颜色特征融合作为先验概率,以Graph-based分割得到初步显着图代替凸包,优化了条件概率,利用贝叶斯法则得到最终的显着图。(2)针对复杂背景图的显着性检测,提出一种基于前景增强与背景抑制的显着性区域检测算法。首先,利用边界信息精确选取背景种子,并分别构建基于区域对比和基于背景先验的显着图,在两幅显着图中运用能量函数更准确地区分显着区域和非显着区域,通过对Seam Carving方法发散思考,利用显着图能量边界生成前景增强且背景抑制的模板图。最后,叁图融合形成最终的显着图。(3)针对传统的利用神经网络进行显着性检测的模型中二分类学习的不足以及池化层丢失信息的问题,提出一种基于多尺度空洞卷积和轮廓学习的显着性区域检测算法。本算法通过前景、背景和轮廓叁分类来训练神经网络,有效降低了背景中类前景区域误检的发生。在VGG16网络架构基础上应用多尺度空洞卷积层,以空洞卷积为卷积核,使算法可以精确获取前景信息,得到更加准确和高显着值的前景区域。(本文来源于《江南大学》期刊2018-06-01）
丁承君,闫彬,张鹏[10]（2018）在《基于边缘信息和混合高斯融合的运动目标检测》一文中研究指出针对帧间差分法在目标运动较慢时无法完整的检测轮廓,混合高斯模型易受光照影响导致目标快速运动时无法辨别轮廓等问题,提出了一种更加优化的运动目标检测算法。该算法将叁帧差分法与混合高斯模型相融合,利用视频中连续的叁帧图像两两作差分后作或运算、二值化、形态学处理,对中间帧的进行canny边缘检测,将两次结果再进行或运算、形态学处理后得到更加完整的轮廓。用中间帧进行高斯混合模型提取前景,二值化后和边缘信息进行与运算,经过形态学处理和孔洞填充后获得运动目标。经过实验表明,该方法能够获得更加理想的运动目标。(本文来源于《电视技术》期刊2018年03期）
边缘信息检测论文开题报告
（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：
图像的边缘检测技术是机器视觉中图像识别、图像分割与处理以及模板匹配的基础。针对传统边缘检测算子的检测精度有限,对噪声的敏感度较高的问题,提出一种基于信息测度和核函数极限学习机(KELM)的图像边缘检测方法。该方法构造一个描述边缘点信息测度的特征矢量,将特征矢量样本数据集对核函数极限学习机(KELM)进行分类训练,实现边缘检测。同时采用度量F评价模型对不同边缘检测方法的性能进行评价。实验结果表明,ISKELM图像边缘检测的效果优于Canny算子、Sobel算子以及ELM图像边缘检测,提取的图像边缘更加清晰,对于噪声的抑制能力更强,虚假边缘大大减少。
（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。
边缘信息检测论文参考文献
[1].陈惠娜.LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例[J].现代经济信息.2019
[2].邱东,李佳禧,杨宏韬,刘克平.基于信息测度和核函数极限学习机的图像边缘检测[J].计算机应用与软件.2019
[3].李亚丽,付威,赵岩,付昱兴,吴志鹏.自然环境下杏树的边缘信息检测及轮廓提取[J].新疆农机化.2019
[4].付利军,兰方鹏.边缘信息耦合改进的Hough变换的车道线实时检测算法[J].电子测量与仪器学报.2019
[5].朱天明,刘凯,刘豪志.基于改进BING模型和边缘信息的行人检测算法[J].机械与电子.2019
[6].李东勤,徐勇,周万怀.自然场景图像中的文本检测及定位算法研究——基于边缘信息与笔画特征[J].重庆科技学院学报(自然科学版).2019
[7].李瑾泽,乔桢.基于全自动泊车与对数变换法的轨迹图像边缘信息细节化检测[J].科学技术与工程.2019
[8].孙道辉.基于信息融合的图像边缘检测算法实现[J].电子测试.2018
[9].王豪聪.基于边缘信息的显着性区域检测算法的研究[D].江南大学.2018
[10].丁承君,闫彬,张鹏.基于边缘信息和混合高斯融合的运动目标检测[J].电视技术.2018