导读:本文包含了形状先验模型论文开题报告文献综述及选题提纲参考文献，主要关键词:目标分割,形状先验,变分分割,稀疏表示
形状先验模型论文文献综述
姚劲草[1]（2017）在《基于形状先验的变分稀疏分割模型研究》一文中研究指出利用计算机模拟人眼的功能准确分割图像中的目标,对于计算机视觉和图像处理至关重要。由于在实际图像中,目标可能受到噪声、遮挡、缺损或背景粘连等因素的影响,仅依赖图像本身的信息对目标进行分割往往效果不佳。基于形状先验生成过完备形状字典,并结合稀疏表示模型对目标分割过程进行监督可较好的改善分割效果。本文在深入分析了国际上一些经典的稀疏形状表示模型和变分分割方法的基础上,重点研究了形状的稀疏表示方法、映射空间过完备字典的生成方法以及结合稀疏表示的变分目标分割方法等内容,提出了多种基于形状先验的变分稀疏分割模型。论文的主要工作和创新之处在于:1.基于相关命题推出通过扩展形状映射系数的定义,可基于映射公式构造形状凸集和其稀疏子集。利用上述子集中的稀疏组合约束输入目标在形状凸集上的投影,可进一步建立基于映射空间的变分稀疏分割模型。论文对结合独立形状分量和非线性核空间的凸形状集研究表明,上述基于映射凸集的变分稀疏形状表示方法具有一定的通用性,该方法也为建立映射空间变分稀疏分割模型提供了一种新的思路。2.结合变分水平集方法、独立形状分量和稀疏形状表示,提出了一种基于稀疏独立分量表示的变分目标分割方法。该方法解决了直接使用独立分量构造稀疏形状组合无法确保重建形状的有效性问题。此外,模型还使用对数极坐标形状代替原始形状,实现了稀疏形状表示模型中的目标自动对齐。通过在独立形状分量张成的空间中构造映射形状集,并迭代求解水平集函数在该形状集上的稀疏表示等方法,解决了利用稀疏独立分量表示模型监督变分目标分割的问题。3.本文结合近期发展起来的“Wake-sleep”优化方法,提出了一种分层分割框架。该框架将能量最小化过程分解为“Wake”和“Sleep”两个阶段,通过“Wake”阶段强化模型对底层图像的表达。同时,通过“Sleep”阶段强化高层能量对输入形状的表示。此外,本文还提出一个对偶连接能量项来平衡“Wake”和“Sleep”阶段的演化。综合上述几项技术,本文构建了一种基于隐含核稀疏形状表示的变分分割模型,该模型解决了非线性核空间中稀疏近邻的搜索问题及利用隐含核形状表示指导底层变分目标分割的问题。4.针对小样本情况下过完备字典形状表示能力弱的缺陷,提出了一种基于映射字典群的变分稀疏分割模型。该模型在传统稀疏表示函数中引入了局部约束项和局部权重系数来实现形状的局部调整。与传统方法相比,新的模型充分挖掘了训练集中的形状信息,大幅提高了基于形状先验的变分稀疏分割模型在小样本情况下的形状表达能力,解决了目标存在局部形变的情况下,现有变分稀疏分割方法无法充分利用训练集样本的局部特征重建目标形状的问题。5.提出了距离约束概率形状和对数极坐标模糊分解两种形状建模方法,改善了传统稀疏组合形变能力不足的问题。其中,基于距离约束的概率形状通过引入距离约束的概念模拟了平均形状普遍存在的“过渡带”特征,拓展了单个形状样本的内涵。基于对数极坐标模糊分解的形状字典生成方法对训练集形状进行了更深层次的分解和挖掘,为小样本情况下构建过完备形状字典群提供了更加丰富的信息,大幅改善了小样本情况下的分割精度。论文在公开数据集和自建数据集上的实验结果表明,上述基于形状先验的变分稀疏分割模型具备较好的分割精度和噪声鲁棒性。(本文来源于《浙江大学》期刊2017-01-19）
杨建功,汪西莉,李虎[2]（2015）在《融合Kernel PCA形状先验信息的变分图像分割模型》一文中研究指出目的基于能量最小化的变分图像分割方法已经受到研究人员的广泛重视,取得了丰硕成果。但是,针对图像中存在的噪音污染、目标被遮挡等情况,则难以正确分割。引入先验形状信息是解决该问题的一个重要方向,但是随之而带来的姿态变化问题是一个难点。传统的做法是在每步迭代过程中单独计算姿态变换参数,导致计算量大。方法在基于Kernel PCA(KPCA)的形状先验模型基础上,提出一种具有内在的姿态不变性的KPCA形状先验模型,并将之融合到C-V变分图像分割模型中。结果提出模型无须在每步迭代中显式地单独计算姿态变换参数,相对于C-V模型分割正确率能够提高7.47%。同时,针对KPCA模型中计算高斯核函数的参数σ取值问题,也给出一种自适应的计算方法。结论理论分析及实验表明该模型能较好地解决先验形状与目标间存在的仿射变化问题,以及噪音、目标被遮挡等问题。(本文来源于《中国图象图形学报》期刊2015年08期）
张硕[3]（2015）在《基于概率图模型和形状先验的图像分割方法研究》一文中研究指出图像分割是计算机视觉和图像工程中非常重要的研究内容,是从图像处理到分析、理解的关键环节。基于概率图模型的图像分割方法为解决图像信息处理中大量存在的不确定性问题提供了坚实的理论基础,并且概率图模型具有非常完善的理论框架,因此得到研究者们持续深入的研究和迅速发展,在计算机视觉、医学、遥感影像处理等领域得到了广泛应用。传统的图像分割方法主要依赖像素的颜色特征,或加上边缘、纹理等低层特征,当图像中目标、背景较为平滑或二者特征易于区分时可以取得较好的分割结果,但是对于存在遮挡、阴影、噪声、背景杂乱或目标与背景特征相似等问题的图像往往很难精确、完整地分割出目标。针对这一问题,本文将形状这种高层的、全局的特征以不同的方式分别引入两种常用的概率图模型——马尔可夫随机场与条件随机场中,利用目标的形状先验信息约束目标边界指导分割,系统地研究了基于概率图模型和形状先验的图像分割方法。本文的主要工作及创新点如下：(1)详细介绍并分析了基于概率图模型和形状先验的图像分割方法的研究现状及其发展动态；概述了概率图模型的相关理论基础,包括研究发展历程、基本概念和类型,以及两种常用的概率图模型——马尔可夫随机场与条件随机场在图像分割中的应用、比较高效的推理算法和模型参数估计方法。(2)提出了一种结合形状先验和边缘一致性约束的马尔可夫随机场图像分割方法。该方法将形状模板所表示的目标边界信息与使用Canny算子提取的图像边缘特征经过距离变换后相结合得到一个较为可靠的一致性目标边界约束,再和颜色特征共同定义分割能量,利用图割推理算法对能量函数进行最小化得到分割结果,实验表明相比于仅利用颜色特征的算法与结合形状先验的算法的分割结果,包含形状先验和边缘一致性约束的方法可以在图像中存在遮挡、阴影、背景杂乱、目标边界不分明或噪声等情况时更为完整地分割出目标,并且该一致性边界约束可以减少单一形状模板对齐后仍可能存在的形状差异的影响。(3)提出了一种结合形状先验的条件随机场图像分割方法。该方法采用水平集中形状距离的离散形式进行形状相似性度量并定义形状先验能量项,通过形状模板与目标形状对齐从而使形状模板提供的形状先验信息具有仿射变换不变性；利用核函数方法估计颜色特征概率分布,可以更准确地对颜色特征建模并减少了参数个数与参数估计时间。该方法给出了包含颜色特征和形状先验的分割能量定义形式,并且条件随机场结构中还包含了图像像素的空间位置信息,使用图割推理算法对整个能量函数进行最小化得到分割结果,实验分别给出了用单一形状模板分割一个目标与分割多个相似的同类目标的结果,表明形状先验的引入能够有效应对图像中存在的噪声或遮挡物干扰、背景复杂、信息缺失、目标与背景特征相似等情况。(本文来源于《陕西师范大学》期刊2015-05-01）
曹冬梅,徐军[4]（2014）在《基于先验形状的混杂活动轮廓模型及其在图像分割中的应用》一文中研究指出提出了一种新颖的基于先验形状学习的混杂活动轮廓(SHAC)模型,该模型采用变分水平集方法,融合自适应区域信息与边界信息,运用主成分分析的方法从给定的含有目标物体轮廓的训练集学习得到最佳形状信息,并将其作为先验形状。将自适应区域特征和轮廓特征作为局部信息,先验形状作为全局信息,在迭代过程中结合全局和局部信息实现对演化曲线的形变进行指导和约束,达到分割目标物体的目的。通过定量和定性地分析低对比度的乳腺核磁共振图像中的乳腺轮廓的分割,以及具有复杂背景的自然图像中感兴趣区域的分割结果,验证了SHAC模型比传统活动轮廓模型具有更高的准确率,表明了该模型不仅提高了图像分割中对弱边界的识别度,减弱了非目标轮廓的干扰,而且具有良好的抗噪能力。(本文来源于《计算机科学》期刊2014年11期）
罗清,林伟,秦文健[5]（2014）在《基于先验形状信息核图割模型的肝脏分割方法》一文中研究指出由于肝脏核磁图像存在边缘模糊、噪声大、灰度分布不均匀等特点,一般分割算法效果不甚理想。为了提高分割效果,提出了一种基于先验形状信息的核图割(kernel graph cuts,KGC)模型。采用区域增长算法在待分割的肝脏区域进行预分割,再用形态学算子进行膨胀腐蚀操作,形成初始分割轮廓;将形状模板集和初始轮廓配准后进行核主成分分析(kernel principle component analysis,KPCA),训练出先验形状信息;在kernel Graph cuts模型的能量函数中融入先验形状信息,并在初始轮廓的基础上进行进一步精确分割。实验结果表明,提出的方法能准确分割出核磁图像中边界模糊、噪声污染大的肝脏边界,且无边界泄露和相似组织误分割等现象。(本文来源于《计算机工程与设计》期刊2014年06期）
葛其睿,张荣国,胡静,刘小君[6]（2014）在《改进的先验形状模型构造及其人脸图像分割》一文中研究指出在处理分割被遮挡、背景与目标灰度相似或数据丢失的目标时,需在CV(Chan and Vese)模型的基础上引入先验形状信息。传统的先验形状项只具有旋转、缩放和平移不变性,针对表情丰富、易产生遮挡的人脸图像,分割结果很不理想。结合形状统计的水平集图像分割做了如下两点工作:(1)在CV模型基础上加入局部剪切和X、Y方向拉伸不变两种特性上,建立了新的数学分割模型;(2)构造新的先验形状能量项,对全局变化和局部变化的人脸图像都能进行平滑快速的演化。实验结果表明本文方法对复杂背景下姿态变化较大的人脸图像,具有较好的分割效果。(本文来源于《太原科技大学学报》期刊2014年03期）
孙建中,熊忠阳,张玉芳[7]（2014）在《隐含先验约束MRF模型的目标形状分割方法》一文中研究指出在形状变化、被遮挡、噪声情况下,存在难以完整分割目标形状的问题。提出一种采用隐含形状约束马尔可夫随机场模型的轮廓分割方法。引入目标的先验形状知识,用水平集符号距离函数隐含表示目标的先验形状模型,以先验形状模型作为约束构造出MRF能量函数;采用graph cut法求解能量函数极小值,利用形状对准和最大流法演化初始轮廓,快速准确地分割出目标的形状。实验结果表明,新方法能有效快速分割带遮挡、噪声以及发生形状变化的目标,增强了形状分割的鲁棒性。(本文来源于《计算机工程与设计》期刊2014年01期）
王昆,贾士军,郎博[8]（2013）在《先验形状约束的水平集分割模型》一文中研究指出传统C-V模型只利用了图像的灰度信息,分割精度不高。本文凭借水平集理论在拓扑结构优化及形状建模方面的优势,以普遍类型的规则建筑物为例,研究如何将人的先验知识融合至水平集框架中,并提出先验形状约束的建筑物目标分割模型,以改善高分辨率遥感影像中建筑物受干扰情况下分割的完整性及准确性。试验证明,该模型分割结果较C-V模型有很大提高,基本能保持与eCognition多尺度分割相近的精度。(本文来源于《测绘通报》期刊2013年06期）
王万玉,杨建功,汪西莉[9]（2014）在《融合形状先验的向量CV模型图像分割算法》一文中研究指出Chan等人提出的向量CV模型尽管解决了传统CV模型无法分割向量值图像的问题,但是向量CV模型对于含有噪声或遮挡物等复杂的图像,无法正确分割目标。针对此问题提出一种融合形状先验向量CV模型。其能量泛函主要包含形状先验项、图像区域信息项以及距离正则项。此能量函数使得主动轮廓和形状先验位置相近时停止演化。该模型所用形状模板可以与目标形状仿射不同,使得算法更加灵活。该模型对含噪以及目标遮挡的图像具有很好的分割效果。(本文来源于《计算机工程与应用》期刊2014年15期）
刘国才,肖茂发,段宣初,余志浩,阳维力[10]（2012）在《集成非线性统计形状先验的M-S图像分割模型》一文中研究指出为克服噪声污染、血管遮挡、光照不均匀、对比度小、个体间差异大等视网膜和视神经细微组织结构医学图像分割中固有的困难,提出了一种集成非线性形状先验的医学图像分割新方法.该方法首先采用非线性的核函数将目标先验形状窄带水平集映射到其核空间,然后在核空间进行主成分分析(PCA),以获取目标形状窄带水平集核空间的基底向量,并据此将目标形状先验知识集成到Mumford-Shah向量值图像分割模型,实现医学图像的分割.不同青光眼病人的视乳头图像分割实验结果表明,该方法能够有效地分割噪声大、对比度小且部分被血管遮挡的各阶段的青光眼病人视乳头图像.(本文来源于《湖南大学学报(自然科学版)》期刊2012年02期）
形状先验模型论文开题报告
（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：
目的基于能量最小化的变分图像分割方法已经受到研究人员的广泛重视,取得了丰硕成果。但是,针对图像中存在的噪音污染、目标被遮挡等情况,则难以正确分割。引入先验形状信息是解决该问题的一个重要方向,但是随之而带来的姿态变化问题是一个难点。传统的做法是在每步迭代过程中单独计算姿态变换参数,导致计算量大。方法在基于Kernel PCA(KPCA)的形状先验模型基础上,提出一种具有内在的姿态不变性的KPCA形状先验模型,并将之融合到C-V变分图像分割模型中。结果提出模型无须在每步迭代中显式地单独计算姿态变换参数,相对于C-V模型分割正确率能够提高7.47%。同时,针对KPCA模型中计算高斯核函数的参数σ取值问题,也给出一种自适应的计算方法。结论理论分析及实验表明该模型能较好地解决先验形状与目标间存在的仿射变化问题,以及噪音、目标被遮挡等问题。
（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。
形状先验模型论文参考文献
[1].姚劲草.基于形状先验的变分稀疏分割模型研究[D].浙江大学.2017
[2].杨建功,汪西莉,李虎.融合KernelPCA形状先验信息的变分图像分割模型[J].中国图象图形学报.2015
[3].张硕.基于概率图模型和形状先验的图像分割方法研究[D].陕西师范大学.2015
[4].曹冬梅,徐军.基于先验形状的混杂活动轮廓模型及其在图像分割中的应用[J].计算机科学.2014
[5].罗清,林伟,秦文健.基于先验形状信息核图割模型的肝脏分割方法[J].计算机工程与设计.2014
[6].葛其睿,张荣国,胡静,刘小君.改进的先验形状模型构造及其人脸图像分割[J].太原科技大学学报.2014
[7].孙建中,熊忠阳,张玉芳.隐含先验约束MRF模型的目标形状分割方法[J].计算机工程与设计.2014
[8].王昆,贾士军,郎博.先验形状约束的水平集分割模型[J].测绘通报.2013
[9].王万玉,杨建功,汪西莉.融合形状先验的向量CV模型图像分割算法[J].计算机工程与应用.2014
[10].刘国才,肖茂发,段宣初,余志浩,阳维力.集成非线性统计形状先验的M-S图像分割模型[J].湖南大学学报(自然科学版).2012