导读:本文包含了灰度不均匀论文开题报告文献综述及选题提纲参考文献，主要关键词:灰度不均匀图像分割,矩形窄带,子轮廓,扩散方程
灰度不均匀论文文献综述
曾笑云[1]（2019）在《灰度不均匀图像的快速分割方法研究》一文中研究指出图像分割是图像跟踪、图像理解的重要基础。航天、医学、生物学、地质学、材料学等研究领域依赖于正确的图像分割。在现实世界中,由于光照、成像设备等原因,造成了图像灰度值分布的不均匀。灰度不均匀现象导致图像边缘模糊不清,容易引起分割结果的不准确。近十年来,灰度不均匀问题是图像分割的研究热点,许多新颖的方法被提出,然而,当处理具有严重强度不均匀性的图像时,这些方法的大多数分割结果可能是不准确的。少数方法如LATE水平集模型具有较强抵抗灰度不均匀的能力,但这些模型的计算代价普遍较高。针对这些问题,本文提出了叁种算法策略,用来提高对度不均匀图像分割的效率和质量。1.提出一种矩形窄带法。传统的窄带法将水平集的计算区域约束在活动轮廓附近的带状区域,从而减少了计算区域的面积,但活动轮廓附近仍然存在许多冗余的计算区域。本文将窄带约束在真正活动的区域,进一步缩小了窄带面积,降低了水平集算法的复杂度。矩形窄带法与LATE模型相结合,在保证分割质量的基础上提高了LATE模型的分割效率。实验表明矩形窄带的面积与传统窄带的面积的比值逐渐减小到0,随着迭代次数增加。表明矩形窄带法有效地减少了冗余计算量。针对灰度不均匀严重程度逐渐递增的10副图像,本文的矩形窄带法与直接窄带法,DTM窄带法,以及不使用窄带的原LATE方法进行了比较。实验表明,直接窄带法和DTM窄带法的分割速度反而慢于原LATE方法。对灰度严重不均匀的图像,直接窄带法和DTM窄带法的分割质量受到了较大影响,而矩形窄带法能够在保持较好分割效果的条件下,提高LATE模型的分割效率。2.提出一种基于LOG响应过零点的快速图像分割方法。该方法将LOG响应的等高线看作子轮廓的集合,对每条子轮廓的平均梯度进行统计。然后设置合理的阈值,剔除平均梯度在阈值一下的子轮廓,得到目标子轮廓集合,即最终的分割结果。该方法能够保证形成封闭的分割区域。平均梯度能够很好的反映区域的强度,使得该方法对灰度严重不均匀图像具有很好的分割效果。实验结果表明,基于LOG响应过零点的快速图像分割方法的分割效率明显优于RSF、LIC、LSACM、LATE等方法,且分割效果与LATE方法相当。另外,该方法不需要初始化,且具有很强的鲁棒性。3.提出一种基于扩散方程的水平集方法。把图像域看作金属薄片。图像信息在图像边缘产生对称的热源和冷源,热量在扩散项的作用下在薄片内部自由扩散。在演化初期,热源和冷源与薄片交换热量,造成薄片内部温度分布不均匀。在演化中期,热源项逐渐趋近于0,在扩散项的作用下,局部较热区域的热量逐渐向局部较冷的区域扩散。最终将目标区域的温度上升到较高水平,背景区域温度下降到较低水平,从而实现目标区域与背景区域的分离。实验表明,本文提出的基于热扩散水平集方法能够快速定位图像边缘,对初始轮廓依赖小。为了评估分割结果,本文方法与其它八种水平集模型进行了JSC值比较。实验表明,该模型的JSC值与专门针对灰度严重不均匀图像而设计的LATE模型相当,且优于其它模型。该方法分割效率明显优于LATE,LSACM,RSF,DRLSE等模型。总之,本文从质量和效率两个方面针对灰度不均匀图像的分割进行了研究,提出了叁种分割方法。其中,矩形窄带法在LATE模型基础上进一步优化了分割效率。基于LOG响应过零点的快速图像分割方法以及基于扩散方程方法则是两种新的分割模型,既能保证很好的分割效果,又在很大程度上提高了分割效率。(本文来源于《湘潭大学》期刊2019-06-03）
潘倩倩[2]（2019）在《基于多尺度水平集的灰度不均匀医学图像分割算法研究》一文中研究指出图像分割是按照图像的纹理、形状、频谱、颜色等特征,把图像分成具有不同意义属性的视觉单元的一种图像处理方法,在医学影像领域有重要的应用价值。比如:肝脏是人体腹腔内最大的一种实质性器官,在肝癌病人CT图像上进行肿瘤靶区的勾画是诊断和手术的必要操作,通常由经验丰富的医生手动完成,但耗时漫长。自动化的肝脏肿瘤靶区分割方法可以帮助医生提高工作效率。水平集方法是图像分割的常用算法。水平集的演化曲线是闭合的,可以较好地收敛到目标边缘。但是,现有的水平集方法通常假设图像灰度在很小的局部区域里是近似均匀的,这一点制约了其在灰度不均匀图像,尤其是CT图像中的分割精度。本研究提出了融入多尺度信息的水平集算法,使得分割曲线在演化过程中不受统一尺度的限制,从而提升对灰度不均匀图像的分割效果。为验证该算法的优越性,我们在叁种肝癌CT图像上进行了系统验证。相对于经典水平集方法(CV和LSACM方法),多尺度方法对于大肿瘤、肝脏内部的小肿瘤以及位于肝脏表面的肿瘤均有良好的分割效果,在一系列评价指标上有统计学显着意义。初始化敏感性实验表明多尺度方法具有一定的稳健性。本研究证明:相较传统水平集方法,多尺度水平集算法实质性的提升了对于灰度不均匀图像的分割效果,具有一定的临床应用价值。(本文来源于《中国科学技术大学》期刊2019-04-01）
叶加青,姜喜春[3]（2019）在《一种多尺度的灰度不均匀图像分割方法》一文中研究指出灰度不均匀是阻碍图像准确分割的一种障碍,在真实图像中灰度不均匀现象经常存在。提出一种多尺度的局部区域型水平集方法,通过设定不同的局部区域,分析各个区域的灰度不均匀和拟合项,然后对其求平均值,再借助水平集方法构建最终的能量泛函。对比实验证明了本文提出方法的有效性,且对于灰度不均匀图像能够得到更准确的分割效果。(本文来源于《安徽师范大学学报(自然科学版)》期刊2019年02期）
朱涵友[4]（2018）在《磁共振图像灰度不均匀校正算法研究》一文中研究指出随着磁共振成像技术的发展,磁共振成像已经广泛应用于疾病诊断和科学研究。但是由于表面线圈接受信号不均匀等原因,目前通过表面线圈扫描的图像普遍存在灰度不均匀现象,这在高场磁共振中表现更为明显。图像的灰度不均匀现象不仅影响图像的进一步处理,如图像的自动分割和配准等,严重的图像灰度不均匀还会影响临床诊断的准确性。近30年来,各种灰度不均匀校正算法陆续被提出。但是大部分算法普遍存在这样一个问题,即图像的均匀性能够得到校正,但是图像原有的组织间对比度被改变,图像信息丢失。本文针对这一问题进行研究,并提出了两种解决方法。1、基于多线圈图像局部区域直方图匹配的灰度不均匀校正方法。体线圈图像具有良好的均匀性和真实图像组织间的对比度,但信噪比比较低。此方法利用低分辨率体线圈图像和同一位置的表面线圈图像局部区域进行直方图匹配,来校正不均匀的表面线圈图像,同时能够保持图像组织间的对比度。2、基于多线圈图像曲面拟合的灰度不均匀校正方法。该方法将灰度不均匀场看作光滑曲面,利用低分辨率体线圈图像和同一位置的表面线圈图像来拟合灰度不均匀场,所校正的图像具有体线圈图像的组织对比度。通过主观和量化分析,本文所提出的方法相比于一些经典的灰度不均匀校正方法不仅具有很好的图像校正效果,而且具有很高的时间效率。(本文来源于《电子科技大学》期刊2018-05-16）
孟宪静,袭肖明,杨璐,尹义龙[5]（2018）在《基于灰度不均匀矫正和SIFT的手指静脉识别方法》一文中研究指出基于手指静脉的身份识别以其方便性和安全性奠定了其在生物特征识别中的优势地位.在手指静脉识别方法中,尺度不变性特征(Scale Invariant Feature Transform,SIFT)虽然普遍被认为效果不佳,但鉴于SIFT在自然图像中取得的良好效果,在分析了手指静脉图像的质量和结构特点之后,设计了一种基于灰度不均匀矫正和SIFT的手指静脉识别方法.首先,根据手指静脉图像对比度低、模糊等特点,利用灰度不均匀矫正增强图像细节;其次,考虑到在尺度不变性特征的匹配过程中,相似特征点的存在也会影响手指静脉识别的性能;第叁,在匹配的过程中,还考虑了潜在的特征匹配点.基于灰度不均匀矫正和潜在特征匹配点的手指静脉识别方法取得了良好的识别效果,在香港理工大学手指静脉库(PolyU Finger Vein Database)上六折交叉验证的等错误率(Equal Error Rate,EER)从0.0358降低到了0.0006,表明了方法的有效性.(本文来源于《南京大学学报(自然科学)》期刊2018年01期）
刘肖[6]（2017）在《几何活动轮廓模型对灰度不均匀图像局部分割研究》一文中研究指出随着电子和计算机技术以及图像采集技术的快速发展,图像处理技术的应用得到了极大的重视。图像分割是图像处理中的一种关键技术,其目的就是把图像分成具有不同特征的区域并提取感兴趣的目标。基于能量的分割方法是在活动轮廓模型基础上发展起来的一种算法,其通过定义一个自变量包括边缘曲线和区域数据项的能量泛函,当能量达到最小时的曲线位置就是目标的轮廓所在。本文主要开展采用水平集方法实现灰度不均匀图像局部分割中的几何活动轮廓模型应用研究,主要研究内容如下。针对仅采用全局能量项和局部能量项拟合的能量函数模型无法快速准确地分割灰度不均匀图像的问题,提出了将全局项(CV模型)和局部项(LGDF模型)通过自适应系数加权构造目标能量函数的局部分割算法。在算法初期,全局项起主导作用,引导曲线向目标轮廓靠近,当曲线接近目标轮廓,局部项起主导作用,引导演化曲线进一步靠近目标轮廓;以演化曲线上各点局部邻域内部灰度均值与演化曲线内部整体灰度均值的差的绝对值的均值作为权重系数,可以实现全局项和局部项之间的自适应调整,使能量函数更好地适应图像分割。针对基于梯度和基于曲率等经典方法构建窄带都存在窄带控制不稳定和曲线进化精度不足的问题,提出了一种基于粒子群的阈值分割构建窄带的方法。该方法通过改变形态学算子半径大小控制窄带的宽度,不仅提高了窄带的稳定性,还可以优化了曲线进化的能量计算区域,大大提高了进化精度和效率。(本文来源于《山东大学》期刊2017-11-24）
卓永,杨辉华,高春洋,刘振丙[7]（2017）在《分割灰度不均匀图像水平集算法的CUDA实现》一文中研究指出图像分割是图像处理中的重要一步,然而图像容易受到空间光照等因素的影响使得图像灰度不均匀,而传统的基于区域的水平集方法在灰度不均匀时分割效果较差。为了提高图像分割效果,将空间聚类信息引入到传统的水平集方法中可以取得较好的分割效果。但是水平集方法计算量大、实时效果差,限制了其应用范围。利用NVIDIA的CUDA平台将算法并行实现,有效地提高了算法的运行效率。文中利用CUDA的线程模型、共享内存等存储器将聚类中心计算、曲线演化计算和偏置域计算并行实现,并在灰度不均匀的CT图像和植物叶片图像上进行分割实验,相比于CPU上的串行实现,并行后的分割速度得到明显增加。(本文来源于《计算机仿真》期刊2017年11期）
孙伟毓[8]（2017）在《基于水平集的灰度不均匀图像分割算法研究》一文中研究指出图像分割技术是图像处理领域中的一项重要研究内容,也是图像分析与目标识别的重要步骤。迄今为止,国内外学者提出了多种图像分割方法,然而由于图像的复杂性和多样性,图像分割依然是一项重要而富有挑战性的研究课题。在所有的图像分割算法中,基于曲线演化理论的水平集算法是受到了极大的关注。其利用了轮廓曲线动态演化的思想,并且具有严谨的数学理论基础,能够解决很多其他分割方法难以解决的问题。本论文深入研究了一些经典的水平集模型,针对存在的缺陷和不足提出了一些改进,并最终能够获得理想的分割效果。具体的研究工作如下:(1)针对边缘型水平集模型对曲线初始轮廓比较敏感的问题,给出了一种基于空间模糊聚类的边缘型水平集分割模型。首先采用空间模糊聚类算法对图像预分割,然后根据预分割的结果对边缘型水平集演化模型中水平集函数进行初始化,并加入使用双阱势函数的距离规则项来避免在演化过程中水平集函数周期性初始化的问题。该算法引入了图像空间域信息,克服了初始轮廓与参数均需要手动设定的缺点,并由于确定的初始位置,有效缓解了边缘型模型对初始轮廓敏感的问题,使得分割结果更加准确。通过边界十分模糊的乳腺肿块图像对该算法进行验证。经过试验验证该算法能够自动初始化并正确分割图像。(2)针对LBF模型对初始轮廓比较敏感且容易陷入局部最优的问题,给出了一种引入全局信息的局部区域型水平集分割模型。该模型将提供全局信息的C-V模型和提供局部信息的LBF模型通过局部熵结合起来,构建能量泛函,同时给出水平集演化的理论推导和数值求解。有效解决了 LBF模型对轮廓初始化敏感且容易陷入局部最优的问题,同时也可以解决C-V模型不能处理灰度不均匀图像的问题,并且可自动设置权重。最后通过灰度不均匀图像验证该算法的有效性。(3)针对LIC模型对图像修正的偏置场没有实质性约束(偏置场平滑且缓慢变化),导致偏置场修正结果以及图像分割结果不是十分理想的问题,给出了一种基于乘法优化的局部聚类水平集图像分割模型。通过一组平滑的线性基函数对偏置场进行拟合,以在理论上保证偏置场的光滑性。将图像分割与偏置场修正融合在一个能量泛函框架中,并给出水平集演化方程的理论推导和数值求解。该算法有效提高了 LIC模型的分割精度,并对偏置场进行了约束。最后通过合成图像与医学灰度不均匀图像进行试验,验证了该算法的有效性。(本文来源于《大连海事大学》期刊2017-06-01）
李孟晓,安庆浩[9]（2016）在《光照不均匀图像灰度校正方法的再分析》一文中研究指出光照不均匀所引起的不佳图像视觉效果给后续观测和处理都带来了不小的麻烦。人们提出了一些校正方案。针对基于方差归一化的图像光照均衡化方法中出现的校正过度、容易强化噪声等问题,提出了保持方差相对大小不变的光照不均匀的校正方法。计算结果表明,新方法使得图像的校正效果更佳。(本文来源于《信息技术与信息化》期刊2016年09期）
杨松,黄思煜,胡炜,罗培,罗浩元[10]（2016）在《改进GAC模型对深度凹陷、灰度不均匀和弱边界图像的分割方法》一文中研究指出针对图像分割中经典GAC模型无法准确分割深度凹陷、灰度不均匀的目标和容易穿越弱边界的问题,提出了改进的GAC模型。利用图像Renyi熵、图像灰色关联度、图像的局部方差信息构造新能量函数,扩大经典GAC模型的边界检测能力。仿真结果表明,改进模型在减少分割时间的同时能够成功分割出目标深度凹陷部分,对弱边界、目标灰度不均匀或背景灰度不均匀也有较好的收敛效果,其分割效果不仅优于CV模型,也优于CV模型的两个最新改进模型(LBF和GACV)。(本文来源于《光学技术》期刊2016年05期）
灰度不均匀论文开题报告
（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：
图像分割是按照图像的纹理、形状、频谱、颜色等特征,把图像分成具有不同意义属性的视觉单元的一种图像处理方法,在医学影像领域有重要的应用价值。比如:肝脏是人体腹腔内最大的一种实质性器官,在肝癌病人CT图像上进行肿瘤靶区的勾画是诊断和手术的必要操作,通常由经验丰富的医生手动完成,但耗时漫长。自动化的肝脏肿瘤靶区分割方法可以帮助医生提高工作效率。水平集方法是图像分割的常用算法。水平集的演化曲线是闭合的,可以较好地收敛到目标边缘。但是,现有的水平集方法通常假设图像灰度在很小的局部区域里是近似均匀的,这一点制约了其在灰度不均匀图像,尤其是CT图像中的分割精度。本研究提出了融入多尺度信息的水平集算法,使得分割曲线在演化过程中不受统一尺度的限制,从而提升对灰度不均匀图像的分割效果。为验证该算法的优越性,我们在叁种肝癌CT图像上进行了系统验证。相对于经典水平集方法(CV和LSACM方法),多尺度方法对于大肿瘤、肝脏内部的小肿瘤以及位于肝脏表面的肿瘤均有良好的分割效果,在一系列评价指标上有统计学显着意义。初始化敏感性实验表明多尺度方法具有一定的稳健性。本研究证明:相较传统水平集方法,多尺度水平集算法实质性的提升了对于灰度不均匀图像的分割效果,具有一定的临床应用价值。
（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。
灰度不均匀论文参考文献
[1].曾笑云.灰度不均匀图像的快速分割方法研究[D].湘潭大学.2019
[2].潘倩倩.基于多尺度水平集的灰度不均匀医学图像分割算法研究[D].中国科学技术大学.2019
[3].叶加青,姜喜春.一种多尺度的灰度不均匀图像分割方法[J].安徽师范大学学报(自然科学版).2019
[4].朱涵友.磁共振图像灰度不均匀校正算法研究[D].电子科技大学.2018
[5].孟宪静,袭肖明,杨璐,尹义龙.基于灰度不均匀矫正和SIFT的手指静脉识别方法[J].南京大学学报(自然科学).2018
[6].刘肖.几何活动轮廓模型对灰度不均匀图像局部分割研究[D].山东大学.2017
[7].卓永,杨辉华,高春洋,刘振丙.分割灰度不均匀图像水平集算法的CUDA实现[J].计算机仿真.2017
[8].孙伟毓.基于水平集的灰度不均匀图像分割算法研究[D].大连海事大学.2017
[9].李孟晓,安庆浩.光照不均匀图像灰度校正方法的再分析[J].信息技术与信息化.2016
[10].杨松,黄思煜,胡炜,罗培,罗浩元.改进GAC模型对深度凹陷、灰度不均匀和弱边界图像的分割方法[J].光学技术.2016