一、一种新的基于像素交迭的图像插值方法（论文文献综述）
李忠平,李学军,戴广凯,张茂辉[1]（2021）在《DEM数据拼接对重力地形改正的影响及效果》文中研究表明数字高程模型（Digital Elevation Model,DEM）在中大比例尺重力地改中广泛应用,但对于数据处理中的多种插值算法的有效融合,并提高精度和处理速度,一直没有得到有效解决.基于ArcGIS10、GeoIPAS3.0、Geosoft的DEM拼接所用插值方法各异,插值精度各有差别,Suffer8在数据拼接时有最近邻居插值法、双线性插值法、立方卷积插值法三种插值方法,有Average、Begin、Last、Minimum、Maximum六种交迭方法.本文提出一种基于改进的双线性插值法DEM数据拼接方法,与Suffer8双线性插值法运算方法相比,处理精度更高,并有效规避了离差点缺陷.将其用于山东省栖霞市臧家庄幅1:5万重力中区地改,证明该方法处理效率更高,快速精确.
吴晶晶,王柯,和森[2]（2016）在《大气PM2.5颗粒的图像分析研究》文中研究指明基于对空气中PM2.5颗粒群图像特征分析,通过图像处理的方法,将图像中的颗粒进行分割,再采用八连通判别算法识别、标记这些颗粒物,测量出颗粒物的数目及大小,并在Matlab 7.0软件平台上实现了标记颗粒物和测量颗粒物粒径的算法,这种处理与识别方法不受颗粒形状的影响,为PM2.5等微米级颗粒材料的图像分析提供了参考。
侯广峰[3]（2013）在《CUDA的图像分割并行算法的设计与实现》文中研究说明图像分割是计算机视觉领域中一个重要的图像技术,是对图像进行分析、识别和理解的基础,无论在理论研究还是实际应用中都得到了人们的广泛重视。然而,现有的图像分割算法较多采用的是串行处理的方式,具有迭代次数多、运算效率低等缺陷,很难满足实际工程的需求。因此,本文主要研究内容就是使用数据的并行处理来提升图像分割算法的效率。近年来,GPU由于其强大的通用并行计算能力而备受关注,经常被应用于图像处理的研究中。与此同时,NVIDIA公司统一并行计算架构CUDA,这种架构是基于GPU的。在CUDA的平台上可直接用C、C++等编程语言进行程序开发,并且可以直接对GPU的硬件资源进行访问,充分发挥显卡的大规模并行计算能力,为开发者开发可平滑扩展的并行程序提供便利的条件。上述因素促使我们考虑在CUDA架构上实现对图像分割算法的并行化。本文的主要工作包括以下几点：首先,对本文研究基础和相关技术进行了介绍。归纳总结了现有的图像分割技术,对现有图像分割技术的优势和缺陷进行了分析,指出了亟待解决的问题和改进的方向。介绍了基于CUDA平台的GPU高性能运算技术,对CUDA的软硬件结构和编程模型进行了详细的说明。其次,针对图像分割串行算法的问题,提出了一种适用于CUDA架构的图像分割并行算法。该算法主要是根据现有的区域生长算法进行改进,利用分而治之的思想,采用块内迭代和块间合并相结合的方式减少迭代次数,将原来的串行算法进行并行化改造。另外,结合CUDA的特点和优势,提出了若干优化策略,以使该并行算法适用于CUDA架构,并达到更好的执行效率和效果。最后,介绍了图像分割并行算法在CUDA上的具体实现。对算法流程、程序结构和主要模块的设计进行了详细的说明。以图表的形式展示了实验数据和实验结果,并对实验结果进行了详细的分析和总结。实验结果证明,与OpenCV实现的cvBlob算法相比,本文提出的图像分割算法具有较高的效率。
王宇[4]（2010）在《全景成像的计算机重构技术研究》文中研究表明全景成像技术（Integral Imaging,Ⅱ）是一种新型三维图像技术,它利用微透镜阵列来记录、显示全真的三维场景。这种技术在不需要任何观察设备的情况下,在空间上再现了三维图像,而且不需要辅助光源显示立体图像,能给观察者提供连续视点、全视差的真实的立体图像,克服了眼睛集中适应性调节冲突问题。因为全景成像技术具有上述优点,所以它吸引了越来越多的科技工作者和公司的重视,成为三维图像领域内的研究热点,但全景成像系统的重构图像分辨率较低一直是影响该技术发展的主要问题之一。在解决全景成像系统重构分辨率低的问题时,一般有两类方法：基于光学的方法和基于计算机的重构算法的改进。本文在现有的全景成像系统条件下,重点研究了如何根据全景成像特点,利用计算机改进重构算法,从而提高重构图像的分辨率。本文首先总结了目前存在的几类三维立体显示技术以及各自特点,并对全景成像技术的基本理论进行了分析,包括全景成像技术的工作原理、性能指标和全景成像系统的分类。接着,论文探讨了重构图像的分辨率限制问题,分析了Ⅱ分辨率的计算、衍射效应和聚焦误差对分辨率的影响等问题。在介绍了目前采用的改善重构分辨率的光学方法之后,本文对传统的计算机重构三维物体的方法进行了总结和实验。同时,重点研究了全景图像的去噪过程,根据全景图像的特点,提出一种基于元素图像的局部去噪方法,这种方法在取得与传统技术相同的去噪效果的同时,还能保持元素图像之间边界的清晰度,对全景图像的后续处理非常有利。通过改进重构算法来提高重构图像分辨率的方法不需要机械运动和额外设备,更具有灵活性和可行性。本文提出了一种基于相似像素块平滑过渡的图像后处理方法,使用该方法处理后,属于同一个灰度值变化平缓区域内的相邻像素块的灰度值就能平滑过渡,这样的图像后处理过程既缓解了像素块间的灰度不连续性,又能保持重要的边缘信息,改善了重构图像的视觉效果。另外,本文又提出一种改善计算机重构图像视觉质量的方法,该方法利用3D空间的物体部分在每个元素图像中形成的匹配区域的纹理特征,从两个相邻的元素图像中的匹配区域提取出多个像素,经过加权计算重构出相应的图像区域。该方法与传统的计算机重构方法相比,提高了图像分辨率,改善了重构图像的视觉质量。最后本文对图像的超分辨率重构技术进行了研究,提出将超分辨率处理技术引入到重构的视图序列的后处理过程中,并设计了单幅视图和多幅连续视图的超分辨率处理的方法。同时,文中对提出的各种算法进行了仿真实验,得到了较理想的结果。
易成龙[5]（2009）在《一种基于灰度相关性和特征点的SAR图像配准方法》文中认为合成孔径雷达（SAR）是一种全天候、全天时的高分辨率微波遥感成像雷达,它在很多领域都获得了越来越广泛的应用。对于多幅SAR图像的融合,由于系统使用的波段不同造成的图像质量差异,及探测位置不同造成的同一场景图像之间的尺度、旋转、平移等变化,给图像融合带来了很大的干扰,所以配准工作就成为了SAR图像融合的一个重要前提。由于对SAR图像进行融合的需求,配准技术已经成为SAR图像处理领域一个崭新的研究方向,虽然还不是很成熟,但是受到了国内外的重视。由于SAR系统成像过程的复杂,SAR图像本身的特点多种多样和人们对图像配准精度要求的提高,仅用考虑一类方法的图像配准已经不能解决现实问题了。通过对图像配准技术广泛而深入地研究和对具体问题认真地实验分析,针对同一SAR系统的多幅灰度图像的配准问题,本文提出了一种结合灰度相关性和特征点的SAR图像配准方法。本文的主要工作有:1.针对研究问题的应用背景,充分考虑了基于灰度和基于特征两类方法在SAR图像配准过程中的优缺点,提出了一种由粗到精的配准方法,较好的弥补了两种方法各自的局限性。2.利用基于灰度相关性的图像匹配准则,提出了一种人工选择基准点的SAR图像粗配准方法,能够快速准确的估计图像的旋转角度,为精确配准提供了基础。3.在粗配准的基础上,针对SAR图像灰度信息复杂和噪声干扰严重等问题,提出了基于特征点的精确配准方法。利用边缘检测降低噪声对特征点提取的干扰,利用图像互信息进行特征点的匹配筛选,最后利用互相关系数和插值对匹配点进行精确估计。本文还做了大量的仿真实验,检验了配准方法的稳定性和精确性,通过各种数据表明配准效果是比较好的。
薛健,田捷,戴亚康,陈健[6]（2008）在《海量医学数据处理框架及快速体绘制算法》文中进行了进一步梳理设计并实现了一套针对海量数据的处理和分析算法框架,并将其融入实验室早先开发完成的医学影像算法研发平台MITK（medical imaging toolkit）中,真正建立起一个海量医学影像数据的处理平台,并在此基础上研究了针对海量数据的基于光线投射和三维纹理的快速体绘制算法,提出了一种半自适应分块的方法对原始数据进行分块,在不对分块速度产生太大影响的基础上得到了更好的分块结果,同时使用图形硬件来进一步加速整个算法的绘制流程.实验结果表明了该平台和算法对于海量医学数据处理和可视化的有效性.
张祥光[7]（2009）在《图像超分辨率重构算法及其在水下图像中的应用》文中认为水下目标探测是发展海洋工程，进行海洋研究与开发的重要手段，一直是海洋探测的重要课题。它不但对国民经济具有很大的推动作用，而且在国家安全上也具有重要的意义。如何解决在水下环境中对目标进行高分辨率成像，一直是海洋领域重要的研究内容。针对这些问题，本文将图像超分辨率重构技术应用于水下图像处理中，以期解决水下图像分辨率较低的问题。图像及视频序列的超分辨率重建，是近年来图像处理领域的一个研究热点，不仅在理论上具有重要意义，在实用中也有迫切需求。本论文的主要工作围绕基于水下降质模型的图像及视频序列的超分辨率重建展开，具体内容包括：（1）水下降质模型的建立。主要讨论了两种水体PSF的建立方法，第一种是理论推导的方法，重点针对非相干光照明方式，通过测得的水体abc参数，建立水体解析式的PSF，其中非相干光照明可建立解析式PSF表达式，而相干光照明目前仍停留在原理分析阶段，无法得到具体的解析式PSF表达式，可作为下一步工作的重点；第二种是实验的方法，由于最终得到的水下数据是PSF和噪声共同作用的结果，所以在构造PSF矩阵前应先进行滤除噪声，然后再利用实验数据获取PSF矩阵，这里针对相干光和非相干光两种不同的照明方式可以获得特定水体的PSF矩阵，用以后续的数据恢复。（2）图像数据预处理。针对水体吸收和前向散射导致图像对比度下降、后向散射导致图像模糊以及光电设备引入的噪声等问题，提出了：（a）在水体PSF指导下的逆滤波消模糊算法；（b）保细节的图像亮度调整算法；（c）基于噪声特征的非线性除噪算法。该预处理部分主要为后续超分辨率重构提供尽可能好的低分辨率图像源；（3）单帧图像的超分辨率重构。主要讨论了三个方面的内容：（a）针对图像中奇异点对重构效果造成巨大影响这一问题，通过引入PCNN的简化模型ICM奇异点快速检测机制对图像中的非高斯奇异点进行检测；（b）针对ICM检测器检测出奇异点的特征，构造了改进的极值中值非线性滤波器，对非高斯奇异点进行处理；（c）在插值重构方面，针对图像中的高频细节和低频平坦区域分别采用不同的插值算法，对传统插值算法进行了改进；（4）多帧图像的超分辨率重构。主要分为两部分：第一部分讨论了频域中的图像配准算法，主要针对频谱部分混叠现象，借助于非混叠低频信息中含高频分量的先验信息进行频域配准；第二部分着重研究了基于改进Keren配准算法的空域重构方法和极大似然估计重构中的改进最速下降法，前者针对Keren算法基于小角度的泰勒级数展开所带来的配准误差，提出了一种基于六参数仿射变换的改进Keren算法，该算法相比原始算法的刚体模型能够在大角度偏移情况下获得更精准的配准效果；后者为超分辨率重构算法实时性的实现提供了一种思路。
边疆[8]（2008）在《静态闭合条纹的处理方法研究》文中提出光学干涉计量方法在光学测量中有广泛的应用。本文针对闭合干涉条纹的处理,研究了基于坐标变换的条纹中心法和二维FFT法的算法及关键技术。基于坐标变换的条纹中心法将笛卡尔直角坐标系下的闭合条纹利用亮度插值的方法转换为极坐标系下的非闭合条纹,然后利用二值化、细化算法提取出黑条纹中心点的位置,并将这些采样点经逆变换映射回原直角坐标系,经分析得到与之对应的相位值,从而实现了对闭合干涉条纹位相调制。研究了二维FFT处理闭合干涉条纹的算法。为了解决包裹位相图的突变问题,采用在频域中的四个不同方向的低通矩形滤波器滤波后的图像,通过拼接的方法得到正确的包裹位相分布,以实现对闭合干涉条纹的处理。根据上述原理编写了程序,利用计算机进行了仿真,两种方法的位相调制误差均小于λ/10。使用本文所编制的程序对一个光学镜头的实际干涉图进行了分析处理,并将其与ZYGO干涉仪对同一镜头的测试结果进行了比对,结果吻合。最后对基于坐标变换的条纹中心法和二维FFT法处理闭合干涉条纹进行了相关应用的研究,给出了实验结果。
闫华[9]（2007）在《基于重构的超分辨率技术研究》文中研究表明在医学诊断、卫星成像和视频监控等应用中，我们经常需要高分辨率图像提供更多的细节和信息。由于CCD和CMOS传感器的分辨率级不够高，采集的图像在放大时经常容易产生失真。如果我们单纯通过改进硬件系统的性能来提高分辨率级，在技术方面很难实现突破，同时也会带来难以承受的成本增加，会严重阻碍应用的推广，所以通过软件增强采集图像的分辨率，突破硬件系统的限制具有非常大的研究意义。超分辨率技术是一种图像融合技术，它能够利用信号处理的方式从同一场景的多个观测低分辨率图像中获得高分辨率图像或序列，从而克服传感器和光学制造技术的限制。目前，这一分辨率增强技术已经成为最活跃的研究领域之一。本论文从低分辨率成像的数学模型出发，回顾了基于重构和基于学习的超分辨率算法，并进行系统分析和研究，最后提出了一些解决超分辨率问题的方案。主要成果概括如下：1．提出了基于边缘投影的图像配准方案。本论文利用Canny算子能同时照顾图像的强、弱边缘，具有较好的抗噪性能，较高的边缘定位精度和较低的误检率等特点，将它作为边缘提取算子来提取参考图像和待配准图像的边缘。然后利用Radon变换将提取的边缘在不同的射线方向上进行投影，来准确地反映边缘走向，采用边缘投影的最大互相关准则进行图像的粗配准，获得图像间的旋转角和像素级的平移量。最后进一步利用数据拟合的方法对平移估计进行细化，配准的精度由细化的重采样间隔确定；2．提出了考虑图像配准误差的规整化超分辨率重构算法。a．由于图像的配准并不能完全获得与原始运动一样的参数，在超分辨率问题中，本论文将位移帧差引入的误差称之为配准误差，用来反映交互通道的配准误差信息，并将其作为噪声均值与低分辨率观测通道内的加性高斯噪声相结合得到新的高斯噪声。b．本论文基于Miller规整的思想逐像素限定了两种约束，并通过规整化参数将这两种约束相结合，构造规整化代价函数。规整化参数根据观测通道内的加性高斯噪声污染的程度和通道间配准误差逐像素进行选择，自适应地控制相对于观测低分辨率图像的逼真度和期望的高分辨率图像的先验平滑之间的折中。c．本论文提出了两种递归实现规整化算法的方案：同步递归和并行递归方案重构高分辨率图像。d．本论文在消除光学模糊的同时提出对有限传感器阵列的平滑和理想采样分别处理来消除传感器的平滑。图像的上采样操作利用最邻插值代替补零插值来抑制边缘波纹。3．提出了基于误差-参数分析的超分辨率盲辨识方案。a．在单通道参数辨识中，本论文通过误差-参数分析获得单通道的误差-参数曲线，根据曲线的变化趋势来经验地选择表征模糊函数的参数；b．在多通道单参数辨识中，由于通道间重构误差的交互影响，本论文将误差-参数分析与搜索算法相结合，根据最小重构误差准则获得需辨识的参数。搜索算法的结合有效降低了计算量，实现模糊参数的快速辨识；4．提出了基于独立分量分析的超分辨率人脸假想和识别方案。将高分辨率人脸图像作为混迭信号，利用FastICA算法对大量高分辨率人脸样本进行学习获得独立的人脸特征，即高分辨率基图像。将高分辨率基图像进行下采样获得近似独立的低分辨率基图像。将待识别的低分辨率人脸图像在低分辨率基图像空间投影，利用无约束最小二乘获得投影坐标，保持投影坐标不变，将其作为相应的高分辨率基图像的混迭系数，最后进行高分辨率人脸的假想和识别。综上所述，本文针对基于重构的超分辨率问题的三个方面：图像配准、将病态的超分辨率问题转化为良态的规整化及盲模糊辨识三个方面进行了研究；将独立分量分析运用到基于学习的超分辨率中，实现了超分辨率人脸假想与识别。论文最后总结了该领域急待解决的问题和下一步的研究重点。
李云松[10]（2007）在《改进的模糊C-均值聚类对噪声图像的分割》文中研究指明图像分割的研究自20世纪70年代起一直受到人们的高度重视，是图像技术研究的热点和焦点。图像分割在实际中已得到广泛的应用，几乎涉及有关图像处理的所有领域，应用于这种类型的图像。图像分割通常是为了进一步对图像进行分析、识别、跟踪、理解、压缩编码等，分割的准确性直接影响后续任务的有效性，具有十分重要的意义。模糊C-均值（FCM）聚类分割算法是基于对模糊目标函数的优化基础上的一种数据聚类方法，主要目的在于将向量空间的样本点按照某种距离度量划分成c个子空间，聚类的结果特征是一个数据对聚类中心的隶属程度，该隶属度用一个数值来表示。但是FCM聚类算法本身也存在一定的缺陷。一方面FCM的抗噪功能或者说鲁棒性较差，利用FCM算法进行图像分割时仅利用了灰度信息，而没有考虑像素的空间信息，因而分割模型是不完整的，造成FCM算法只适用于分割噪声含量很低的图像。另一方面，FCM聚类分割方法容易造成对图像的过分割。本文从图像像素的空间信息和灰度关联性对图像进行分割，主要涉及两个方面的内容：一提出一种改进的FCM聚类算法。在快速的FCM聚类的基础上，运用邻域像素的灰度相似度和聚类分布统计来构造新的隶属函数，对图像进行聚类分割。该方法不仅有效地抑制了噪声和伪斑点的干扰，而且把错分类的像素很容易的纠正过来。对三种类型的含噪图像的实验结果表明该方法对噪声具有很强的鲁棒性和对像素聚类的正确性。二对低对比度噪声图像进行分割。首先去除噪声、增强对比度，运用了粗集理论的分类知识，对图像进行合理的分类，有效滤除图像噪声的同时，保留了图像的弱边缘细节。对边缘两侧的像素进行局部的模糊增强，视觉效果得到了明显的改善。然后用快速的FCM聚类算法和同组原理相结合的方法对增强的图像进行分割，和FCM聚类算法进行比较，图像没有出现过分割的现象，取得很好的分割效果。
二、一种新的基于像素交迭的图像插值方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、一种新的基于像素交迭的图像插值方法（论文提纲范文）
（1）DEM数据拼接对重力地形改正的影响及效果（论文提纲范文）
| 0 引 言 |
| 1 双线性插值法 |
| 2 改进的双线性插值法 |
| 3 DEM数据拼接方法及精度分析 |
| (1)DEM数据格式转换 |
| (2)DEM数据拼接 |
| 4 应用效果对比 |
| 5 结论与讨论 |
（2）大气PM2.5颗粒的图像分析研究（论文提纲范文）
| 1 PM2.5显微图像的预处理与分割 |
| 1.1 自适应阈值分割 |
| 1.2 中值滤波 |
| 1.3 与运算 |
| 1.4 Canny边缘检测 |
| 1.5 孔洞填充 |
| 1.6 开操作 |
| 2 颗粒数目 |
| 3 颗粒大小 |
| 3 实验结果 |
| 4 结束语 |
（3）CUDA的图像分割并行算法的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 图像分割算法 |
| 1.2.2 区域分割算法 |
| 1.3 GPU高性能并行计算 |
| 1.4 本文研究内容和主要工作 |
| 1.5 本文组织结构 |
| 2 基于CUDA平台的GPU高性能并行计算 |
| 2.1 CUDA及GPU简介 |
| 2.2 CUDA软件体系 |
| 2.3 CUDA硬件体系 |
| 2.4 CUDA编程模型 |
| 2.4.1 主机与设备 |
| 2.4.2 kernel函数定义与调用 |
| 2.4.3 线程结构 |
| 2.4.4 执行模型 |
| 2.4.5 存储器结构 |
| 2.4.6 程序基本框架 |
| 3 图像分割算法的并行设计 |
| 3.1 区域分割算法概述 |
| 3.2 算法描述与分析 |
| 3.2.1 算法描述 |
| 3.2.2 算法实现及程序流程图 |
| 3.3 并行算法设计 |
| 3.3.1 并行设计思想及程序描述 |
| 3.3.2 并行算法改进 |
| 3.3.3 并行策略 |
| 4 数据结构设计及实现 |
| 4.1 数据结构简介 |
| 4.2 核心函数设计 |
| 4.2.1. gpipInitLabelPerBlock_Kernel |
| 4.2.2. gpipMergeBorders_Kernel |
| 4.2.3. gpipComputeArea_Kernel |
| 4.2.4. gpipAreaAnalysis_Kernel |
| 4.2.5. gpipReIndex_Kernel |
| 5 实验测试及性能分析 |
| 5.1 实验测试 |
| 5.1.1 实验平台 |
| 5.1.2 实验依据 |
| 5.1.3 实验结果 |
| 5.2 性能分析 |
| 5.2.1 测试方案 |
| 5.2.2 三种改进策略效果验证 |
| 5.2.3 性能评价 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）全景成像的计算机重构技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 三维显示技术概述 |
| 1.2 全景成像技术 |
| 1.3 课题的选题依据、研究思路和主要创新点 |
| 1.4 论文的主要研究内容和组织结构 |
| 第二章 三维立体显示技术 |
| 2.1 立体视觉的形成 |
| 2.2 立体显示技术分类 |
| 2.3 本章小节 |
| 第三章 全景成像技术的理论框架 |
| 3.1 全景成像技术的工作原理 |
| 3.2 全景成像技术的发展历史 |
| 3.3 全景成像技术的性能指标 |
| 3.4 全景成像系统的分类 |
| 3.5 本章小节 |
| 第四章 全景成像系统重构图像的分辨率 |
| 4.1 重构图像的分辨率 |
| 4.2 改善重构图像分辨率的光学方法 |
| 4.3 本章小节 |
| 第五章 全景成像的计算机重构 |
| 5.1 全景成像的计算机重构原理 |
| 5.2 计算机重构图像质量评价 |
| 5.3 传统的全景成像计算机重构方法 |
| 5.4 非周期性提取像素的计算机重构 |
| 5.5 全景图像的去噪 |
| 5.6 本章小节 |
| 第六章 提高全景成像重构分辨率的计算机技术 |
| 6.1 基于透镜阵列模型的计算机重构 |
| 6.2 立体匹配像素的计算机重构 |
| 6.3 基于相似像素块平滑过渡的图像后处理 |
| 6.4 基于匹配区域纹理信息的计算机重构 |
| 6.5 本章小节 |
| 第七章 全景图像的超分辨率重构 |
| 7.1 超分辨率重构的概念 |
| 7.2 超分辨率重构的理论基础 |
| 7.3 超分辨率重构图像的方法 |
| 7.4 多帧图像超分辨率重构中的配准算法 |
| 7.5 全景图像的超分辨率重构 |
| 7.6 实验结果与分析 |
| 7.7 本章小节 |
| 第八章 总结与展望 |
| 致谢 |
| 参考文献 |
| 发表论文和参与科研项目情况 |
（5）一种基于灰度相关性和特征点的SAR图像配准方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 图像配准简介 |
| 1.2 发展历史和研究现状 |
| 1.3 SAR图像配准的研究背景 |
| 1.4 本文的主要工作安排 |
| 第二章 图像配准的基本理论 |
| 2.1 图像配准的基本原理 |
| 2.1.1 数学定义 |
| 2.1.2 变换模型 |
| 2.1.3 插值与重采样 |
| 2.2 图像配准的基本方法 |
| 2.2.1 基于灰度信息的图像配准 |
| 2.2.2 基于变换域的图像配准 |
| 2.2.3 基于特征的图像配准 |
| 2.3 本章小结 |
| 第三章 基于灰度相关性的SAR图像粗配准 |
| 3.1 灰度相关性匹配准则 |
| 3.2 SAR图像粗配准过程 |
| 3.3 实验与分析 |
| 3.3.1 旋转与尺度变换对粗配准的影响 |
| 3.3.2 基准点对粗配准的影响 |
| 3.4 本章小结 |
| 第四章 基于特征点的SAR图像精确配准 |
| 4.1 特征点的提取 |
| 4.1.1 SAR图像的边缘检测 |
| 4.1.2 Harris特征点提取 |
| 4.2 特征点的匹配 |
| 4.2.1 同名特征点的筛选 |
| 4.2.2 亚像素级精确匹配 |
| 4.3 仿射变换参数求解 |
| 4.4 SAR图像配准的流程 |
| 4.5 实验与分析 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的科研工作 |
（6）海量医学数据处理框架及快速体绘制算法（论文提纲范文）
| 1 背景介绍 |
| 2 相关工作 |
| 3 海量医学影像数据处理算法框架的设计和实现 |
| 3.1 计算框架的设计 |
| 3.2 海量数据的存取 |
| 3.3 可视化算法框架的设计 |
| 4 海量医学影像数据快速体绘制算法 |
| 4.1 基于光线投射的海量数据体绘制算法 |
| 4.2 基于三维纹理的海量数据体绘制算法 |
| 5 实验结果 |
| 6 总结及展望 |
（7）图像超分辨率重构算法及其在水下图像中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 绪论 |
| 1.2 退化模型 |
| 1.3 图像空间分辨率的概念 |
| 1.4 图像及视频序列超分辨率重建的分类 |
| 1.4.1 从研究对象的角度 |
| 1.4.2 从研究方法的角度 |
| 1.5 国内外研究现状及研究方法综述 |
| 1.5.1 国内外研究现状 |
| 1.5.2 研究方法综述 |
| 1.6 本文研究的主要内容、创新点及实验安排 |
| 1.6.1 本文主要内容 |
| 1.6.2 本文创新点 |
| 1.6.3 本文实验安排 |
| 2 水下降质模型 |
| 2.1 引言 |
| 2.2 海水的光学性质 |
| 2.2.1 海水成分与光学特性 |
| 2.2.1.1 海水的成分 |
| 2.2.1.2 海水光学参数的基本定义 |
| 2.2.1.3 海水光信道降质的物理机制 |
| 2.2.2 PSF在水下降质模型建立中的作用和意义 |
| 2.2.3 相干和非相干光源对水下成像影响的机理分析 |
| 2.2.3.1 非相干光源水下成像影响的机理的理论分析 |
| 2.2.3.2 相干光源水下成像影响的机理分析 |
| 3 水下图像预处理 |
| 3.1 基于全方位多结构元广义形态滤波算法 |
| 3.1.1 引言 |
| 3.1.2 非线性滤波方法概述 |
| 3.1.2.1 传统非线性滤波方法 |
| 3.1.2.2 研究中的非线性滤波新算法 |
| 3.1.3 全方位多结构元自适应广义形态滤波 |
| 3.1.3.1 问题描述 |
| 3.1.3.2 解决方法 |
| 3.1.3.3 实验结果及算法分析 |
| 3.2 基于直方图统计的对比度增强 |
| 3.2.1 引言 |
| 3.2.1.1 直方图处理 |
| 3.2.1.2 直方图均衡化 |
| 3.2.1.3 直方图规定化 |
| 3.2.2 基于细节保持的灰度均衡化算法 |
| 3.2.2.1 问题描述 |
| 3.2.2.2 解决方法 |
| 3.2.2.3 实验结果及算法分析 |
| 3.3 基于水体PSF的图像模糊消除 |
| 3.3.1 基本知识 |
| 3.3.2 基于实验测量PSF指导下的Wiener逆滤波法 |
| 3.3.2.1 Wiener滤波原理 |
| 3.3.2.2 图像噪声模型 |
| 3.3.2.3 实验结果及算法分析 |
| 3.4 实时性方面的考虑 |
| 4 基于ICM和改进极值中值奇异点检测消除的图像混合插值重构算法研究 |
| 4.1 前言 |
| 4.2 基于ICM的奇异点检测算法 |
| 4.2.1 脉冲耦合神经网络原理及其应用 |
| 4.2.1.1 Eckhorn神经元简介 |
| 4.2.1.2 脉冲耦合神经网络及其应用 |
| 4.2.2 简化PCNN模型ICM的检测机制 |
| 4.2.2.1 引言 |
| 4.2.2.2 ICM |
| 4.3 基于改进的极值中值的奇异点消除算法 |
| 4.3.1 引言 |
| 4.3.2 新算法的具体描述 |
| 4.3.3 ICM奇异点检测并消除实验结果及算法分析 |
| 4.4 图像的插值重构 |
| 4.4.1 传统的插值方法 |
| 4.4.2 快速自适应插值方法 |
| 4.4.2.1 线性空不变图像插值 |
| 4.4.2.2 离加偏差图像插值 |
| 4.4.2.3 自适应图像插值 |
| 4.4.3 本文混合插值重构方法 |
| 4.4.3.1 常用单帧插值算法优缺点比较 |
| 4.4.3.2 本文算法基本原理 |
| 4.4.3.3 平坦区域插值算法 |
| 4.4.3.4 基于最佳相关的边缘插值算法 |
| 4.4.4 实验结果和算法分析 |
| 4.5 实时性方面的考虑 |
| 5 频域法超分辨率图像重构 |
| 5.1 算法原理 |
| 5.1.1 降质模型 |
| 5.1.2 图像配准 |
| 5.1.3 平面运动估计 |
| 5.1.4 平移估计 |
| 5.1.5 部分混淆现象 |
| 5.1.6 算法流程 |
| 5.2 实验结果及算法分析 |
| 6 视频图像序列超分辨率空域重建算法研究 |
| 6.1 前言 |
| 6.2 基于六参数仿射模型的改进Keren算法图像配准技术研究 |
| 6.2.1 图像配准 |
| 6.2.2 仿射变换 |
| 6.2.3 Keren亚像素图像配准算法原理 |
| 6.2.4 基于六参数仿射变换的改进Keren算法 |
| 6.2.5 实验结果与算法分析 |
| 6.3 基于改进最速下降法的空域重构算法 |
| 6.3.1 极大似然估计原理 |
| 6.3.2 改进最速下降法原理 |
| 6.3.2.1 经典最陡下降法模型 |
| 6.3.2.2 经典最陡下降法的初次优化 |
| 6.3.2.3 经典最陡下降法的再次优化 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 发表的学术论文 |
（8）静态闭合条纹的处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景 |
| 1.2 论文的主要工作和内容安排 |
| 2 光学干涉测量中的位相调制方法 |
| 2.1 常用的三种相位调制法 |
| 2.1.1 移相干涉测量法 |
| 2.1.2 二维FFT测量法 |
| 2.1.3 条纹中心测量法 |
| 2.1.4 三种解调物光波相位信息方法的比较 |
| 2.2 闭合条纹处理的几种方法 |
| 2.2.1 规则化相位跟踪法 |
| 2.2.2 傅立叶坐标变换法 |
| 2.2.3 莫尔条纹法 |
| 2.4 本章小结 |
| 3 基于坐标变换的条纹中心法处理闭合条纹 |
| 3.1 原理 |
| 3.2 亮度插值 |
| 3.2.1 最近邻插值 |
| 3.2.2 线性插值 |
| 3.2.3 双三次插值 |
| 3.2.4 优化后的插值算法 |
| 3.3 算法仿真 |
| 3.3.1 不同亮度插值法对闭合条纹进行变换 |
| 3.3.2 利用条纹中心法处理闭合条纹 |
| 3.4 算法误差分析 |
| 3.4.1 条纹预处理 |
| 3.4.2 不同离焦量对解调结果的影响 |
| 3.4.3 不同偏移量对解调结果的影响 |
| 3.4.4 CCD的分辨率对解调结果的影响 |
| 3.5 本章小结 |
| 4 二维FFT法处理闭合条纹 |
| 4.1 二维FFT法处理线性载频条纹的原理 |
| 4.2 二维FFT法处理圆形载波条纹的原理 |
| 4.3 计算机仿真 |
| 4.3.1 方案一 |
| 4.3.2 方案二 |
| 4.4 算法精度分析 |
| 4.4.1 加入圆形载频对调制结果的影响 |
| 4.4.2 边缘误差对调制结果的影响 |
| 4.4.3 圆心部分的误差 |
| 4.5 滤波器 |
| 4.5.1 滤波器的大小 |
| 4.5.2 滤波器的改进及优化 |
| 4.6 干涉图延拓 |
| 4.7 本章小结 |
| 5 闭合条纹处理的应用研究 |
| 5.1 实际测量 |
| 5.1.1 二维FFT处理闭合条纹 |
| 5.1.2 基于坐标变换的闭合条纹处理 |
| 5.2 大球差透镜波像差的测量 |
| 5.3 本章小结 |
| 6 本文总结 |
| 6.1 本文的主要工作 |
| 6.2 需要改进的地方和有待解决的问题 |
| 致谢 |
| 参考文献 |
（9）基于重构的超分辨率技术研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 缩略语简表 |
| 第一章 绪论 |
| 1.1 超分辨率技术概述 |
| 1.2 国内外研究现状 |
| 1.2.1 基于重构的超分辨率技术 |
| 1.2.2 基于学习的超分辨率技术 |
| 1.2.3 超分辨率技术的实际应用 |
| 1.3 本论文的研究内容和主要贡献 |
| 1.4 小结 |
| 第二章 基于重构的超分辨率技术 |
| 2.1 空间分辨率 |
| 2.2 低分辨率成像的数学模型 |
| 2.2.1 连续-离散模型 |
| 2.2.2 离散-离散模型 |
| 2.2.3 矩阵-向量模型 |
| 2.3 经典图像复原 |
| 2.4 超分辨率重构算法 |
| 2.4.1 频域算法 |
| 2.4.2 空域算法 |
| 2.5 小结 |
| 第三章 基于边缘投影的图像配准 |
| 3.1 基本概念 |
| 3.1.1 图像边缘抽取 |
| 3.1.2 信号间的互相关 |
| 3.1.3 数据拟合的最小二乘法 |
| 3.1.4 峰值信噪比 |
| 3.1.5 Radon变换 |
| 3.2 图像配准 |
| 3.2.1 图像配准的原理 |
| 3.2.2 图像配准的基本步骤 |
| 3.3 基于边缘投影的图像配准 |
| 3.4 仿真试验和分析 |
| 3.5 小结 |
| 第四章 考虑配准误差的规整化超分辨率图像重构 |
| 4.1 引言 |
| 4.2 规整化的基本理论 |
| 4.2.1 反卷积问题的规整化 |
| 4.2.2 Fredholm第一类病态方程的 T_(HXOHOB)规整化 |
| 4.3 噪声分析 |
| 4.4 考虑配准误差的规整化超分辨率重构算法 |
| 4.5 规整化参数的选择 |
| 4.5.1 考虑配准误差的规整化参数项 |
| 4.5.2 考虑观测噪声的规整化参数项 |
| 4.6 规整化超分辨率重构算法的实现 |
| 4.6.1 广义规整化代价函数 |
| 4.6.2 规整化超分辨率重构算法的常规递归实现 |
| 4.6.3 规整化超分辨率重构算法的同步递归实现 |
| 4.6.4 规整化超分辨率重构算法的并行递归实现 |
| 4.6.5 递归实现过程中的采样 |
| 4.6.6 规整化超分辨率重构算法的性能评价 |
| 4.7 仿真试验和分析 |
| 4.7.1 规整化超分辨率重构算法的比较 |
| 4.7.2 采样对超分辨率重构的影响 |
| 4.8 小结 |
| 第五章 基于误差-参数分析的超分辨率模糊辨识 |
| 5.1 模糊函数的参数模型 |
| 5.2 误差-参数分析 |
| 5.3 基于误差-参数分析的超分辨率模糊辨识 |
| 5.3.1 单通道参数辨识 |
| 5.3.2 结合搜索算法的多通道单参数辨识 |
| 5.4 仿真试验和分析 |
| 5.4.1 单通道参数辨识 |
| 5.4.2 多通道单参数辨识 |
| 5.4.3 实际图像的超分辨率模糊辨识和重构 |
| 5.5 小结 |
| 第六章 基于独立分量分析的超分辨率人脸假想和识别 |
| 6.1 引言 |
| 6.2 独立分量分析(ICA) |
| 6.2.1 基本模型 |
| 6.2.2 ICA的约束条件和不确定性 |
| 6.2.3 FastICA算法 |
| 6.2.4 ICA的应用 |
| 6.3 基于 ICA的超分辨率人脸假想和识别 |
| 6.3.1 两种 ICA框架模型 |
| 6.3.2 低分辨率人脸图像的成像模型 |
| 6.3.3 低分辨率人脸图像的 ICA模型 |
| 6.3.4 基于 ICA的超分辨率人脸假想和识别 |
| 6.4 仿真试验和分析 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 附录 |
| 附录A: 共轭梯度 |
| 附录B: 双线性插值 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 附件:外文论文两篇 |
| 学位论文评阅及答辩情况表 |
（10）改进的模糊C-均值聚类对噪声图像的分割（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 图像分割的目的和意义 |
| 1.1.1 图像分割的重要性 |
| 1.1.2 模糊聚类分割的原因 |
| 1.2 FCM算法的图像分割研究综述 |
| 1.2.1 图像分割面临的问题 |
| 1.2.2 图像的模糊C-均值聚类分割的应用和发展 |
| 1.3 图像分割的原理 |
| 1.4 本文的研究目标和主要研究内容 |
| 1.5 本文的组织结构 |
| 1.6 本章小结 |
| 第2章 模糊数学、模糊聚类、FCM聚类分析 |
| 2.1 模糊数学理论简介 |
| 2.2 模糊集基础 |
| 2.3 模糊聚类分析 |
| 2.3.1 硬分类 |
| 2.3.2 模糊分类 |
| 2.3.3 模糊聚类准则 |
| 2.4 模糊C-均值聚类算法(FCM) |
| 2.4.1 FCM算法过程 |
| 2.4.2 FCM算法分析 |
| 2.5 本章小结 |
| 第3章 基于灰度和空间特征的快速模糊C-均值聚类对噪声图像分割 |
| 3.1 相关改进的FCM聚类分割算法 |
| 3.2 快速的FCM聚类算法 |
| 3.3 灰度和空间特征的快速FCM算法 |
| 3.3.1 邻域像素的灰度相似度 |
| 3.3.2 邻域像素的空间分布特征 |
| 3.4 聚类分割的有效性评价函数 |
| 3.5 仿真实验分析 |
| 3.6 本章小结 |
| 第4章 基于快速模糊C-均值聚类和同组原理方法对低对比度噪声图像分割 |
| 4.1 粗集分类的基础知识 |
| 4.2 图像的粗集分类 |
| 4.2.1 根据c_1划分子图 |
| 4.2.2 根据c_2划分子图 |
| 4.2.3 线性插值滤波 |
| 4.3 去噪图像的模糊增强算法 |
| 4.4 图像增强的性能指标评价 |
| 4.5 图像增强仿真实验分析 |
| 4.6 快速FCM聚类算法和同组原理结合的增强图像分割 |
| 4.6.1 同组和置信度 |
| 4.6.2 RFFCM算法的实现 |
| 4.6.3 仿真研究 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
四、一种新的基于像素交迭的图像插值方法（论文参考文献）
- [1]DEM数据拼接对重力地形改正的影响及效果[J]. 李忠平,李学军,戴广凯,张茂辉. 地球物理学进展, 2021(01)
- [2]大气PM2.5颗粒的图像分析研究[J]. 吴晶晶,王柯,和森. 电子科技, 2016(12)
- [3]CUDA的图像分割并行算法的设计与实现[D]. 侯广峰. 大连理工大学, 2013(09)
- [4]全景成像的计算机重构技术研究[D]. 王宇. 长春理工大学, 2010(04)
- [5]一种基于灰度相关性和特征点的SAR图像配准方法[D]. 易成龙. 国防科学技术大学, 2009(S2)
- [6]海量医学数据处理框架及快速体绘制算法[J]. 薛健,田捷,戴亚康,陈健. 软件学报, 2008(12)
- [7]图像超分辨率重构算法及其在水下图像中的应用[D]. 张祥光. 中国海洋大学, 2009(11)
- [8]静态闭合条纹的处理方法研究[D]. 边疆. 南京理工大学, 2008(11)
- [9]基于重构的超分辨率技术研究[D]. 闫华. 山东大学, 2007(03)
- [10]改进的模糊C-均值聚类对噪声图像的分割[D]. 李云松. 兰州理工大学, 2007(02)