导读:本文包含了局部特征描述论文开题报告文献综述及选题提纲参考文献，主要关键词:智能交通,车辆检测,直方图,快速算法
局部特征描述论文文献综述
秦帅昆,罗素云[1]（2019）在《基于局部敏感直方图和多通道特征车辆检测》一文中研究指出目前车辆检测大多采用局部特征检测,如HOG、Haar-like特征、尺度不变特征变换等。但是,在面对复杂背景情况下受到很大的局限。这就要求在车辆检测方面需要更强的识别性和鲁棒性。为此,提出了一种结合改进的局部敏感直方图和多通道特征金字塔算法。将改进的局部敏感直方图作为检测算法中的目标建模方式,提高目标建模的准确性且降低提取目标特征的计算复杂度;多通道特征金字塔中的上下文感知结构特征描述符能够为车辆检测提供更有效的特征。(本文来源于《农业装备与车辆工程》期刊2019年11期）
袁哲,孙延君,陈亮[2]（2019）在《基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法》一文中研究指出针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题,提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法.该算法主要基于图像的局部纹理特征,先提取计算机生成图像和自然图像的特征向量,再将该特征利用SVM分类器进行分类.实验结果表明,该算法可有效地鉴别计算机生成图像和真实图像.(本文来源于《吉林大学学报(理学版)》期刊2019年06期）
余振军,孙林,贾坤昊,孙洋[3]（2019）在《基于特征点局部特征值剔除误匹配特征点算法》一文中研究指出为了解决经典的特征点匹配算法尺度不变特征变换(scale-invariant feature transform,SIFT)算法采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于叁角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,所提出算法可以有效剔除SIFT算法匹配结果中的误匹配,同时,与低比率(0. 6)测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率,可见该算法可有效剔除误匹配特征点,获得准确度高的匹配点集。(本文来源于《科学技术与工程》期刊2019年32期）
舒伟博[4]（2019）在《基于微局部特征的时序数据二分类算法》一文中研究指出在诸多时序数据分类算法中,有一类算法借助时序数据的局部特征对时序数据进行分类,它们取得了不错的分类结果,然而其时间复杂度以及分类精度依旧存在可见的提升空间.本文提出的微局部特征二分类算法,着眼于局部特征本身的性质,对局部特征集进行限制,进而改进现有的基于局部特征的分类算法.新算法通过理论分析支撑,将经典算法的局部特征集大幅缩小,进而显着提升了分类算法的时间性能.另一方面通过重定义局部特征的评价标准,新算法选出性质更为优良的局部特征,提升了分类精度.(本文来源于《计算机系统应用》期刊2019年11期）
寇旗旗,程德强,于文洁,李化玉[5]（2019）在《融合CLBP和局部几何特征的纹理目标分类》一文中研究指出针对基于LBP的许多改进方法需要提前训练,对旋转和照明变化鲁棒性较差的特点,本文通过融合CLBP和图像表面的局部几何不变特征提出了一种新的纹理分类方法。该算法首先计算图像表面的局部几何不变特征,然后对其进行量化和编码。其次,再将编码结果与CLBP直方图进行融合。本文提出的算法能够同时提取图像的宏观和微观特征,且具有不明显增加特征维度,无需提前训练,对图像的旋转和光照变化保持不变的特点。在两个标准纹理数据库上进行实验验证,结果表明,本文算法与其它算法相比在分类精度和鲁棒性上都有明显的提高。(本文来源于《光电工程》期刊2019年11期）
王化明,郭交通,陈作特[6]（2019）在《基于点对特征和局部参考系的六维位姿估计算法》一文中研究指出针对大量物件分拣工作中单目视觉无法精确估计目标位姿从而无法完成随机堆迭工件分拣的问题,以点对特征为基础,提出了基于点云的目标识别和位姿估计算法的改进算法.模型训练阶段,使用改进的下采样方法,保留更多有区分性的点对,构建局部参考系作为补充特征;在线匹配阶段,以距离作为投票权重,并利用匹配点对的局部参考系相似度验证候选位姿;最后通过模型与场景的重迭率筛选未遮挡的多实例目标作为可抓取目标候选.结果表明:在方差为3%,5%倍模型尺寸的高斯噪声下,目标识别率分别可达97%,78%;所有试验的识别耗时均在1 s以内,满足实际需求.(本文来源于《江苏大学学报(自然科学版)》期刊2019年06期）
张知先,陈伟根,汤思蕊,王有元,万福[7]（2019）在《基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断》一文中研究指出为了及时发现和诊断有载分接开关(OLTC)的异常状态,在特征提取方面,结合驱动电机电流信号选取OLTC振动信号的特定时段,以突出状态特征;利用互补集总经验模态分解(CEEMD)得到振动信号的固有模态函数(IMF),针对OLTC振动信号的特点,提出基于IMF能量特征的降噪算法;设计了时频矩阵划分算法,提取划分线、峭度、包络谱熵、时频矩阵能量密度、时频矩阵变异系数等特征参量。在异常状态诊断方面,通过多个振动测点,同时实现OLTC本体和传动机构的异常状态诊断;建立了以局部异常因子(LOF)为诊断参量的OLTC异常状态诊断方法,通过待测样本与正常样本集的比较来发现和诊断OLTC的异常状态,具有较好的普适性。仿真和实验结果表明,基于该文提出的方法能有效发现和诊断OLTC的异常状态。(本文来源于《电工技术学报》期刊2019年21期）
刘婷[8]（2019）在《基于局部特征分析的人脸识别方法》一文中研究指出对于人脸识别,人们在日常生活中并不陌生,在日常考勤、信用卡申请、信贷验证、房屋交易等场景都需要人脸识别的应用。而其他领域,比如罪犯识别、档案管理、信用验证等,人脸识别更是必不可少的辅助手段。但是人脸识别会受到很多因素影响如环境因素、相貌变化、技术差异等的影响,从而导致人脸识别结果的不同。所以如何区分不同面部差异、提取面部特征是人脸识别精确度的重要环节。(本文来源于《信息与电脑(理论版)》期刊2019年21期）
陈敏,王娆芬[9]（2019）在《基于总体局部均值分解方法的心律失常特征提取与分类》一文中研究指出针对心电信号自动分类技术中的特征提取,提出一种新的特征提取方法—总体局部均值分解(ELMD)方法。该方法首先对心电信号加入不同的高斯白噪声,然后进行局部均值分解得到若干乘积函数(PF)分量,求取多次分解后的PF分量均值。多次加入噪声及分量平均的过程可以克服基本局部均值分解方法存在的模态混迭问题。选取较优的前4个PF分量进行特征计算,将得到的特征向量矩阵送入支持向量机对正常心电信号和4种常见的心律失常信号进行分类。从MIT-BIH心律失常数据库的分类结果来看,ELMD总体分类准确率达到99.61%,高于一般方法,证明了ELMD方法的有效性。(本文来源于《中国医学物理学杂志》期刊2019年10期）
王军敏,李宁,王艳辉[10]（2019）在《基于Gabor特征和局部二值模式融合的纹理图像识别》一文中研究指出传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显着超越了传统Gabor滤波方法和LBP算法的纹理识别精度.(本文来源于《平顶山学院学报》期刊2019年05期）
局部特征描述论文开题报告
（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：
针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题,提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法.该算法主要基于图像的局部纹理特征,先提取计算机生成图像和自然图像的特征向量,再将该特征利用SVM分类器进行分类.实验结果表明,该算法可有效地鉴别计算机生成图像和真实图像.
（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。
局部特征描述论文参考文献
[1].秦帅昆,罗素云.基于局部敏感直方图和多通道特征车辆检测[J].农业装备与车辆工程.2019
[2].袁哲,孙延君,陈亮.基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J].吉林大学学报(理学版).2019
[3].余振军,孙林,贾坤昊,孙洋.基于特征点局部特征值剔除误匹配特征点算法[J].科学技术与工程.2019
[4].舒伟博.基于微局部特征的时序数据二分类算法[J].计算机系统应用.2019
[5].寇旗旗,程德强,于文洁,李化玉.融合CLBP和局部几何特征的纹理目标分类[J].光电工程.2019
[6].王化明,郭交通,陈作特.基于点对特征和局部参考系的六维位姿估计算法[J].江苏大学学报(自然科学版).2019
[7].张知先,陈伟根,汤思蕊,王有元,万福.基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断[J].电工技术学报.2019
[8].刘婷.基于局部特征分析的人脸识别方法[J].信息与电脑(理论版).2019
[9].陈敏,王娆芬.基于总体局部均值分解方法的心律失常特征提取与分类[J].中国医学物理学杂志.2019
[10].王军敏,李宁,王艳辉.基于Gabor特征和局部二值模式融合的纹理图像识别[J].平顶山学院学报.2019