导读:本文包含了特征识别与提取论文开题报告文献综述及选题提纲参考文献，主要关键词:道路垃圾,纹理特征融合,支持向量机,局部二值模式
特征识别与提取论文文献综述
黄兴华,叶军一,熊杰[1]（2019）在《基于纹理特征融合的道路垃圾图像识别及提取》一文中研究指出为准确利用机器视觉对道路垃圾图像进行识别及提取,在对现有纹理特征提取方法基础上,提出一种纹理特征融合与支持向量机(SVM)相结合的分类识别方法。对局部二值模式(LBP)进行改进,得到改进后的A-LBP;将A-LBP与Uniform LBP进行特征融合得到AD-LBP;利用AD-LBP和梯度方向直方图(HOG)算法对图像进行特征提取,训练SVM对测试样本进行识别分类;对识别出的图像进行形态学处理提取垃圾的质心位置。在沥青道路上进行的垃圾识别及提取实验结果表明,利用AD-LBP+HOG算法进行道路垃圾识别,识别率可达95.58%,并能准确提取垃圾的质心位置。(本文来源于《计算机工程与设计》期刊2019年11期）
尹晓杰,何宁,魏润辰,刘佳敏[2]（2019）在《人体动作识别中特征提取算法的研究综述》一文中研究指出传统的人体动作识别主要通过手动设计的方法来提取特征,它需要根据数据的特点精心设计算法,但会掺杂人的主观想法。深度学习能自动学习特征,并将特征学习融入到建立模型的过程中,从而减少了人为设计特征造成的不完备性。文中主要将传统的人体动作识别与基于深度学习的人体动作识别的特征提取算法进行对比和研究。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）
叶佳英,邓飞,王佩欣,赵大旭,王毓综[3]（2019）在《基于机器视觉的珍珠颜色特征提取与识别》一文中研究指出为了提高珍珠颜色分类的准确率,拟设计半球型珍珠图像获取装置,并提出基于Lab[L表示亮度(luminosity),a表示从洋红色至绿色的范围(+127,-128),b表示从黄色至蓝色的范围(+127,-128)]颜色空间的GA-SVM(基于遗传算法寻优的支持向量机)的珍珠颜色识别方法。结果表明,设计的图像获取装置能够有效地避免珍珠反光,获取了颜色信息较全面的珍珠图像;提出了适用于珍珠图像分割的全局自动阈值与K-means相结合的分割方法。根据GB/T 18781—2008《珍珠分级》进行珍珠颜色的分类,通过不同颜色特征值以及不同分类器的对比试验结果表明,使用Lab颜色空间叁通道均值作为GA-SVM的分类训练特征值,准确率最高,交叉验证准确率达到98.42%以上,测试分类准确率为100.00%。(本文来源于《江苏农业科学》期刊2019年20期）
刘树吉[4]（2019）在《结合线性与非线性特征提取与分类的SAR图像目标识别》一文中研究指出针对合成孔径雷达(SAR)目标识别问题,提出一种结合线性,非线性特征提取和分类器的方法。采用PCA和KPCA分别提取原始SAR图像的特征矢量。在此基础上,分别利用稀疏表示(SRC)和核稀疏表示(KSRC)对两类特征进行分类。通过线性,非线性特征,分类器的结合,可以更好地考察SAR图像的内部数据结构以及测试样本与训练样本的对应关系。实验中,基于MSTAR数据集进行性能测试,结果表明提出方法的有效性。(本文来源于《电子设计工程》期刊2019年21期）
张克军,韩娜,陈欣然,缪睿[5]（2019）在《基于脑电图的新型情绪识别特征提取方法》一文中研究指出基于脑电图(EEG)信号对情感识别计算进行研究.针对脑电图的特征提取难和模型计算难的问题,提出了一种从EEG信号中获得可靠区别特征的创新方法.该方法将微分熵与线性判别分析(LDA)相结合,可被应用于情绪EEG信号的特征提取.采用3类情绪EEG数据集进行实验,结果表明该方法能够有效提高EEG分类的性能:与原始数据集的结果相比,平均准确度提高了68%,比单独使用微分熵进行特征提取时的准确度高7%.总执行时间结果证明提出的方法具有较低的时间复杂度.研究结果在3类情感脑电图识别领域具有重要的实用价值,可被应用于实际的工程领域.(本文来源于《华南师范大学学报(自然科学版)》期刊2019年05期）
唐利平,刘海雄[6]（2019）在《刀具磨损状态特征参数提取与识别方法研究》一文中研究指出为准确识别刀具磨损状态,提出了基于MF-DFA的特征提取方法和基于LS-SVM的磨损状态辨识方法。设计了刀具磨损试验方案;提出了具有可调节参数的改进阈值小波降噪方法,解决了硬阈值降噪不连续和软阈值降噪失真问题,降噪后信号的信噪比和均方误差优于另外两种阈值;分析了多重分形谱参数与声发射信号特征对应关系,基于此初选了特征参数,根据刀具不同磨损阶段各参数的分布情况优选了特征参数,且优选特征参数聚类效果极佳;采用基于LS-SVM算法的磨损阶段识别方法,分别使用初选特征参数与优选特征参数进行模式识别,实验结果表明,优选特征参数的识别精度明显高于初选特征参数;与BP神经网络、SVM算法相比,LS-SVM算法的识别准确率最高、时间消耗最小。(本文来源于《组合机床与自动化加工技术》期刊2019年10期）
丁娇,张天飞,龙海燕,张磊[7]（2019）在《基于WLLE和极坐标特征提取的叶片图像识别方法》一文中研究指出提出一种基于WLLE和极坐标特征提取的叶片图像识别方法.该方法首先对叶片图像进行二值化并映射到极坐标下,提取高度变化率、饱和度等多个极坐标特征参数,然后利用加权局部线性嵌入算法(WLLE)对叶片图像的多维极坐标特征参数进行维数规约,最后在低维空间采用最近邻分类器完成待测叶片图像的类别判断.该方法解决了传统直角坐标下提取叶片图像特征参数计算量大,运算时间长等问题,且WLLE算法具有较好的数据降维及聚类效果.由实验结果表明,该方法不仅减少了叶片图像的识别时间,同时还大大提高了叶片图像的识别率.(本文来源于《太原师范学院学报(自然科学版)》期刊2019年03期）
王雪冰,郭庆胜,王勇,柳其志,魏智威[8]（2019）在《地图图片的特征提取与自动识别方法》一文中研究指出自动从大量网络图片中识别出地图是地图监控中一个非常重要的任务。从人类视觉认知上,地图图片明显不同于一般的图片,因此需要研究地图图片的特征及其在自动识别中的应用。通过分析地图图片与一般图片的差异,选择了地图图片的颜色特征、局部二值模式特征和灰度共生矩阵特征作为地图图片识别的基础特征,然后针对不同特征找出最优的单核支持向量机,通过线性加权组合生成多核支持向量机,对地图图片进行自动识别。实验证明:这些特征对地图图片的自动识别是有效的,结合多核支持向量机,地图图片识别准确率高。(本文来源于《测绘与空间地理信息》期刊2019年09期）
张瑞华,曾嘉远,甘爱芬[9]（2019）在《猕猴桃图像识别与特征提取程序设计》一文中研究指出通过以自然环境中的猕猴桃果实图像为研究对象,在该环境中实现猕猴桃果实与复杂环境背景的正确分割、识别。确定了猕猴桃图像的采集方案,对猕猴桃果实在各个颜色模型及其分量的图像进行转换和提取,分析各子图像中的信息,确保提取出最合适的图像。对提取出的图像采用Ostu法进行阈值分割,能获得分割成功率高,背景残留物少的效果。随后进行Hough变换,采用最小外接矩形的方法划出图像中的目标区域,提取猕猴桃果实轮廓的曲率,获取光滑的轮廓弧段,实现果实的单个分离。(本文来源于《机电工程技术》期刊2019年09期）
邹柏贤,许少武,苗军,逯燕玲[10]（2019）在《光纤安防系统中振动信号的特征提取和识别》一文中研究指出利用光纤振动传感器可以实现分布式周界安防监测,进而实现自动报警.对周界安防监测信号的分析处理和识别受到业界关注.对光纤信号的特征提取和识别方法进行综述,这些特征提取方法通过对光纤振动信号的时域这个维度进行各种分解,从而提取各种信号的属性特征;对光纤振动信号的识别主要使用经验阈值、神经网络、支持向量机方法,目前这些方法对光纤入侵事件识别效果还不能令人满意.通过实验采集挖掘机挖掘、人工挖掘、汽车行驶、行人和自然环境噪声这5种入侵行为引起的光纤振动信号数据,并进行数据的3维图形可视化分析,提出一种安防监测信号在时域和空域这2个维度信息的特征提取方法;根据光纤振动入侵事件的重要程度分成4个阶段先后完成识别任务,采用2分类任务决策树模型和约束极速学习机算法识别入侵事件类型,提高了对各类事件的正确识别率.(本文来源于《计算机研究与发展》期刊2019年09期）
特征识别与提取论文开题报告
（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：
传统的人体动作识别主要通过手动设计的方法来提取特征,它需要根据数据的特点精心设计算法,但会掺杂人的主观想法。深度学习能自动学习特征,并将特征学习融入到建立模型的过程中,从而减少了人为设计特征造成的不完备性。文中主要将传统的人体动作识别与基于深度学习的人体动作识别的特征提取算法进行对比和研究。
（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。
特征识别与提取论文参考文献
[1].黄兴华,叶军一,熊杰.基于纹理特征融合的道路垃圾图像识别及提取[J].计算机工程与设计.2019
[2].尹晓杰,何宁,魏润辰,刘佳敏.人体动作识别中特征提取算法的研究综述[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019
[3].叶佳英,邓飞,王佩欣,赵大旭,王毓综.基于机器视觉的珍珠颜色特征提取与识别[J].江苏农业科学.2019
[4].刘树吉.结合线性与非线性特征提取与分类的SAR图像目标识别[J].电子设计工程.2019
[5].张克军,韩娜,陈欣然,缪睿.基于脑电图的新型情绪识别特征提取方法[J].华南师范大学学报(自然科学版).2019
[6].唐利平,刘海雄.刀具磨损状态特征参数提取与识别方法研究[J].组合机床与自动化加工技术.2019
[7].丁娇,张天飞,龙海燕,张磊.基于WLLE和极坐标特征提取的叶片图像识别方法[J].太原师范学院学报(自然科学版).2019
[8].王雪冰,郭庆胜,王勇,柳其志,魏智威.地图图片的特征提取与自动识别方法[J].测绘与空间地理信息.2019
[9].张瑞华,曾嘉远,甘爱芬.猕猴桃图像识别与特征提取程序设计[J].机电工程技术.2019
[10].邹柏贤,许少武,苗军,逯燕玲.光纤安防系统中振动信号的特征提取和识别[J].计算机研究与发展.2019