导读:本文包含了融合特征论文开题报告文献综述及选题提纲参考文献，主要关键词:目标跟踪,深度特征,多特征融合,核相关滤波
融合特征论文文献综述
王殿伟,许春香,刘颖[1]（2019）在《基于多特征融合的核相关滤波目标跟踪算法》一文中研究指出为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。(本文来源于《计算机工程与设计》期刊2019年12期）
王殿伟,韩鹏飞,李大湘,刘颖,许志杰[2]（2019）在《基于细节特征融合的低照度全景图像增强》一文中研究指出为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.(本文来源于《控制与决策》期刊2019年12期）
王威,李志华,吴世宇[3]（2019）在《基于多特征融合的车辆阴影检测与去除》一文中研究指出基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。(本文来源于《计算机与现代化》期刊2019年12期）
成雨含,张友讯,孙科学[4]（2019）在《基于PCA串并融合的多路心音特征表征方法》一文中研究指出多路心音信号不仅比单路心音信号涵盖更多关于总体的特征,而且能够弥补单路心音数据携带的信息量可能不充分的缺陷。利用笔者自主设计的4路心音传感器,初步建立一个小型4路心音数据库。基于这个数据库,首先阐明多路心音信号的特点,论述心杂音与听诊位置的关系;然后分别提取心音的单路和4路能量熵系数、4路心音互信息作为有效特征数据集,利用PCA对能量熵特征进行降维处理,获得串行特征;将相关性特征和互信息特征从实向量空间拓展到复向量空间,进行并行融合,获得并行特征;最后将串行并行特征再次融合成为多元优化组合特征。这种融合策略,具有针对性强,凸显差异性的优点。仿真实验结果表明,由多路心音信号获取的多元优化组合特征表征效果明显优于单路心音信号的特征表征效果,不仅有益于分类模型的构建,而且对实现先心病的快速筛查,提高分类识别率具有积极的意义。(本文来源于《计算机与现代化》期刊2019年12期）
高理想,高磊[5]（2019）在《基于特征融合的人脸表情识别研究》一文中研究指出针对现有的人脸表情识别方法易受到光照、噪声等因素的影响导致识别率较低的问题,本文提出了一种基于特征融合的人脸表情识别方法。从两方面对表情信息进行描述,通过局部二值模式(LocalBinaryPattern,LBP)和词袋模型(BagOfWords,BOW)分别对表情图像进行纹理特征和语义特征提取,然后将两种特征进行线性融合,最后使用支持向量机(Support Vector Machine,SVM)进行表情分类识别。本文方法在JAFFE和CK+表情数据集上分别取得了98.76%和97.58%的识别率,验证了所提出方法的有效性。(本文来源于《软件工程》期刊2019年12期）
陈静,张艳新,姜媛媛[6]（2019）在《融合多特征与随机森林的纹理图像分类方法》一文中研究指出针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。(本文来源于《传感器与微系统》期刊2019年12期）
韩普,刘亦卓,李晓艳[7]（2019）在《基于深度学习和多特征融合的中文电子病历实体识别研究》一文中研究指出电子病历实体识别是医疗领域人工智能和医疗信息服务中非常关键的基础任务.为了更充分地挖掘电子病历中的实体语义知识以提升中文医疗实体识别效果,提出融入外部语义特征的中文电子病历实体识别模型.该模型首先利用语言模型word2vec将大规模的未标记文本生成具有语义特征的字符级向量,接着通过医疗语义资源的整合以及实体边界特征分析构建了医疗实体及特征库,将其与字符级向量相拼接以更好地挖掘序列信息,最后采用改进的Voting算法将深度学习结果与条件随机场(Conditional Random Fields,CRF)的结果加以整合来纠正标签偏置.实验表明,融入外部语义特征的改进模型的F值达到94. 06%,较CRF高出1. 55%.此外,还给出了模型最佳效果的各项参数.(本文来源于《南京大学学报(自然科学)》期刊2019年06期）
崔力[8]（2019）在《基于多特征相似性融合的半参考图像质量评价》一文中研究指出提出了一种基于多特征相似性融合的半参考图像质量评价方法.在多个特征域,该算法采用不同的策略,分别评估了原始与待测图像之间的视觉相似性,并利用特征融合模块将上述特征相似性度量合并为图像整体质量指标,即MFSIQ(Multi-Feature Similarity based Image Quality).为验证所提出算法的性能,本研究分别在叁个主流数据库上,将所提出算法与主流的全参考以及无参考算法进行了性能比较.实验结果表明,MFSIQ的性能优于两种主流半参考算法和全参考算法PSNR,甚至可以媲美人们所熟知的全参考算法SSIM.(本文来源于《陕西科技大学学报》期刊2019年06期）
王冉[9]（2019）在《2000-2019年中国城乡融合特征及趋势研究——基于CiteSpace知识图谱分析》一文中研究指出2016年以来,城乡融合发展成为了研究热点问题,城乡融合发展主题的文章数量大量发表。以cnki数据库发表为研究对象,运用CiteSpace文献计量分析软件对城乡融合发展研究的合作者、发文机构、关键词共现进行了分析。提出了深化马克思恩格斯城乡融合思想在我国的应用研究;聚焦城乡融合产业创新,探寻新型农业发展之路;关注农村建设,实现美丽乡村目标;关爱农民,研究农民关注的问题等方面的研究趋势。(本文来源于《现代商贸工业》期刊2019年36期）
陈国艳[10]（2019）在《SAR图像中多特征融合与识别技术研究》一文中研究指出高分辨雷达在海上目标监测等领域有着广泛的应用,尤其是军事侦察等领域。合成孔径雷达SAR具有高分辨率、覆盖范围广、抗干扰能力强等优点,已经成为当前舰船目标识别的重要技术。本文研究的内容包括合成孔径雷达的原理、多特征融合技术、舰船图像的目标识别技术等,对于改善海上SAR雷达的舰船目标识别与侦察有重要价值。(本文来源于《舰船科学技术》期刊2019年22期）
融合特征论文开题报告
（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：
为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.
（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。
融合特征论文参考文献
[1].王殿伟,许春香,刘颖.基于多特征融合的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[2].王殿伟,韩鹏飞,李大湘,刘颖,许志杰.基于细节特征融合的低照度全景图像增强[J].控制与决策.2019
[3].王威,李志华,吴世宇.基于多特征融合的车辆阴影检测与去除[J].计算机与现代化.2019
[4].成雨含,张友讯,孙科学.基于PCA串并融合的多路心音特征表征方法[J].计算机与现代化.2019
[5].高理想,高磊.基于特征融合的人脸表情识别研究[J].软件工程.2019
[6].陈静,张艳新,姜媛媛.融合多特征与随机森林的纹理图像分类方法[J].传感器与微系统.2019
[7].韩普,刘亦卓,李晓艳.基于深度学习和多特征融合的中文电子病历实体识别研究[J].南京大学学报(自然科学).2019
[8].崔力.基于多特征相似性融合的半参考图像质量评价[J].陕西科技大学学报.2019
[9].王冉.2000-2019年中国城乡融合特征及趋势研究——基于CiteSpace知识图谱分析[J].现代商贸工业.2019
[10].陈国艳.SAR图像中多特征融合与识别技术研究[J].舰船科学技术.2019