导读:本文包含了光照信息论文开题报告文献综述及选题提纲参考文献，主要关键词:离散余弦,边缘检测,人脸识别
光照信息论文文献综述
陈惠娜[1]（2019）在《LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例》一文中研究指出在人脸图像识别的问题中,光照是一个重要的影响因素。为消除光照的影响,本文运用LDCT方法与边缘检测技术对人脸特征进行处理,消除光照对人脸识别的影响。通过边缘提取的阈值参数,使识别率可以达到94%,与传统方法人脸识别有很大的进步与创新。人面图像识别有着非常广泛使用范围与价值,如在医学图像中的细胞识别、马路上的汽车识别、重要工作岗位人员识别、家庭日常生活中人面图像识别中发挥重要作用的作用。(本文来源于《现代经济信息》期刊2019年21期）
张庆鹏,曹宇[2]（2019）在《一种融合光照和彩色信息的图像匹配算法》一文中研究指出针对传统SIFT算法很难兼顾匹配实时性与匹配准确率这一矛盾,提出一种融合彩色信息表征与光照补偿的Harris-SIFT算法。该算法在图像灰度化之前计算彩色信息补偿,并通过高斯权重函数得出光照补偿量,增强图像对比度,进而提高系统的匹配准确率。通过Harris角点检测算法与SIFT算法融合提高系统的快速性并剔除表征不好的特征点,改善系统的实时性。实验结果表明匹配算法在匹配准确率提高的同时,还提高了算法的实时性。(本文来源于《激光与光电子学进展》期刊2019年19期）
阳兰,胡立坤,吴浩楠[3]（2018）在《融合彩色和光照信息的尺度不变特征变换图像匹配算法》一文中研究指出针对灰度图像色彩信息缺失导致尺度不变特征变换(SIFT)算法匹配能力差的问题,提出一种新的融合色彩和光照信息的SIFT图像匹配算法。新算法首先求出彩色图像各个像素的彩色补偿量和光照补偿量;在图像灰度化时增加彩色补偿量和光照补偿量来增强对比度,以减小颜色差异带来的匹配误差;采用SIFT算法对获得的灰度图进行图像匹配。对7组存在多种变化的图像对进行匹配测试,结果表明,新算法可以有效区分不同颜色但灰度相似的区域,增加了SIFT算法的匹配点数和准确率,提高了算法的匹配性能。(本文来源于《广西大学学报(自然科学版)》期刊2018年06期）
李梅,王子旭,陈祝茗,曹静,董玉兰[4]（2018）在《浅析光照信息对肉鸡免疫功能的作用》一文中研究指出光照信息是自然界中最重要的环境因素之一,它通过对动物的视觉系统和昼夜节律生物钟系统的调控,进而影响着生物体的多种生理功能。肉鸡属于光敏感动物,其视网膜和松果体上存在着不同的光感受器以及昼夜节律生物钟,通过位于其上的光受体接受外界环境的光信息(光照波长、光照周期和光照强度),再把不同光信息处理后转化为特定的生物信号,从而影响机体的生长发育、生产性能和免疫功能。作者综述了不同的光照信息:光照周期、光照强度及光照波长对肉鸡免疫功能的增强或抑制作用并重点讲述了褪黑激素通过其受体途径和非受体途径(抗氧化作用)介导着不同光照波长(光色)对肉鸡免疫功能的调控,以期为现代化肉鸡养殖过程中合理运用光照信息提供理论依据。(本文来源于《中国畜牧兽医》期刊2018年02期）
张云[5]（2016）在《当现代农业遇上“云计算”》一文中研究指出传统农业，浇水、施肥、打药等等，农民全凭的是经验、靠的是感觉，他们面朝黄土背朝天在土地上耕作，并把这些经验与方法一代代传授，延续至今。但是，这一切在物联网时代发生了变革。说起“云计算”，很多人自然会想到这是IT行业和互联网企业的事情。但是随着现(本文来源于《山西经济日报》期刊2016-08-24）
余佩[6]（2014）在《基于多尺度相对梯度差异化信息的光照不变量的图像特征提取算法》一文中研究指出特征提取是图像理解、图像分析和图像分类等领域里一个特别热门的研究点,它关联了机器图形学理论、图像分析、人机互动、人工智能、机器视觉、与生理科等很多专业领域。而特征提取则是机器视觉与图像分析中至关重要的一步,它是图像处理中最基本也是最重要的问题之一。现阶段,特征提取技术还是受到很多随机因子的干扰,比方说不同的光照等等。受光线改变的影响,相同的目标在变化的光照环境下获取的照片间的差别信息,也许比处于相同光照环境里不同目标获取的照片之间的差别信息大很多。在一幅图像中,光照变化会导致在图像中出现严重的退化情况。改变光照方向和强度会导致图像阴影的形状和位置的变化,其中的梯度变化发生在强光照射的情况下。这些变化使得样本的图像看起来完全不同。此外,照明变化总是伴随着其他姿态和时间的变化等问题,这些都会使得图像识别问题的复杂度增加。这使得当前的图像识别算法所得到的结果往往满足不了研究者的应用,因而光照的改变也就是了阻碍模式识别技术发展的最主要的问题之一。图像识别是一个困难的模式分类问题,由于类内差异(同一对象的图像之间的变化)甚至大于类间差异(来自不同对象图像之间的差异)。当前图像处理与识别技术的一个关键性挑战是如何消除训练图像和测试图像之间的光照变化。在对图像特征提取的应用中,光照不变性特征在大型数据库中的能力和鲁棒性是有限的和不充分的。在不同变化的照明条件下,这些方法可以实现底层的性能。随着光照的变化,当训练图像或者测试图像完全暴露在不同的光照条件下时,2d人脸表面将会严重退化。这些与生俱来的特征变化的幅度,能够区分不同的样本目标,他们的幅值通常小于由光照变化引起的图像变化。在本文中,我们提出一种使用多尺度相对梯度差异的方法来削弱或消除光照变化。在本文的方法中,由于图像的阴影和边缘部分会使得图像光照不变量的推理不成立,我们使用高斯核函数对输入图像进行滤波得到平滑图像。接着通过计算图像矩阵的一阶导数在X轴和Y轴的投影。接下来通过对图像矩阵做相对梯度信息运算获取图像的光照不敏感特征。再通过使用伽柏小波多尺度分析对图像的纹理特征进行有效的分析。最后得到的光照不变特征可直接用于特征提取。本文方法的主要优点是,它能有效地减少或者消除各种光照的影响因素。为了提高我们提出的光照不变性方法在模式识别中的性能,本文中,我们使用L1作为最小距离分类器的距离度量。不同数据库上的实验结果表明在不同光照条件下该方法的对光照的鲁棒性和有效性。(本文来源于《西安电子科技大学》期刊2014-12-01）
赵方,石晟,闫民[7]（2015）在《普通光照下叶片图像特征信息抽取》一文中研究指出在光照不均匀,存在阴影以及存在背景小杂色块干扰的图像中准确辨识出叶片图像,并将其显着特征抽取出来是叶片图像特征的研究重点。对实际叶片图像的处理,提出了先综合利用图像边界探测算法以及连接线、连通域抽取及变形算法确认叶边缘和叶脉图像,去除了光影,杂色轮廓的干扰,接着综合利用Hough变换、角点检测等算法来抽取树叶叶形,叶脉特征。实验中利用SVM(Support Vector Machine,支持向量机)算法对抽取特征进行分类测试,分类正确率超过了90%。(本文来源于《计算机工程与应用》期刊2015年05期）
石晟[8]（2014）在《普通光照下叶片图像特征信息抽取》一文中研究指出在光照不均匀,存在阴影以及存在背景小杂色块干扰的图像中准确辨识出叶片图像,并将其显着特征抽取出来是本次课题的研究重点。本课题在对实际叶片图像信息抽取这个领域,提出了两个步骤的整套图像特征抽取算法,即第一步先综合利用图像边界探测算法和连接线、连通域抽取算法以及边界变形算法来确认叶边缘和叶脉图像,从而去除了光影,杂色轮廓的干扰；第二步再综合利用Hough变换、角点检测等算法来抽取树叶叶形,叶脉特征。实验中利用SVM(Support Vector Machine,支持向量机)算法对抽取特征进行分类测试,分类正确率超过了90%。论文详细的介绍了图像识别领域的现存技术的原理和应用场景,并作了详细对比,之后结合实际情况选择了合适的技术方案。论文还介绍了整套系统如何使用Bash和Python的环境来搭建,并系统的介绍了整套方案的算法,实现和测试的结果。文中最后对进一步研究的思路也进行了详细的阐述。(本文来源于《北京林业大学》期刊2014-04-01）
任柯[9]（2014）在《混合光照干扰下的计算机双目视觉信息处理模型》一文中研究指出针对混合光照干扰条件下的计算机双目视觉信息系统进行研究,考虑了光照变化环境对视觉信息处理模型的影响,提出一种基于子波变换原理以及自适应的图像光照干扰过滤算法,构建了混合光照干扰情况下的计算机双目视觉信息处理模型,提高了视觉信息系统在复杂环境下的性能。通过最终的仿真实验表明,本文构建的模型具有较强的抗干扰性能,能够克服混合光照的不利影响,具备高效、准确的视觉信息处理性能,是一种有效的计算机双目视觉信息处理模型。(本文来源于《科技通报》期刊2014年02期）
王席[10]（2014）在《基于视频光照和纹理信息的动态目标分割与提取》一文中研究指出作为计算机视觉领域的基础课题之一,分割算法其相关研究已有几十年的历史。随着科学技术的发展,近几年来的关注重点转移到对视频的分割研究中,并提出了很多相关的算法。其结果也常常被用于其它视觉课题及应用中,例如物体跟踪,识别以及视频分类等。由于物体分割本身的复杂性,为得到精确的结果,常常需要加入用户交互过程,且因视频分割中需要处理大量数据,对算法的有效性也有一定的要求。因此本文中使用graph-cut技术,作为将前景物体从视频中分割出来的基础算法。该技术的挑战则在于如何有效地使用并综合各个线索信息从而得到满意的分割结果。在本文提出的视频分割算法中,综合使用了颜色、纹理和运动线索,从而得到空间与时间域内均连续的分割结果。为了减少因光照条件变化而对分割产生的影响,文中还使用了自引用图像技术对图像进行预处理。颜色作为物体最基础的属性,其表达方式,即色彩空间的选择作了也进行了详细的研究。Texton技术被用作提取视频图像中纹理信息,而光流技术并用于得到视频中的运动信息。为保证高效性,算法将视频图像帧分组建立分割模式。针对每一线索在算法中的作用,本文也进行了一系列详细的实验。结果表明通过对各线索的有效组合,本文提出的算法可得到满意的视频前景分割结果。(本文来源于《上海交通大学》期刊2014-01-11）
光照信息论文开题报告
（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：
针对传统SIFT算法很难兼顾匹配实时性与匹配准确率这一矛盾,提出一种融合彩色信息表征与光照补偿的Harris-SIFT算法。该算法在图像灰度化之前计算彩色信息补偿,并通过高斯权重函数得出光照补偿量,增强图像对比度,进而提高系统的匹配准确率。通过Harris角点检测算法与SIFT算法融合提高系统的快速性并剔除表征不好的特征点,改善系统的实时性。实验结果表明匹配算法在匹配准确率提高的同时,还提高了算法的实时性。
（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。
光照信息论文参考文献
[1].陈惠娜.LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例[J].现代经济信息.2019
[2].张庆鹏,曹宇.一种融合光照和彩色信息的图像匹配算法[J].激光与光电子学进展.2019
[3].阳兰,胡立坤,吴浩楠.融合彩色和光照信息的尺度不变特征变换图像匹配算法[J].广西大学学报(自然科学版).2018
[4].李梅,王子旭,陈祝茗,曹静,董玉兰.浅析光照信息对肉鸡免疫功能的作用[J].中国畜牧兽医.2018
[5].张云.当现代农业遇上“云计算”[N].山西经济日报.2016
[6].余佩.基于多尺度相对梯度差异化信息的光照不变量的图像特征提取算法[D].西安电子科技大学.2014
[7].赵方,石晟,闫民.普通光照下叶片图像特征信息抽取[J].计算机工程与应用.2015
[8].石晟.普通光照下叶片图像特征信息抽取[D].北京林业大学.2014
[9].任柯.混合光照干扰下的计算机双目视觉信息处理模型[J].科技通报.2014
[10].王席.基于视频光照和纹理信息的动态目标分割与提取[D].上海交通大学.2014