导读:本文包含了结构化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:结构化光斑,差动成像,分段处理,相似性识别
结构化提取论文文献综述
张辉,陈静萍,文梓豪,潘孟[1]（2019）在《复杂光线环境下结构化光斑的差动成像提取方法研究》一文中研究指出结构化光斑提取是线结构光叁维视觉测量的重要基础。针对在复杂背景光环境下结构化光斑难以提取的问题,本文提出一种基于时域差动成像的结构化光斑提取方法。通过电路控制线结构光与成像单元的同步工作,使连续拍摄得到的两帧图像中一帧含有结构化光斑,另一帧不含结构化光斑,通过对两帧图像灰度值的相似性特征参数识别,提取光斑的潜在区域,再结合关联区域筛选处理,即可有效提取出结构化光斑。这一方法能够在复杂的背景环境中将低信噪比结构化光斑准确提取出来,对于线结构光叁维视觉测量等结构化光斑的相关应用都具有很高的实用价值。(本文来源于《激光与红外》期刊2019年09期）
安瑶军[2]（2019）在《车载激光点云数据结构化道路及标线提取》一文中研究指出车载激光扫描系统能够快速获取目标表面叁维坐标和反射强度等信息,并且具有实时性、高精度、高密度、非接触式以及自动化等特点,为道路信息的快速获取与实时更新提供了新的途径。但车载激光扫描系统获取的原始激光点云数据量大、杂乱无序、空间分布不均匀、包含的目标丰富多样。同时,道路环境场景复杂、道路形状多变,道路边界与路面上的交通标线等特征在原始点云中不够突出,且容易受到遮挡导致道路点云局部存在缺失,这些因素都给道路信息的自动提取造成了很大的困难。因此,如何准确、高效、完整地从大范围复杂环境下的车载激光点云中提取道路及其标线等特征信息,在当下具有十分重要的研究价值。本文的主要研究内容如下:(1)针对车载激光点云杂乱无序且存在噪声点与冗余数据的问题,总结与探讨了车载激光点云数据的常用预处理方法,主要包括点云空间索引建立、原始点云去噪和点云精简。(2)结合结构化道路点云法向量分布特征,提出了一种依据法向量相似度的路面点云提取方法。首先使用布料模拟算法对原始点云进行非地面点滤波,然后分别基于主成分分析法与曲面拟合法计算出各激光脚点的法向量与曲率值,最后依据点云法向量相似度作为约束条件,采用改进的区域生长分割算法提取出路面点云。(3)研究并改进了基于强度特征图像的道路标线点云提取方法。首先将路面点云投影转换成点云强度特征图像,并基于边缘检测与连通分析的方法得到道路标线位置,然后通过投影反变换从路面点云中初步得到道路标线点云,最后引入Otsu法进行点云强度滤波剔除路面噪声点,实现对道路标线的精确提取。(4)设计开发了具有点云显示、点云预处理、道路信息提取等功能的软件,并选取不同环境下的多组车载点云数据对本文提出的道路及标线提取方法进行了实验验证,对实验结果进行了分析与评价。(本文来源于《长安大学》期刊2019-04-28）
江帆,田青[3]（2019）在《基于结构化稀疏投影的多视图特征提取框架》一文中研究指出多视图学习通常基于两个重要原则:一致性原则和互补性原则。视图的一致性源自所有视图间的共享信息;而视图的互补性源自不同视图的特有信息。然而,现有多视图学习算法通常只关注其中的一种,以致得到的模型性能非最优。为此,提出一种新的多视图特征提取算法框架,称为多重结构化稀疏投影(MSSP),其能同时提取视图的公共和特有信息。MSSP的目标函数包含两个部分:融合投影的判别项和联合投影矩阵的结构化稀疏正则化项。通过以上建模方式,不同视图的一致和互补信息同时得到了融合利用。此外,给出所建模型基于在Stiefel流形上的梯度下降的求解算法,获得局部最优解,并分析推测了模型参数随投影维数的变化趋势。相关对比实验验证了MSSP的建模有效性和参数的变化趋势。(本文来源于《计算机技术与发展》期刊2019年03期）
曹建农[4]（2018）在《高分影像信息提取的特征结构化多尺度分析建模方法研究》一文中研究指出围绕高分影像丰富的细节信息和多分辨率特征多尺度分析与信息提取的建模方法开展研究。首先研究高分影像特征分解与表达的变换域方法,构成多尺度、多通道、多层级的变换特征,然后分别使用下采样、上采样和非下采样方法进行特征结构化,最后建立特征结构化多尺度分析模型。并对直塔模型进行具体建模过程分析与实验研究,验证了特征结构化多尺度分析模型方法的有效性。结果表明,该方法可以增强高分影像多尺度分析的灵活性,并有效解决其多尺度分析与信息提取问题。(本文来源于《武汉大学学报(信息科学版)》期刊2018年12期）
苏兴华[5]（2018）在《非结构化生产信息的向量表示提取方法》一文中研究指出对于组织较随意、内容也不尽相同的生产信息,处理方式不同于数据库中定义明确的结构化数据,所以引入人工智能和模式识别领域中的向量表示法用于描述非结构化数据;采用基于TF-IWF的关键词提取算法,将每个短信用向量的形式描述出来,以此来实现了非结构化数据的语义检索。该文创造了一种基于语义相似度的信息检索算法,用以解决非结构化文本信息无法直接采用传统的SQL语句进行检索的问题,实践应用表明该方法具有较高的准确性。(本文来源于《中国管理信息化》期刊2018年23期）
安瑶军,陈晓轩,隋立春,周荣荣[6]（2018）在《一种依据点云法向量相似度的结构化道路提取方法》一文中研究指出结合结构化道路的点云法向量分布特征,提出了一种依据点云法向量相似度的道路提取方法。首先,对原始点云进行滤波处理,去除非地面点干扰;然后,对滤波后地面点云采用主成分分析法估算出各激光脚点的局部法向量及曲率值;最后,依据点云法向量相似度作为约束条件,采用改进的区域生长算法分割出路面点云。使用两组不同场景下的车载点云数据进行试验,道路提取的完整率与准确率均在93%以上。试验结果表明,该方法提取的道路精度与完整性受路面宽度、形状的影响不大,适用于城镇环境下的结构化道路提取。(本文来源于《测绘通报》期刊2018年11期）
韩旭,梁新美[7]（2018）在《车载激光扫描数据的结构化道路要素自动提取方法》一文中研究指出道路识别是无人驾驶、机器导航等领域的关键问题之一。本文利用局部特征约束方法进行点云的预处理分割,基于多尺度聚类方法实现道路要素的点云提取,并在结构化道路实例的识别中进行应用。结果表明,该方法效果良好,是一种合理有效的道路识别手段。(本文来源于《测绘通报》期刊2018年12期）
李春虎,齐美玲,候亚璇[8]（2018）在《一种网络论坛结构化数据的通用提取算法》一文中研究指出在当今大数据的时代,很多人会在网络论坛上发表自己的观点和看法,为舆情监测、商业决策等工作提供了大量参考信息。但这些信息往往以半结构化的形式存放在论坛页面中,并且不同论坛网站采用的页面结构也不尽相同。针对这一问题,设计一种基于特征识别的通用提取算法,可以从不同结构的论坛页面中提取出结构化的数据(包括标题、作者、发帖时间和帖子正文)。对回帖数较少/较多的情况、大量网站使用论坛软件进行管理的实际,设计不同的提取方案。最后,设计一个综合的通用论坛数据提取算法,在包含77种、177个网页论坛上进行测试,测试结果表明,算法具有较好的提取效果,可用于数据采集、舆情分析等工作。(本文来源于《科技创新导报》期刊2018年28期）
孔栋,王晓原,孙亮,王方,陈晨[9]（2018）在《车载雷达点云的结构化道路边界提取方法》一文中研究指出为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达叁维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境叁维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。(本文来源于《河南科技大学学报(自然科学版)》期刊2018年04期）
陆晨翔,王璐,曾向阳[10]（2018）在《水下目标信号的结构化稀疏特征提取方法》一文中研究指出为了提取具有噪声鲁棒性的水下目标信号特征用于水下目标识别,通过分析实测水下目标辐射噪声的时频谱,发现其时频谱中往往存在稀疏分布的具有目标区分性信息的强能量窄带线谱。结合稀疏分解理论,利用窄带线谱的结构化稀疏特点,提出一种稀疏特征提取方法。该特征提取方法借助稀疏贝叶斯学习模型,利用相邻帧样本间的相关性信息,能够有效增强窄带线谱成分,提高特征的噪声鲁棒性。并用一组实测数据对该特征的分类性能进行了测试,结果表明该特征在训练样本和测试样本噪声条件不匹配的情况下,能够保持较高的识别正确率,是一种具有噪声鲁棒性的特征。(本文来源于《哈尔滨工程大学学报》期刊2018年08期）
结构化提取论文开题报告
（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：
车载激光扫描系统能够快速获取目标表面叁维坐标和反射强度等信息,并且具有实时性、高精度、高密度、非接触式以及自动化等特点,为道路信息的快速获取与实时更新提供了新的途径。但车载激光扫描系统获取的原始激光点云数据量大、杂乱无序、空间分布不均匀、包含的目标丰富多样。同时,道路环境场景复杂、道路形状多变,道路边界与路面上的交通标线等特征在原始点云中不够突出,且容易受到遮挡导致道路点云局部存在缺失,这些因素都给道路信息的自动提取造成了很大的困难。因此,如何准确、高效、完整地从大范围复杂环境下的车载激光点云中提取道路及其标线等特征信息,在当下具有十分重要的研究价值。本文的主要研究内容如下:(1)针对车载激光点云杂乱无序且存在噪声点与冗余数据的问题,总结与探讨了车载激光点云数据的常用预处理方法,主要包括点云空间索引建立、原始点云去噪和点云精简。(2)结合结构化道路点云法向量分布特征,提出了一种依据法向量相似度的路面点云提取方法。首先使用布料模拟算法对原始点云进行非地面点滤波,然后分别基于主成分分析法与曲面拟合法计算出各激光脚点的法向量与曲率值,最后依据点云法向量相似度作为约束条件,采用改进的区域生长分割算法提取出路面点云。(3)研究并改进了基于强度特征图像的道路标线点云提取方法。首先将路面点云投影转换成点云强度特征图像,并基于边缘检测与连通分析的方法得到道路标线位置,然后通过投影反变换从路面点云中初步得到道路标线点云,最后引入Otsu法进行点云强度滤波剔除路面噪声点,实现对道路标线的精确提取。(4)设计开发了具有点云显示、点云预处理、道路信息提取等功能的软件,并选取不同环境下的多组车载点云数据对本文提出的道路及标线提取方法进行了实验验证,对实验结果进行了分析与评价。
（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。
结构化提取论文参考文献
[1].张辉,陈静萍,文梓豪,潘孟.复杂光线环境下结构化光斑的差动成像提取方法研究[J].激光与红外.2019
[2].安瑶军.车载激光点云数据结构化道路及标线提取[D].长安大学.2019
[3].江帆,田青.基于结构化稀疏投影的多视图特征提取框架[J].计算机技术与发展.2019
[4].曹建农.高分影像信息提取的特征结构化多尺度分析建模方法研究[J].武汉大学学报(信息科学版).2018
[5].苏兴华.非结构化生产信息的向量表示提取方法[J].中国管理信息化.2018
[6].安瑶军,陈晓轩,隋立春,周荣荣.一种依据点云法向量相似度的结构化道路提取方法[J].测绘通报.2018
[7].韩旭,梁新美.车载激光扫描数据的结构化道路要素自动提取方法[J].测绘通报.2018
[8].李春虎,齐美玲,候亚璇.一种网络论坛结构化数据的通用提取算法[J].科技创新导报.2018
[9].孔栋,王晓原,孙亮,王方,陈晨.车载雷达点云的结构化道路边界提取方法[J].河南科技大学学报(自然科学版).2018
[10].陆晨翔,王璐,曾向阳.水下目标信号的结构化稀疏特征提取方法[J].哈尔滨工程大学学报.2018