导读:本文包含了局部相似论文开题报告文献综述及选题提纲参考文献，主要关键词:非局部自相似,稀疏表示,图像去噪,优化算法
局部相似论文文献综述
黎丽,潘博,杨俊,蒋涛,陈丽[1]（2019）在《图像非局部自相似的稀疏表示算法》一文中研究指出在研究图像非局部自相似以及图像稀疏表示的基础上,致力于设计简单有效的数据变换方式,提出一个图像非局部自相似的投影算法,并利用该算法设计一个图像去噪声算法,通过稀疏表示图像,增强图像的纹理细节及图像的结构信息,从而恢复具有高保真度的图像.仿真实验结果表明,该算法能在保留图像纹理及结构信息的情况下有效去除噪声.(本文来源于《嘉兴学院学报》期刊2019年06期）
彭磊,杨秀云,张裕飞,李光耀[2]（2019）在《基于全局与局部相似性测度的非刚性点集配准》一文中研究指出非刚性点集配准算法中,能否找到正确的对应关系对配准结果起着至关重要的作用,而通常两个点集中的对应点除了距离比较接近之外还具有相似的邻域结构,因此提出基于全局与局部相似性测度的非刚性点集配准算法。首先,使用一致性点漂移(CPD)算法作为配准框架,采用高斯混合模型对点集进行建模。然后,对全局局部混合距离进行改进,形成全局与局部相似性测度准则。最后,采用期望最大化(EM)算法迭代地求解对应关系和变换公式:在迭代初期局部相似性所占比重较大,从而能够尽快地找到正确的对应关系;随着迭代的进展全局相似性比重逐渐增大,从而确保得到较小的配准误差。实验结果表明,与薄板样条鲁棒点匹配(TPS-RPM)算法、高斯混合模型点集配准(GMMREG)算法、基于L_2E估计的鲁棒点匹配算法(RPM-L2E)、基于全局局部混合距离与薄板样条的点集配准算法(GLMDTPS)和CPD算法相比,所提算法的均方根误差(RMSE)分别下降了39.93%、42.45%、32.51%、22.36%和11.76%,说明该算法具有较好的配准效果。(本文来源于《计算机应用》期刊2019年10期）
邓丹君,倪波[3]（2019）在《结合全局和局部信息的区域相似度活动轮廓模型》一文中研究指出基于全局信息的CV(Chan-Vese)模型不能有效分割灰度不均匀的图像,而图像局部信息更能反映目标图像的特征。在CV模型的基础上融入目标的局部信息,并在目标函数中使用相对熵度量最小化轮廓内外区域的相似度,以提高图像分割准确度和抑制图像噪声。实验结果表明,此方法能够提高图像中灰度分布不均匀区域的目标分割精度,加快了收敛速度,并能准确定位目标对象的轮廓位置。(本文来源于《湖北理工学院学报》期刊2019年04期）
魏义康,金聪[4]（2019）在《结合局部与非局部结构的相似性与多样性判别投影在人脸识别上的应用》一文中研究指出为了保持同类样本之间的相似性信息与异类样本之间的多样性信息,提出一种结合样本的局部近邻结构与非局部近邻结构的判别投影降维算法——相似性与多样性判别投影(SDDP)。SDDP利用同类样本表示样本之间的相似性信息,利用异类样本表示样本之间的多样性信息,最小化同类样本之间的相似性、最大化异类样本之间的多样性来增强算法的判别性能。为了避免仅使用局部信息而忽略非局部信息的作用,在表示同类样本之间相似性与异类样本之间多样性时同时考虑样本之间的局部近邻结构与非局部结构。采用最大间距准则(MMC),最小化异类样本之间的多样性与同类样本之间的相似性之差来避免小样本问题。在人脸数据集上的实验表明了SDDP算法提取的低维特征能够提升分类的准确率。(本文来源于《电子测量技术》期刊2019年14期）
周微硕,安博文,赵明,潘胜达[5]（2019）在《基于几何不变性和局部相似特征的异源遥感图像配准算法》一文中研究指出针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准。实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度。(本文来源于《红外技术》期刊2019年06期）
吴国栋,宋福根,涂立静,史明哲[6]（2019）在《基于改进CNN的局部相似性预测推荐模型》一文中研究指出为缓解推荐系统中数据稀疏性问题,利用卷积神经网络CNN具有较强捕捉局部特征能力的优势,通过加入一个调节层,提出一种改进CNN的局部相似性预测推荐模型LSPCNN。新模型对初始用户-项目评分矩阵进行迭代调整,使用户兴趣偏好局部特征化,再融合CNN对缺失评分进行预测,从而实施个性化推荐。实验结果表明,LSPCNN模型在不同数据稀疏度下的MAE值较传统推荐方法平均下降4%,有效缓解了数据稀疏性,提高了推荐系统的性能。(本文来源于《计算机工程与科学》期刊2019年06期）
张福旺,苑会娟[7]（2019）在《一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法》一文中研究指出如何充分利用图像自身蕴含的信息进行超分辨率重建仍然是一个开放的问题。文中提出了一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法。在训练与重建的过程中都采用K-means算法对选取的数据集进行聚类,将相似的图像块聚集在一起,然后运用PCA处理自适应地选择字典来进行超分辨率重建。相比于通过固定字典进行图像重建,采用自适应选择字典对图像进行重建将使得到的重建图像效果更加优越。针对自然图像的实验结果表明,利用所提算法重建的超分辨率图像的细节更细腻,伪像更少,边缘更锐利。(本文来源于《计算机科学》期刊2019年S1期）
李霞,刘承标,章友豪,蒋盛益[8]（2019）在《基于局部和全局语义融合的跨语言句子语义相似度计算模型》一文中研究指出跨语言句子语义相似度计算旨在计算不同语言句子之间的语义相似程度。近年来,前人提出了基于神经网络的跨语言句子语义相似度模型,这些模型多数使用卷积神经网络来捕获文本的局部语义信息,缺少对句子中远距离单词之间语义相关信息的获取。该文提出一种融合门控卷积神经网络和自注意力机制的神经网络结构,用于获取跨语言文本句子中的局部和全局语义相关关系,从而得到文本的综合语义表示。在SemEval-2017多个数据集上的实验结果表明,该文提出的模型能够从多个方面捕捉句子间的语义相似性,结果优于基准方法中基于纯神经网络的模型方法。(本文来源于《中文信息学报》期刊2019年06期）
扈琪[9]（2019）在《基于非局部相似的SAR图像去噪算法研究》一文中研究指出合成孔径雷达(Synthetic aperture radar,SAR)是一种可以全天候生成高分辨率遥感图像的相干成像系统。与可见光成像系统相比,SAR在弱光、雾天等恶劣环境条件下依然可以有效工作,同时具有多波段、多极化、穿透能力强的优势,因而成为环境监测、城镇规划、灾害评估等众多领域不可替代的观测工具。由于相干成像机制的影响,图像出现相干斑噪声(也称为斑点噪声、散斑噪声),对图像的后续处理造成了严重影响。因此,SAR图像去噪算法的研究对于图像的理解和解译具有重要意义。非局部均值(Non-local means,NLM)去噪算法利用图像的非局部相似性进行去噪,取得了很好的去噪效果,但是NLM在进行块匹配时,会包含不相似的子块,增加不必要的计算,而且权重的计算容易受到块大小的影响,模糊图像边缘,本文针对NLM的不足进行了改进,并且在非下采样剪切波变换(Non-subsampled Shearlet transform,NSST)和加权核范数最小化(Weighted nuclear norm minimization,WNNM)算法的基础上,提出了叁种基于非局部相似的SAR图像去噪算法。论文的主要研究工作如下:(1)基于相似性验证与子块排序的NSST域SAR图像去噪为了改进传统的非局部变换域SAR图像去噪算法不考虑子块关系的缺点,本文结合相似性验证与子块排序提出一种新的NSST域SAR图像去噪算法。首先构造NSST域SAR图像相似块之间距离的概率密度分布,然后利用子块之间的相似性,去除相似性较低的子块,最后结合子块排序和最优一维滤波对SAR图像进行去噪。实验结果表明,与其他经典去噪算法相比,该算法能更好地保持图像边缘和纹理信息,改善图像的视觉效果。(2)基于非局部先验性的稀疏域相干噪声抑制算法为了克服基于稀疏表示的相干噪声抑制算法容易产生过平滑的问题,本文结合图像的非局部先验知识提出了一种基于非局部先验性的稀疏域相干噪声抑制算法。首先,利用NSST对图像进行稀疏表示。然后,利用图像的非局部先验性作为限制条件建立基于非局部先验性的图像稀疏表示去噪模型。最后,对去噪模型进行交替迭代求解,从而重构相干噪声抑制后的图像。实验结果表明,该算法不仅可以有效地抑制相干斑噪声,还可以更好的保留图像纹理信息。(3)结合加权核范数最小化与灰度理论的相干噪声抑制算法为了改进传统图像分块算法中使用欧氏距离时,参考块大小和搜索窗大小对相似块收集和计算效率的影响,本文使用灰度理论改进传统非局部算法权重的计算。首先对含噪图像进行对数变换。其次,利用灰度相关理论对图像进行局部块匹配,从而得到参考块的相似块的集合,构建出近似低秩的矩阵。再利用小波变换对图像的噪声方差进行估计。最后,利用加权核范数最小化理论进行去噪。实验结果表明,该算法不仅有效地改善了去噪图像的视觉效果,还更好地保留了图像的局部结构。(本文来源于《河北大学》期刊2019-06-01）
房琰[10]（2019）在《基于梯度轮廓和非局部自相似性的单幅图像超分辨率方法研究》一文中研究指出在数字化图像的采集和获取的过程中,由于受到大气扰动与散焦等多种因素的影响,采集到的图像的质量会有不同程度的下降。另外,成像过程中引入的噪声会进一步加剧图像的退化。随着计算机技术以及计算机性能的显着提高,人们对于图像的质量要求也更高。但是由于环境及硬件的限制,采集到的图像的质量与所期望的质量有所差距。由此,便衍生出了通过改善硬件、软件或环境的方法来提高图像的分辨率的想法。如果通过改善硬件的方法来提高图像的分辨率,相应的代价会很大。如果通过改善环境的方法来提高图像的分辨率,这在实际中是难以实现的,并且有可能造成更大的损失。因此,通常采取软件的方法提高图像的分辨率。图像的超分辨算法是由已知的低分辨率的图像产生相应的高分辨率图像。本文围绕着单幅图像的超分辨率算法展开研究。本文首先列举了近几年来流行的单帧图像超分辨率算法,并重点归纳了基于插值的方法、基于学习的方法与基于重建的方法,进一步比较了各自的优缺点。基于梯度轮廓的超分辨率重建算法在近几年来受到了热议。梯度轮廓考虑到了图像梯度的空间布局,有效地提高了图像的分辨率。另外,图像的自相似性在超分辨率算法中受到了广泛应用。基于对相关算法的研究,本文对基于重建的超分辨率算法进行了改进:结合梯度轮廓先验和非局部自相似先验,构造了新的图像重建框架。首先,本文构造了梯度扩散函数,改善了边缘附近的梯度方向。其次,依据邻域梯度轮廓,本文提出了梯度轮廓锐度优化函数,使得估计的轮廓锐度更精确。在HR图像的重建过程中,为了减少噪声,本文提出了新的非固定搜索方法搜索非局部相似块,然后基于非局部特征相似性构造了新的图像域约束。另外,为了抑制伪影,本文采用梯度轮廓先验作为梯度域约束。本文交替执行梯度域约束和图像域约束,以更有效地对迭代过程进行约束,更好地保证了算法的稳定性。最后,本文设计了一个高通滤波函数,以此得到高分辨率图像的高频部分。仅对高分辨率图像的高频部分执行冲击滤波,进一步增强边缘细节。本文在主观感知与客观量化方面对所提出的方法进行了验证。实验结果表明,本文所提出的方法在获得更清晰的图像的同时,具有更高的PSNR、SSIM、IFC值,较之于以往具有代表性的超分辨率算法有所提高。尤其在边缘、纹理等高频部分,本文的方法可以更好的保留高频信息。(本文来源于《山东大学》期刊2019-05-20）
局部相似论文开题报告
（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：
非刚性点集配准算法中,能否找到正确的对应关系对配准结果起着至关重要的作用,而通常两个点集中的对应点除了距离比较接近之外还具有相似的邻域结构,因此提出基于全局与局部相似性测度的非刚性点集配准算法。首先,使用一致性点漂移(CPD)算法作为配准框架,采用高斯混合模型对点集进行建模。然后,对全局局部混合距离进行改进,形成全局与局部相似性测度准则。最后,采用期望最大化(EM)算法迭代地求解对应关系和变换公式:在迭代初期局部相似性所占比重较大,从而能够尽快地找到正确的对应关系;随着迭代的进展全局相似性比重逐渐增大,从而确保得到较小的配准误差。实验结果表明,与薄板样条鲁棒点匹配(TPS-RPM)算法、高斯混合模型点集配准(GMMREG)算法、基于L_2E估计的鲁棒点匹配算法(RPM-L2E)、基于全局局部混合距离与薄板样条的点集配准算法(GLMDTPS)和CPD算法相比,所提算法的均方根误差(RMSE)分别下降了39.93%、42.45%、32.51%、22.36%和11.76%,说明该算法具有较好的配准效果。
（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。
局部相似论文参考文献
[1].黎丽,潘博,杨俊,蒋涛,陈丽.图像非局部自相似的稀疏表示算法[J].嘉兴学院学报.2019
[2].彭磊,杨秀云,张裕飞,李光耀.基于全局与局部相似性测度的非刚性点集配准[J].计算机应用.2019
[3].邓丹君,倪波.结合全局和局部信息的区域相似度活动轮廓模型[J].湖北理工学院学报.2019
[4].魏义康,金聪.结合局部与非局部结构的相似性与多样性判别投影在人脸识别上的应用[J].电子测量技术.2019
[5].周微硕,安博文,赵明,潘胜达.基于几何不变性和局部相似特征的异源遥感图像配准算法[J].红外技术.2019
[6].吴国栋,宋福根,涂立静,史明哲.基于改进CNN的局部相似性预测推荐模型[J].计算机工程与科学.2019
[7].张福旺,苑会娟.一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法[J].计算机科学.2019
[8].李霞,刘承标,章友豪,蒋盛益.基于局部和全局语义融合的跨语言句子语义相似度计算模型[J].中文信息学报.2019
[9].扈琪.基于非局部相似的SAR图像去噪算法研究[D].河北大学.2019
[10].房琰.基于梯度轮廓和非局部自相似性的单幅图像超分辨率方法研究[D].山东大学.2019