导读:本文包含了局部描述符论文开题报告文献综述及选题提纲参考文献，主要关键词:局部描述符聚类,关联书目,智能检索
局部描述符论文文献综述
黄宇[1]（2019）在《基于局部描述符聚类的关联书目智能检索仿真》一文中研究指出针对传统的关联书目检索方法存在检索消耗代价比较高、检索时间过长、相对误差较大等问题,提出了一种基于局部描述符聚类的关联书目智能检索方法。分析当前云计算环境下的关联书目结构模型,计算关联书目的离散样本频谱特征,完成关联书目矩阵描述符聚类。引用模糊集算法准确查询聚类关联书目的局部描述符,对经过聚类的数据进行二次聚类计算,将其类边缘进行细分,根据加载判别函数实现关联书目的定位,完成基于局部描述符聚类的关联书目智能检索。实验结果表明,所提方法在进行关联书目检索时,检索时间较短、误差较小,检索代价消耗比较低。(本文来源于《计算机仿真》期刊2019年07期）
丁奇超[2]（2019）在《基于局部特征描述符的平面标志检测及其应用》一文中研究指出增强现实技术是近年来非常火热的技术之一,有着非常良好的前景。基于平面标志物的增强现实技术是其中非常重要的一部分,并且因为它的稳定高效和应用领域广泛,在很多生活场景中都有用武之地。但是它对于速度,稳定性,通用性,多目标能力等方面越来越高的要求,使得它的进一步普及受到了阻碍,也使得该领域目前仍然有着巨大的机遇和挑战。本文提出并实现了一系列与平面标志物检测和跟踪相关的技术,包括一种基于色彩学和旋转不变的局部特征描述符,一种基于局部特征描述符的平面标志物检测算法,一个能同时检测和跟踪多目标的解决方案,一个增强现实应用的跨平台解决方案等。其中基于色彩学和旋转不变的局部特征描述符经过实验在平面标志检测领域比经典的SIFT描述符有更好的效果和速度。而平面标志物检测算法包含一系列子算法,除了用到了本文提出的局部特征描述符,还有基于四叉树的关键点选择,快速近似最近邻匹配,RANSAC,逆向匹配扩充等算法,经过实验本文的平面标志物检测算法比传统的算法更稳定快速。本文最后整合了这些技术,形成了一个完整的算法流程,实现了一个能够在移动端实时运行的平面标志物增强现实应用实例。这一系列的技术有着广阔的应用前景和发展潜力,可用于更多的平面标志物增强现实场景。(本文来源于《浙江大学》期刊2019-06-30）
黄建荣,印鉴[3]（2019）在《峰值皮层模型耦合Weber局部描述符的图像融合算法》一文中研究指出为了解决当前医学图像融合(Medical Image Fusion, MIF)方法易产生伪影,丢失部分图像细节,以及对比度较低的问题,本文提出了一种新的峰值皮层模型(Spiking Cortical Model, SCM)耦合WLD (Weber Local Descriptor)的图像融合算法.首先,通过SCM对源图像进行分解,获得不同的二进制脉冲图像;其次,利用输出脉冲图像生成点火映射图像,并构建了SCM脉冲输出点火数量的融合准则;然后,结合SCM脉冲输出的信息熵与点火映射图像的Weber局部描述这二者的相似性来计算融合权重,完成图像融合.通过实验表明:与当前常用的MIF算法相比,本文所提算法具有更好的视觉效果,其融合图像质量与对比度更高,同时,在客观评价标准IE,MI,AG,SSIM方面也具有更大的优势,有效地保持了源图像的有效信息.(本文来源于《西南大学学报(自然科学版)》期刊2019年04期）
桂元苗,王儒敬,王雪,魏圆圆[4]（2019）在《基于深度神经网络和局部描述符的大规模蛋白质互作预测方法》一文中研究指出蛋白质相互作用PPI(Protein-Protein Interaction)是生物体中众多生命活动过程的重要组成部分,蛋白质互作预测是研究蛋白质互作的重要途径。为了提高蛋白质互作预测性能,构建一个用于预测蛋白质互作的深度神经网络模型DPPI。采用局部描述符将氨基酸序列编码成具鉴别性的特定维数向量;使用训练集训练DPPI模型,并使用测试集对DPPI模型进行测试和评价;根据测试和评价的结果调整各参数,优化DPPI模型;使用优化后的DPPI模型,来对蛋白质互作进行预测。结果表明,DPPI模型编码简单、代码简洁,实验获得的较高的准确率,可以作为大规模蛋白质互作预测的有益补充。(本文来源于《计算机应用与软件》期刊2019年04期）
陈方,许允喜[5]（2019）在《局部灰度极值模式及其局部描述符》一文中研究指出目的近年来,由于局部图像描述符在大的视角与光度变化、噪声、局部遮挡等方面具有良好性能,已成功应用于图像搜索、机器人导航、图像分类、视频行为识别等各种计算机视觉研究领域。方法提出了一种新的用于图像区域描述的局部特征:局部灰度极值模式(LIEP)。在离一个像素点半径不同的两个同心圆上分别均匀抽样相同点数的采样点,不同同心圆上采样点与中心像素点之间的夹角相互内插,分别独立计算每个同心圆上采样点的最大和最小灰度模式。计算半径小的同心圆上的最大灰度模式和半径大的同心圆上的最小灰度模式的2维联合分布,得到一种极值模式。再计算半径小的同心圆上的最小灰度模式和半径大的同心圆上的最大灰度模式的2维联合分布,得到另一种极值模式。最后对这2种极值模式进行级联,得到LIEP。相对于局部灰度序模式和局部二进制模式,LIEP在图像光度和几何变化下更稳定,抗噪声性能更强,出现模式错误的概率更小。LIEP在局部旋转不变坐标系统下计算,采用多支撑域和图像块全局灰度序空间汇聚方法得到一种新的局部图像描述符:LIEP空间分布直方图(LIEPH)。LIEPH描述符具有单调光照不变性和在不计算图像块主方向条件下保持旋转不变性。结果在标准图像匹配数据库上的实验表明:LIEPH的查全率-查错率曲线都位于最上方,匹配性能大大优于单支撑域描述符SIFT(scale invariant feature transform)、CS-LBP(center-symmetric local binary pattern)、LIOP(local intensity order pattern)、HRI-CSLTP(histogram of relative intensities and center-symmetric local ternary patterns)、EOD(exact order based descriptor)及多支撑域描述符MRRID(multisupport region rotation and intensity monotonic imariant descriptor)。在大的图像几何畸变下,LIEPH更能展现优越的匹配性能。在对描述符进行定量分析的实验中,当查错率(1-precision-sion)取固定值0. 4时,LIEPH描述符的查全率(recall)值在各种图像畸变下都是最大的。在标准图像匹配数据库上添加高斯和椒盐噪声的实验中,LIEPH的匹配性能远远优于MRRID。LIEPH算法的复杂度更低,计算时间接近MRRID的1/2。结论 LIEPH对局部图像区域的纹理统计特性具有很高的描述能力,在辨别性、鲁棒性和抗噪声方面的优越性能使其可以应用于复杂条件下的图像区域描述和匹配场合。(本文来源于《中国图象图形学报》期刊2019年03期）
唐家琳[6]（2019）在《基于深度学习的局部描述符》一文中研究指出局部描述符提取是计算机视觉的一个基本问题,目前图像几何信息的获取还主要依靠传统的局部描述符。深度学习在图像分类,图像分割等领域已经获得了极大的成功。经我们了解传统局部描述符没有基于深度学习提取到的描述符精度高,导致之后计算有偏差甚至出现错误,现今研究正热的SLAM主要应用传统手工局部描述符。由于传统的描述符在精度方面还不能达到一个令人满意的效果,所以我们准备用一个深度学习描述符来代替传统手工局部描述符,形成一个较为完整的"基于深度学习的视觉SLAM"。最后,展望深度学习局部描述符的未来和前景。(本文来源于《电子制作》期刊2019年02期）
周伟[7]（2018）在《基于局部表面特征描述符的复杂场景下叁维目标识别研究》一文中研究指出复杂场景中的目标识别是计算机视觉领域中一项基础研究,其在众多领域中均有着重要的应用价值,如智能监控、自动装配、遥感、移动操作、机器人、生物分析和医学治疗。与传统二维图像相比,叁维深度图像能提供更多几何信息,并且叁维特征不受尺度、旋转和光照度影响。再者,通过叁维深度图像能获得目标的六维姿态信息。因而叁维深度图像在处理目标识别问题时有潜在优势。此外,近些年来,叁维数据获取工具成本的大幅降低以及快速运算设备性能的提高使得叁维目标识别算法运算时效大幅提高。以上因素使得叁维目标识别在计算机视觉领域体现出其不可替代的价值,并促使其成为当前研究热门。而在实际生活中,由于硬件设备缺陷导致获取的叁维深度场景包含噪声、点云密度稀疏、目标自身残缺以及目标互相遮蔽等问题,使得叁维目标识别研究仍然为一项十分艰巨的挑战和任务。因此,提高叁维特征描述符的描述性能,解决复杂场景中叁维目标识别问题迫在眉睫。围绕以上问题,本文通过基于局部特征描述符的方法来对复杂场景中目标识别问题进行分析及研究,主要创新工作如下:1.针对包含旋转、平移、噪声、稀疏、目标自身残缺和目标互相遮蔽等干扰的场景中特征错误匹配问题,从叁维目标和场景的空间分布信息和几何特性信息着手进行研究分析,并提出FFIS(Feature Fusion Information Statistics)特征描述符。在构建特征描述符过程中,为了提高特征描述符抵抗旋转和平移等干扰的能力,提出了一种基于特征点局部邻域曲面LSP(Local Surface Patch)的局部参考坐标系LRF(Local Reference Frame)。不同于以往方法,该方法通过将LSP散列矩阵(Scatter Matrix)的特征向量投影到与LSP法向量垂直的平面来构建LRF。基于该LRF,FFIS联合网格分布信息和点分布信息来生成特征描述符,使得特征描述符计算简便且高效。以Recall vs 1-Pre isio 曲线作为算法评价标准来验证算法在复杂场景下的有效性,实验结果表明FFIS方法相对于其他方法(Spin Image,3DSC,FPFH,PFH,USC,RoPS以及SHOT)能在复杂场景中提取出更多正确的特征匹配对,尤其是在无噪声场景中,FFIS达到了95%Recall率。2.针对复杂场景中特征对目标描述能力弱的问题,同时为了提高复杂场景中叁维特征匹配正确率,提出了HGND(Histograms of Gaussian Normal Distri-bution)特征描述符。该方法首先通过 LSP 散列矩阵的两个特征向量来构建 LRF,从而获得特征的旋转和平移不变性。HGND特征描述符基于几何和空间信息,该方法通过空间点对应的法向量几何投影分布来生成HGND特征描述符,来保证HGND在复杂场景中的描述性和鲁棒性。通过与Spin Image、3DSC、FPFH、PFH、USC、RoPS以及SHOT等方法对比,验证了HGND方法在不同干扰下对目标的描述能力。同时还验证了HGND方法在复杂场景中能有效提高叁维特征匹配的正确率,尤其是在低噪声场景中,HGND达到了90%Recall率。此外,HGND在运算效率上也获得了最优的表现。3.针对包含大量错误特征匹配对、高程度目标自身残缺以及稀疏点云的复杂场景中叁维目标识别及其姿态估计问题,提出了基于霍夫空间的假设生成方法HG(Hypothesis Generation)来提取场景中潜在目标假设实例。不同于现有方法,该方法基于霍夫变换和霍夫空间,并采用“self-adapted”自适应微调法来辅助HG生成潜在的目标假设实例。基于该HG方法,随后提出了基于ICP的双步假设验证方法HV(Hypothesis Verification)来验证HG阶段所产生的潜在目标假设实例的正误性,最终通过该HV方法验证的假设实例将被判定为正确的识别结果。实验结果表明,该HG和HV方法能够在包含高FP率、高程度目标自身残缺度以及稀疏点云的场景中正确地识别复杂场景中目标及其六维姿态信息。尤其当FP率低于95%,HG和HV方法在复杂场景中能够达到99.95%识别率。本文提出的方法利用局部特征描述符实现了复杂场景与目标的直接匹配,完成了在复杂场景中叁维目标识别及其姿态估计问题,降低了算法复杂度,提高了算法运算效率,达到了较高的目标识别准确率,在计算机视觉领域中拥有良好的应用前景。(本文来源于《中国科学院大学(中国科学院西安光学精密机械研究所)》期刊2018-12-01）
庞震[8]（2018）在《叁维物体中的局部描述符研究》一文中研究指出叁维图像获取设备(例如微软的Kinect和英特尔的RealSence)的普及和价格的降低使得物体的叁维数据变得更加容易获取,使得叁维物体方面的研究有了很好的基础。与叁维物体相关的研究逐渐成为一个热点并且在机器人视觉、自动驾驶、叁维人脸识别、叁维物体定位及叁维建模等方面有着重要应用。特征的提取是各种叁维物体相关研究中一个十分重要的阶段,叁维物体的特征一般分为全局特征和局部特征,全局特征指的是把叁维物体当作一个整体提取出的特征,但是需要预先对叁维物体进行分割并且各种场景下提取出的特征不稳定。在叁维物体上先提取特征点,然后在特征点上提取出的特征称为局部特征,局部特征在遮挡情况下的鲁棒性较强。本文基于局部特征进行研究。局部描述符是局部特征提取方法的简称,一般根据特征点周围节点的空间分布信息和几何信息进行特征的提取,但是尚未有一个描述性强、提取方式简单并且在各种情况下都表现稳定的局部描述符。另外,在实际应用中一些机器也存在着内存的限制和速度的要求,而一般的浮点描述符内存占用比较大。本文的工作主要在两方面。一是对叁重正交局部深度描述符(Triple Orthogonal Local Depth Images,TOLDI)进行了改进,首先改进了其局部坐标系(Local Reference Frame,LRF)的建立方式,用全部邻居节点去构建坐标系,并且根据邻居节点的重要性对邻居节点进行加权。使得改进后的局部坐标系在普通场景下的可重复性更强并且在一些遮挡情况下也能达到较好的效果。其次增加了角度信息,一方面可以防止在匹配过程中出现的错误匹配情况,另一方面丰富了特征并且计算也不会太复杂。二是设计了一个二值描述符解决时间效率和内存占用的问题。首先改进了方向直方图描述符(Signatures of Histograms of Orientations,SHOT)的局部坐标系建立方式,使得改进的局部坐标系速度更快并且可重复性更高。其次在叁重正交局部深度描述符的基础上同时加上了点的空间分布信息,然后把得到的特征矩阵用二值描述符重新进行特征的提取,二值描述符所占用的空间比之前的浮点描述符小很多。同时我们采用二进制描述符的匹配方法(汉明距离)进行匹配,大大减少了匹配所用的时间。(本文来源于《哈尔滨工业大学》期刊2018-12-01）
王丽芳,王雁丽,蔺素珍,秦品乐,高媛[9]（2019）在《基于改进的Zernike矩的局部描述符与图割离散优化的非刚性多模态脑部图像配准》一文中研究指出针对脑部图像中存在噪声和强度失真时,基于结构信息的方法不能同时准确提取图像强度信息和边缘、纹理特征,并且连续优化计算复杂度相对较高的问题,根据图像的结构信息,提出了基于改进Zernike距的局部描述符(IZMLD)和图割(GC)离散优化的非刚性多模态脑部图像配准方法。首先,将图像配准问题看成是马尔可夫随机场(MRF)的离散标签问题,并且构造能量函数,两个能量项分别由位移矢量场的像素相似性和平滑性组成。其次,采用变形矢量场的一阶导数作为平滑项,用来惩罚相邻像素间有较大变化的位移标签;用基于IZMLD计算的相似性测度作为数据项,用来表示像素相似性。然后,在局部邻域中用图像块的Zernike矩来分别计算参考图像和浮动图像的自相似性并构造有效的局部描述符,把描述符之间的绝对误差和(SAD)作为相似性测度。最后,将整个能量函数离散化,并且使用GC的扩展优化算法求最小值。实验结果表明,与基于结构表示的熵图像的误差平方和(ESSD)、模态独立邻域描述符(MIND)和随机二阶熵图像(SSOEI)的配准方法相比,所提算法目标配准误差的均值分别下降了18. 78%、10. 26%和8. 89%,并且比连续优化算法缩短了约20 s的配准时间。所提算法实现了在图像存在噪声和强度失真时的高效精确配准。(本文来源于《计算机应用》期刊2019年02期）
戴益民,牛兰利,邹佳祁,刘丹阳,刘辉[10]（2018）在《利用新颖的局部及全局分子描述符估算有机过氧化物的热分解温度（英文）》一文中研究指出热分解温度是评估有机过氧化物火灾危险程度最重要的参数之一。本文提出一种估算有机过氧化物热分解温度的定量新方法。38种有机过氧化物被随机分为训练集和测试集,分子局部描述符AT1,AT2,AT3,AT4,AT5,AT6和全局描述符ATC表征分子结构特征。建立了一个准确的估算有机过氧化物热分解温度的定量构效关系模型,多元线性关系模型的相关系数、标准偏差和留一法检验的相关系数分别为0.9795,6.5676°C和0.9328,预测结果的平均相对误差仅为3.86%。模型稳定性采用留一法和外检验进行验证,分子结构参数对有机过氧化物的热分解温度的影响进行合理的解释。与相关文献结果比较表明利用分子局部描述符AT_1,AT_2,AT_3,AT_4,AT_5,AT_6和全局描述符ATC建立定量构效关系方法估算有机过氧化物的热分解温度是一种有效的方法。(本文来源于《Journal of Central South University》期刊2018年07期）
局部描述符论文开题报告
（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：
增强现实技术是近年来非常火热的技术之一,有着非常良好的前景。基于平面标志物的增强现实技术是其中非常重要的一部分,并且因为它的稳定高效和应用领域广泛,在很多生活场景中都有用武之地。但是它对于速度,稳定性,通用性,多目标能力等方面越来越高的要求,使得它的进一步普及受到了阻碍,也使得该领域目前仍然有着巨大的机遇和挑战。本文提出并实现了一系列与平面标志物检测和跟踪相关的技术,包括一种基于色彩学和旋转不变的局部特征描述符,一种基于局部特征描述符的平面标志物检测算法,一个能同时检测和跟踪多目标的解决方案,一个增强现实应用的跨平台解决方案等。其中基于色彩学和旋转不变的局部特征描述符经过实验在平面标志检测领域比经典的SIFT描述符有更好的效果和速度。而平面标志物检测算法包含一系列子算法,除了用到了本文提出的局部特征描述符,还有基于四叉树的关键点选择,快速近似最近邻匹配,RANSAC,逆向匹配扩充等算法,经过实验本文的平面标志物检测算法比传统的算法更稳定快速。本文最后整合了这些技术,形成了一个完整的算法流程,实现了一个能够在移动端实时运行的平面标志物增强现实应用实例。这一系列的技术有着广阔的应用前景和发展潜力,可用于更多的平面标志物增强现实场景。
（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。
局部描述符论文参考文献
[1].黄宇.基于局部描述符聚类的关联书目智能检索仿真[J].计算机仿真.2019
[2].丁奇超.基于局部特征描述符的平面标志检测及其应用[D].浙江大学.2019
[3].黄建荣,印鉴.峰值皮层模型耦合Weber局部描述符的图像融合算法[J].西南大学学报(自然科学版).2019
[4].桂元苗,王儒敬,王雪,魏圆圆.基于深度神经网络和局部描述符的大规模蛋白质互作预测方法[J].计算机应用与软件.2019
[5].陈方,许允喜.局部灰度极值模式及其局部描述符[J].中国图象图形学报.2019
[6].唐家琳.基于深度学习的局部描述符[J].电子制作.2019
[7].周伟.基于局部表面特征描述符的复杂场景下叁维目标识别研究[D].中国科学院大学(中国科学院西安光学精密机械研究所).2018
[8].庞震.叁维物体中的局部描述符研究[D].哈尔滨工业大学.2018
[9].王丽芳,王雁丽,蔺素珍,秦品乐,高媛.基于改进的Zernike矩的局部描述符与图割离散优化的非刚性多模态脑部图像配准[J].计算机应用.2019
[10].戴益民,牛兰利,邹佳祁,刘丹阳,刘辉.利用新颖的局部及全局分子描述符估算有机过氧化物的热分解温度（英文）[J].JournalofCentralSouthUniversity.2018