导读:本文包含了多对象特征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:高分辨率遥感,多特征融合,道路提取,基于像素
多对象特征提取论文文献综述
曹云刚,王志盼,慎利,肖雪,杨磊[1]（2016）在《像元与对象特征融合的高分辨率遥感影像道路中心线提取》一文中研究指出提出了一种融合像元-多尺度对象级特征的高分辨率遥感影像道路中心线提取方法。首先在像素级上提取影像的纹理和形状结构特征,在构建的多尺度分割集影像上提取对象的区域光谱特征。然后,将像元级特征与多尺度对象特征进行决策级融合,完成道路网的粗提取。最后,结合本文所提出的非道路区域自动去除算法和张量投票算法,实现道路中心线的精提取。不同场景、不同分辨率数据下开展的试验结果表明,该方法可有效改善传统道路提取方法易产生的"盐噪声"和非道路地物粘连现象。(本文来源于《测绘学报》期刊2016年10期）
李长龙,高志海,吴俊君,孙斌,丁相元[2]（2015）在《基于分形网络进化分割和对象特征提取的GF-1卫星数据沙化土地分类识别研究》一文中研究指出以高分一号(GF-1)为数据源,以浑善达克沙地为研究区,研究基于GF-1数据的沙化土地分类识别技术。文中的处理范围约为200km*400km,通过J-M距离和最终分类精度来确定每个类别对应的最优分割尺度,分割方法采用的是分形网络进化分割算法(FNEA),通过信息增益比、J48决策树、随机树、标准差和变异系数来确定最优分类对象特征,通过决策树和支持向量机(SVM)结合分类方法形成了半自动化的沙化土地分类识别流程,总体精度达到了85.61%,Kappa系数为0.8295。(本文来源于《干旱区资源与环境》期刊2015年11期）
彭博[3]（2011）在《基于对象特征的高分辨率遥感影像特定目标提取》一文中研究指出针对目前目标识别技术对特定目标提取方面的不足，及已有软件特征繁多但利用率低的弱点，为了推进信息化测绘及地理国情监测的变化发现的需求，应用一种混合的特征提取技术对特定目标进行提取，通过研究特征形成对分割后影像对象进行特征抽取，并与改进的决策树规则表达算法融合对目标进行提取，分别对几种模块进行封装，在已有基础上开发出一套海量数据综合处理面向对象变化监测系统。主要涉及到的技术：（1）特征集构建。通过编程实现多种特征算法，包括光谱特征、纹理特征和形状特征，并对算法的准确性予与检验，通过定量比较特征值将本设计所实现算法的正确性得以验证，实验表明该特征集能够很好的满足特征提取的要求。（2）特征抽取与组织技术。运用基于可分性准则为标准来衡量各特征之间的可分性，通过对于距离的分析达到提取最有效特征的目的，并实现多维的特征空间的判断。对筛选后的特征通过树状结构进行可视化表达，解决其组织结构的关键问题。（3）特征子集选取技术。实现一种自动优化表达的决策树信息提取方法，采用一种模型描述简洁的规则建立方式，解决了影像特征信息提取的一大难题，通过特征抽取技术与决策树算法的结合将知识规则进行有效的描述，从而更好的提高提取精度及提取效率。(本文来源于《辽宁工程技术大学》期刊2011-12-01）
王玉亮,刘贤喜,苏庆堂,王朝娜[4]（2010）在《多对象特征提取和优化神经网络的玉米种子品种识别》一文中研究指出为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为0.127s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。(本文来源于《农业工程学报》期刊2010年06期）
赵衍运[5]（2009）在《图像对象特征提取与识别》一文中研究指出视觉是人类认知世界的重要途径,由于人眼摄入景物时的整体性和人的神经系统处理信息的高度并行性,人的视觉系统识别图像是轻而易举的事情;而目前计算机处理图像数据是逐像素进行的,缺乏整体形象的指导,其自动识别图像的准确率和效率还远不及人的视觉,虽然近年来计算视觉技术发展迅速,新的研究成果层出不穷,但仍存在诸多具有理论意义和实用价值的课题需要研究探索。二维图像的分析和二维对象的识别是计算机视觉的重要研究内容之一。对图像进行分析的目的是要识别其中的对象,首先要分割出对象,然后提取描述对象的特征,并依据特征识别对象。可见图像分割、对象特征提取、基于特征设计识别算法,是图像对象识别的关键问题。针对图像对象识别中的关键问题,结合实际科研工作,本文对指纹图像分割、对象形状特征描述、枪痕图像识别等问题进行了探索研究,主要研究工作概括如下:1.提出并实现了基于支持向量机(SVM)的指纹图像分割方法。支持向量机是近年来备受推崇的机器学习方法,分析所处理的指纹数据库的特点,提出并实现了一种用图像块方差和块对比度构成SVM特征的指纹分割算法,该算法在FVC2002db4数据库上取得较好的分割结果,正确分割率高于95%。2.提出了一种将局部分析和全局分析相结合,综合评价指纹图像质量的方法。算法首先将指纹图像划分成32×32的子块,对每一块作FFT变换,计算块频谱分布图的最小转动惯量和偏心率,从这些参数得到块质量的局部分析结果;其次考察每块图像的频域特征参数与其8近邻块相应参数的关系,从纹线流势的全局观点,聚类形成图像的清晰区和模糊区;算法最后综合局部分析和全局分析的结果,得出指纹图像的质量评分。实验结果表明这是一种合理的、有效的质量评价方法。3.提出了一种表示图像对象形状的边缘相对方向特征。将图像对象形状的边缘信息抽象成由特征点及边缘相对方向构成的特征图,基于特征图,可以设计出对平移、尺度、旋转变换具有不变性的对象形状识别算法。将边缘相对方向特征应用于手势图像识别,实验结果证明了该特征的有效性和高速性,叁种手势的识别率高于98%,平均每幅图像的识别时间少于0.45ms。4.提出并实现了非制式枪枪痕图像识别方法。非制式枪枪痕图像的计算机自动识别目前尚未见到比较成功的相关报道,此前非制式枪枪痕识别工作是由专业人员在显微镜下进行人工比对识别的,其效率非常低;我们提出并实现了非制式枪弹头枪痕图像的识别方法,算法提取枪痕图像的SIFT特征进行比对识别,取得了比较好的识别效果,并通过了“公安部刑事技术产品质量监督检验中心”的检验。(本文来源于《北京邮电大学》期刊2009-05-20）
范瑾[6]（2007）在《复杂背景下的对象特征提取》一文中研究指出本文以犯罪现场遗留足迹为对象,阐述了图像处理和模式识别的相关知识,实现复杂背景下的对象特征提取。足迹是刑侦工作中经常用到的生物特征,针对足迹照片存在噪声干扰大,边缘不清晰,人工识别受主观因素影响等问题,提出了基于二维最大熵的类间方差、基于模糊聚类和形态学滤波的足迹特征识别方法。利用二维最大熵的类间方差算法或模糊聚类算法将图像进行阈值分割,得到鞋底各部分受力情况的粗略估计;同时结合形态学滤波和阈值面积消除法抑制噪声,并自适应地确定特征识别门限值;最后在原始图像上标识出特征区。该方法运算简单,能充分利用图像的梯度和灰度信息,有效消除噪声,提高特征区域边缘检测的准确性,为刑侦工作的足迹自动识别提供了新途径。(本文来源于《华北电力大学（河北）》期刊2007-12-15）
多对象特征提取论文开题报告
（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：
以高分一号(GF-1)为数据源,以浑善达克沙地为研究区,研究基于GF-1数据的沙化土地分类识别技术。文中的处理范围约为200km*400km,通过J-M距离和最终分类精度来确定每个类别对应的最优分割尺度,分割方法采用的是分形网络进化分割算法(FNEA),通过信息增益比、J48决策树、随机树、标准差和变异系数来确定最优分类对象特征,通过决策树和支持向量机(SVM)结合分类方法形成了半自动化的沙化土地分类识别流程,总体精度达到了85.61%,Kappa系数为0.8295。
（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。
多对象特征提取论文参考文献
[1].曹云刚,王志盼,慎利,肖雪,杨磊.像元与对象特征融合的高分辨率遥感影像道路中心线提取[J].测绘学报.2016
[2].李长龙,高志海,吴俊君,孙斌,丁相元.基于分形网络进化分割和对象特征提取的GF-1卫星数据沙化土地分类识别研究[J].干旱区资源与环境.2015
[3].彭博.基于对象特征的高分辨率遥感影像特定目标提取[D].辽宁工程技术大学.2011
[4].王玉亮,刘贤喜,苏庆堂,王朝娜.多对象特征提取和优化神经网络的玉米种子品种识别[J].农业工程学报.2010
[5].赵衍运.图像对象特征提取与识别[D].北京邮电大学.2009
[6].范瑾.复杂背景下的对象特征提取[D].华北电力大学（河北）.2007