导读:本文包含了旋转角度估计论文开题报告文献综述及选题提纲参考文献，主要关键词:深度图,人脸特征定位,人脸曲面,叁维曲率
旋转角度估计论文文献综述
蒋建国,胡珍珍,詹曙[1]（2012）在《基于深度数据的空间人脸旋转角度估计》一文中研究指出提出一种基于叁维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法与人脸数据中的灰度特征对人脸面部关键特征点定位,进而计算出人脸姿态在叁维空间中的3个姿态角。实验证明该方法能在姿态变化情况下实现对人脸旋转角的准确估计,为进一步的人脸识别和表情分析提供基础。(本文来源于《图学学报》期刊2012年04期）
胡珍珍[2]（2011）在《基于深度数据的人脸旋转角度估计及叁维人脸识别的研究》一文中研究指出人脸识别是基于生物特征的身份认证技术之一,是模式识别和计算机视觉邻域的热门研究方向,在商业、安全监控等领域有着广泛的应用前景。叁维人脸识别以人脸的叁维数据为基础,结合计算机视觉和计算机图形学,利用叁维人脸的深度信息,能够解决和克服二维人脸识别研究中所面临的光照、姿态和表情变化的问题。人脸的旋转角度估计是叁维人脸识别的前处理,是智能人机交互以及人脸识别的前提条件。本论文所作的主要工作是基于叁维人脸深度数据的人脸旋转角度估计和人脸识别。主要的工作和创新点如下:1.概述了目前叁维人脸识别的概念和基本过程以及叁维人脸数据的获取与数据表示等相关技术,以及对叁维人脸识别效果的评估等各个步骤。重点介绍了利用深度信息建模识别的算法2.提出一种基于叁维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法定位处出人脸鼻尖点和鼻鞍点,利用人脸数据中的灰度特征定位出人脸的左右瞳孔,进而计算出人脸姿态在叁维空间中的叁个姿态角。3.在叁维人脸空间姿态已知的基础上提出了一种基于面部轮廓线的叁维人脸识别方法。首先根据计算机图形学的原理对偏转的空间人脸进行旋转使其达到正视面状态,通过曲面拟合和重新采样将旋转后的人脸深度数据规整化,得到姿态矫正后的深度图。对旋转后的人脸曲面提取两条重要的轮廓线:中心侧影线和鼻尖处横切轮廓线。利用迭代最近点(ICP,iterative closest points)算法对轮廓线进行精确匹配,给出最终的识别结果。(本文来源于《合肥工业大学》期刊2011-04-01）
张博,唐文彦,黄勇[3]（2009）在《采用改进的几何算法快速估计图像旋转角度》一文中研究指出不规则的旋转运动会明显的降低图像序列的质量,旋转运动估计是实现电子图像稳定的关键技术。采用仿射变换模型可以有效地估计图像二维运动参数,但是求解最小二乘解的计算量太大。提出了一种简单的估计图像旋转角度的方法。利用匹配块相对于旋转中心位移矢量对称的特性,消除平移运动引起的运动矢量,通过简单的几何计算即可获得旋转参数,进一步,通过合理设置阈值,降低局部运动估计误差对全局结果的影响。理论分析和仿真结果表明,在帧间图像旋转角度小于10°的条件下,应用方法能够简单有效的估计出旋转角度。(本文来源于《计算机仿真》期刊2009年06期）
王雪[4]（2008）在《用于虹膜识别的旋转角度估计算法研究》一文中研究指出虹膜图像采集时,由于人脸的偏转或是眼珠的转动,造成采集到的虹膜图像与原始虹膜数据库中的图像有旋转夹角产生。本文对如何估计两幅虹膜图像间的旋转夹角这一课题进行了初步的研究,提出了两种基于图像矩的旋转角度估计算法。根据几何矩的物理特性知某区域的“取向”可由此区域主轴与水平轴的夹角表示,主轴则是关于此区域转动惯量最小的一条直线。因此某一区域关于水平轴的旋转角度可以理解为这一区域的“取向”。基于几何矩描述的旋转角度估计算法将分割后的眼睛区域作为目标区域,眼睛区域关于水平轴的旋转角度则可以通过计算该区域最小转动惯量得到。由于Zernike矩具有旋转不变性,旋转后的虹膜区域与未旋转的虹膜区域的Zernike矩模值是相同的,只存在相位角的偏差,因此则可以通过计算两幅图像Zernike矩值对应的相位角之差估计其相对旋转角度。基于Zernike矩的角度估计算法将定位后虹膜区域的灰度图像作为目标区域,并将其映射到单位圆上,然后计算其Zernike矩值所对应的相位角,通过与模板图像Zernike矩所对应相位角之间的数学运算得到两幅图像之间的相对虹膜旋转角度。实验结果表明,两种算法均能较准确估计出虹膜的旋转角度,对系统性能的提升有一定的帮助。(本文来源于《西安电子科技大学》期刊2008-01-01）
王彦锟,刘方[5]（2007）在《一种快速稳健的图像旋转角度估计算法》一文中研究指出提出了一种快速稳健的图像旋转角度估计算法,首先采用Canny算子提取图像的边缘,并根据边缘点幅度出现概率对边缘点进行筛选,然后将筛选后的边缘点按照幅度从强到弱排序并均分叁组,取前两组点进行分组角度直方图表决得出图像间的旋转角度估计值。由于直接采用边缘梯度方向,且无需事先确定图像间边缘点的对应关系,算法计算复杂度较低;对边缘点的筛选和分组分析,去除低对比度特征的干扰,进一步减少计算开支,并提高了算法的稳健性。实验结果验证了算法的有效性。(本文来源于《计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集》期刊2007-08-01）
胡正仪,苏祥芳[6]（1994）在《ZERNIKE矩的旋转不变性及对旋转角度的估计》一文中研究指出Ｚｅｒｎｉｋｅ矩所用的变换核是一组正交变换核，并且矩的模在空间上是旋转不变的．本文指出了Ｚｅｒｎｉｋｅ矩的相位包含了所有有关目标在空间取向的信息．为了提取这一重要信息，提出利用大于给定门限的多个矩的统计估计方法．计算机模拟结果，表明了这种方法的有效性．(本文来源于《武汉大学学报(自然科学版)》期刊1994年04期）
旋转角度估计论文开题报告
（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：
人脸识别是基于生物特征的身份认证技术之一,是模式识别和计算机视觉邻域的热门研究方向,在商业、安全监控等领域有着广泛的应用前景。叁维人脸识别以人脸的叁维数据为基础,结合计算机视觉和计算机图形学,利用叁维人脸的深度信息,能够解决和克服二维人脸识别研究中所面临的光照、姿态和表情变化的问题。人脸的旋转角度估计是叁维人脸识别的前处理,是智能人机交互以及人脸识别的前提条件。本论文所作的主要工作是基于叁维人脸深度数据的人脸旋转角度估计和人脸识别。主要的工作和创新点如下:1.概述了目前叁维人脸识别的概念和基本过程以及叁维人脸数据的获取与数据表示等相关技术,以及对叁维人脸识别效果的评估等各个步骤。重点介绍了利用深度信息建模识别的算法2.提出一种基于叁维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法定位处出人脸鼻尖点和鼻鞍点,利用人脸数据中的灰度特征定位出人脸的左右瞳孔,进而计算出人脸姿态在叁维空间中的叁个姿态角。3.在叁维人脸空间姿态已知的基础上提出了一种基于面部轮廓线的叁维人脸识别方法。首先根据计算机图形学的原理对偏转的空间人脸进行旋转使其达到正视面状态,通过曲面拟合和重新采样将旋转后的人脸深度数据规整化,得到姿态矫正后的深度图。对旋转后的人脸曲面提取两条重要的轮廓线:中心侧影线和鼻尖处横切轮廓线。利用迭代最近点(ICP,iterative closest points)算法对轮廓线进行精确匹配,给出最终的识别结果。
（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。
旋转角度估计论文参考文献
[1].蒋建国,胡珍珍,詹曙.基于深度数据的空间人脸旋转角度估计[J].图学学报.2012
[2].胡珍珍.基于深度数据的人脸旋转角度估计及叁维人脸识别的研究[D].合肥工业大学.2011
[3].张博,唐文彦,黄勇.采用改进的几何算法快速估计图像旋转角度[J].计算机仿真.2009
[4].王雪.用于虹膜识别的旋转角度估计算法研究[D].西安电子科技大学.2008
[5].王彦锟,刘方.一种快速稳健的图像旋转角度估计算法[C].计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集.2007
[6].胡正仪,苏祥芳.ZERNIKE矩的旋转不变性及对旋转角度的估计[J].武汉大学学报(自然科学版).1994