导读:本文包含了局部相似性论文开题报告文献综述及选题提纲参考文献，主要关键词:点集配准,图像配准,非刚性配准,高斯混合模型
局部相似性论文文献综述
彭磊,杨秀云,张裕飞,李光耀[1]（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）
魏义康,金聪[2]（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）
吴国栋,宋福根,涂立静,史明哲[3]（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[4]（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）
房琰[5]（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）
王强[6]（2019）在《基于非局部相似性的压缩感知图像重构算法研究》一文中研究指出传统的信号采样定理指出:要实现原始信号的无失真恢复,信号采集速率必须是待采样信号带宽的两倍以上。然而,随着现代信息科学技术的高速发展,待处理的信号的带宽变宽,信息量也越来越大,这无疑给信号采样、传输和存储带来了巨大挑战。压缩感知是一种开创式的信号采集理论,该理论的基本思想是:将稀疏的或可压缩的高维信号通过适当的观测矩阵投影到低维观测值中,可以通过设计重构算法完整恢复原始信号。压缩感知理论的问世在信号处理领域引起了轰动,并迅速成为国内外学者研究的热点。压缩感知过程有叁个关键步骤:首先,需要寻找信号在某一变换域中的等价表示系数;其次,利用投影矩阵将高维原信号映射得到低维观测值;最后,设计算法从少量的观测值中重构原图像。图像恢复一直是信号处理领域的难点问题,压缩感知图像重建理论的出现推动了图像恢复领域的发展。目前,利用图像特征先验信息的重建算法获得了很好的效果。在图像的非局部区域自相似性的基础上,本文主要工作是图像重建数学模型和求解算法的研究。在求解非局部低秩压缩感知图像重建数学模型的过程中,一般的做法是将图像重建过程转化为求解相似块矩阵秩最小化问题,然后采用核范数代替秩函数近似求解。然而,当奇异值较大时,核范数近似秩函数会给求解结果带来较大的偏差。本文采用更为紧凑的反正切函数和双曲正切函数逼近秩函数,提出了基于紧秩近似的非局部低秩压缩感知图像重建算法。仿真结果证明,本文提出的算法具有有效性,重构图像质量无论从主观视觉还是客观评价标准PSNR上都优于目前代表性的压缩感知重建算法。考虑到目前基于非局部相似性的重建算法在噪声环境下,未能表现出很好的重建性能,在此基础上,通过添加测量噪声最小化项,本文建立了附加噪声项的非局部低秩压缩感知图像重建模型,并给出了模型求解算法。针对测量噪声的不同分布,本文采用不同的噪声模型拟合测量噪声,给出了相应的误差更新公式。验证结果表明,在不同类型不同量级的测量噪声环境下,提出的算法从少量观测值中很好的重构了多幅包含复杂纹理细节,结构各异的自然图像。与主流的图像重建算法比较,本文算法在噪声环境中具有更好的重建性能。(本文来源于《电子科技大学》期刊2019-03-28）
杜秀丽,胡兴,陈波,邱少明[7]（2019）在《基于加权非局部相似性的视频压缩感知多假设重构算法》一文中研究指出分布式视频压缩感知(Distributed Compressed Video Sensing,DCVS)多假设重构算法将传统视频编码中的多假设预测运动估计思想引入到分布式压缩感知视频编码系统中,改善了对视频序列的重构质量。在该算法中,大变化块采用本帧邻域块信息作为参考,而当本帧邻域块含有较多纹理和细节时,算法性能有待提高。为此,对非局部相似性的思想进行改进,提出基于加权非局部相似性的分布式视频压缩感知多假设重构算法。在该算法中,对大变化块中的纹理块采用加权非局部相似性在相邻已重构帧中寻找自相似块,最终生成辅助重构信息块;对于非纹理块,则简单利用加权非局部相似性生成相似块。对不同特点的视频序列的仿真实验结果表明,改进后的算法有效改善了视频序列的重构质量,具有较优的重构SSIM,PSNR指标,其中PSNR约提高1dB。(本文来源于《计算机科学》期刊2019年01期）
张素,安博文,潘胜达[8]（2018）在《基于时空非局部相似性的海上红外弱小目标检测》一文中研究指出为了消除海上红外弱小目标检测中图像背景杂波和噪声的影响,提出了一种基于时空非局部相似性的红外图像弱小目标检测方法.该方法充分利用了相邻帧的红外图像序列间海面背景图像块的非局部自相关特性以及每帧内非局部背景图像块间的相似特性,并引入时空域图像块模型,该模型可利用加速近端梯度方法来有效求解.实验结果表明,与传统的红外弱小目标检测方法相比,所提方法不仅能更有效地保留目标的特征信息,还能使红外图像的峰值信噪比提高1.2倍以上,信杂比提高1.8倍以上.(本文来源于《光子学报》期刊2018年11期）
卢文[9]（2018）在《基于局部信息节点相似性链路预测算法的分析与研究》一文中研究指出链路预测作为网络科学中的新兴研究方向,近年来受到越来越多研究者们的关注。本文详细分析了十种基于局部信息相似性的链路预测算法,同时将十种算法在六种真实网络中进行仿真实验,通过AUC指数得出,基于节点相似性的链路预测算法可以在仅掌握网络节点少数属性的情况下,可以达到一个很好的预测水平。(本文来源于《电子技术与软件工程》期刊2018年20期）
徐宝鼎,丁香乾,秦玉华,侯瑞春,张磊[10]（2019）在《基于网格划分局部线性嵌入算法的近红外光谱相似性度量方法》一文中研究指出近红外光谱数据的高维、高冗余、高噪声和非线性的特性严重影响了光谱相似性度量的准确性,针对该问题,提出了一种基于网格划分局部线性嵌入(GGLLE)算法的近红外光谱相似性度量方法。首先,根据关键化学成分在光谱中的表达,将高维光谱数据划分为多个网格子空间。其次,对局部线性嵌入(LLE)算法做了两方面改进,并采用改进的LLE算法依次实现每个子空间从高维空间向低维空间的特征映射,计算生成子空间的相似度矩阵。最后,将子空间相似度矩阵归一化处理并求解所累加和生成光谱样本集的相似度矩阵,实现光谱的相似性度量。实验选取两组某烟草企业提供的烟叶光谱构建了光谱的相似性度量模型,以相似性度量的准确率作为算法优劣的衡量标准。实验结果表明,GGLLE算法构建的相似性度量模型的准确率为93.3%,明显优于主成分分析、栈式自编码器和LLE算法的64.2%、67.5%和82.5%,从而证明了GGLLE算法的有效性。(本文来源于《激光与光电子学进展》期刊2019年03期）
局部相似性论文开题报告
（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：
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。
（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。
局部相似性论文参考文献
[1].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
[2].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
[3].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
[4].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
[5].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
[6].王强.基于非局部相似性的压缩感知图像重构算法研究[D].电子科技大学.2019
[7].杜秀丽,胡兴,陈波,邱少明.基于加权非局部相似性的视频压缩感知多假设重构算法[J].计算机科学.2019
[8].张素,安博文,潘胜达.基于时空非局部相似性的海上红外弱小目标检测[J].光子学报.2018
[9].卢文.基于局部信息节点相似性链路预测算法的分析与研究[J].电子技术与软件工程.2018
[10].徐宝鼎,丁香乾,秦玉华,侯瑞春,张磊.基于网格划分局部线性嵌入算法的近红外光谱相似性度量方法[J].激光与光电子学进展.2019