导读:本文包含了匹配区域特征论文开题报告文献综述及选题提纲参考文献，主要关键词:特征匹配算法,基于特征,配准方法,图像拼接
匹配区域特征论文文献综述
秦丽娟,林一方[1]（2019）在《一种基于图像拼接的区域化特征匹配算法》一文中研究指出为了提高图像拼接过程中基于特征点的图像配准效率,提出一种区域化图像特征匹配算法。该算法根据匹配的特征点肯定会出现在待拼接图像的相似区域,所以在进行特征匹配前先建立待拼接图像的像素曲线图判断待拼接图像的相似区域,并根据相似区域进行区域化图像特征匹配。实验结果表明:该方法相对于全图特征搜索方法,能够有效提高图像配准的运算效率。(本文来源于《电子世界》期刊2019年22期）
李亚飞[2]（2019）在《基于区域特征匹配的目标跟踪算法研究》一文中研究指出目标跟踪作为计算机视觉中的重要课题之一,极具现实意义和应用价值,在人机交互、智能监控、医疗诊断、无人驾驶等应用领域发挥着重要作用。虽然近些年目标跟踪技术不断取得重大的进展,但由于实际应用场景的多样性和复杂性,给目标跟踪技术带来了巨大的挑战,因此目标跟踪技术的研究仍是一个极具科研价值和挑战性的课题。目标跟踪技术的难点是保证算法对各种复杂场景的适应能力,并兼顾算法的性能。本文针对目标跟踪的技术难点,在相关工作的基础上,从目标特征和跟踪模型上进行研究,以提高算法在各种复杂跟踪场景中的鲁棒性和准确性,并在此基础上尽量提升算法的实时性。本文选取生成式跟踪方法中的Mean Shift跟踪框架和判别式跟踪方法中的相关滤波跟踪框架进行研究,主要研究工作和成果如下:(1)在Mean Shift跟踪框架下,针对跟踪场景中背景干扰和遮挡对跟踪算法性能和鲁棒性的影响,提出了一种基于多通道提取AHLBP(Adaptive Haar Local Binary Pattern)纹理特征的目标跟踪算法。本算法在分析了HLBP(Haar Local Binary Pattern)纹理在表达图像特征中存在的缺陷之后,考虑图像局部视觉信息,提出了自适应阈值的HLBP纹理特征提取方法,提高纹理信息对图像内部结构信息的有效表达。同时为了获得丰富的、深层次的纹理信息,对目标进行描述,我们从目标区域的彩色空间下分离出各颜色通道的灰度图像,然后分别进行纹理信息的提取,建立准确而完善的目标模型,最后在Mean Shift框架下实现目标跟踪。实验结果表明,本算法能够充分利用纹理特征,使得跟踪算法在背景干扰、目标遮挡等复杂场景下保持良好的跟踪性能和鲁棒性。(2)在KCF(Kernel Correlation Filter)跟踪算法中,针对目标周围出现相似物或者噪声干扰等易造成目标定位失败,算法性能下降问题,本文提出了基于局部多峰定位和模型更新策略的KCF跟踪算法。首先从KCF算法跟踪模型中的目标定位原理出发,分析了多峰响应图下目标定位失效的原因,进而提出了以筛选有效候选目标位置和重检测为核心思想的局部多峰定位策略,提高目标定位的准确性。另外,利用响应图对目标和候选目标相关性的反映,引入两个模型参数更新指标,设定新的模型参数更新策略,减小不准确定位结果对模型的腐蚀。通过与主流跟踪算法大量对比实验表明,所提算法对复杂场景中的目标跟踪任务有良好的适应能力,具有更好的跟踪性能和实时性。(本文来源于《河南工业大学》期刊2019-05-01）
张刚,刘文彬,张男[3]（2019）在《基于区域特征分割的密集匹配点云渐进形态学滤波》一文中研究指出随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点叁角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波(CSF)算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。(本文来源于《地球信息科学学报》期刊2019年04期）
何喜军,马珊,武玉英,蒋国瑞[4]（2019）在《多特征融合下在线技术转移平台供需匹配研究——以京津冀区域数据为例》一文中研究指出[目的/意义]为解决在线技术转移平台中因供需信息表述非结构化、供需文本特征稀疏等导致供需文本匹配难的问题,开展线上技术供需信息匹配研究。[方法/过程]提出融合供需文本词频特征、相关性特征和语义特征的匹配模型,通过采集在线技术转移平台(技E网)数据,并针对京津冀技术需求进行供给匹配。[结果/结论]第一,融合多特征的技术供需文本匹配模型,其准确率相比单一特征明显提高;第二,实证研究发现京津冀技术供需文本匹配率为45.437%,但92.5%的供需文本匹配值在0.6左右,匹配值较低,且叁地匹配率存在显着差异,河北技术需求在线对接难度更大;第叁,技术供需匹配中领域交叉特征不明显,但地理邻近性特征明显。(本文来源于《情报杂志》期刊2019年06期）
刘森斌,汪国有[5]（2018）在《基于改进Fast MBD显着性检测和多特征融合匹配的靶纸区域快速检测算法》一文中研究指出为了解决基于机器视觉的自动报靶系统快速、准确定位靶纸区域的问题,通过对靶纸图像的颜色和形状特性分析,提出一种基于改进Fast Minimum Barrier Distance显着性和多特征匹配的靶纸区域快速检测算法;该算法在原始Fast Minimum Barrier Distance显着区域提取算法的基础上,引入局部区域对比度先验和形状先验作为显着性区域提取的补充准则;同时,为了判断提取到的区域是否包含靶纸,再引入多特征匹配算法;首先,分别对图像边界连通先验、局部区域对比度先验和形状先验进行量化,形成距离图、对比度图和形状图,再结合叁者分割出显着性目标区域,然后提取分割出的各目标区域的多种特征,并将其进行特征融合,最后利用1-范式将得到的目标特征与模板特征进行匹配,把匹配结果小于阈值的目标视为靶纸;在400张包含靶纸图像数据集上的实验结果显示了该算法的有效性;同时,在华为海思平台上,该算法处理速度能达到30帧/秒,足以证明该算法的实时性。(本文来源于《计算机测量与控制》期刊2018年09期）
张振宁,李征,郑俊伟[6]（2018）在《基于局部限定搜索区域的特征匹配算法》一文中研究指出提出一种局部限定搜索区域的特征匹配算法,将空间约束与局部描述符结合起来。该算法在ASIFT算法基础之上,针对在特征匹配阶段直接去除一对多、多对一的特征点的缺陷做出了改进。由于这些被去掉的特征点中有很多是可以得到正确匹配的,导致获得到的匹配点对少了很多,通过在已经匹配的点对的周围限定区域内寻找出新的未曾匹配的点对,最终达到提升正确匹配数量的目标。经实验验证,所提出的局部限定搜索区域的特征匹配算法相比于ASIFT算法能大量增加特征匹配点的数量。(本文来源于《电子技术应用》期刊2018年08期）
普阳光[7]（2018）在《多视图叁维重建特征点检测匹配和点云区域裁剪算法改进》一文中研究指出基于多视图的叁维重建是计算机视觉范畴的热门研究内容,该技术是指从不同视角捕获目标景物的多个视图并从图像中获得目标物体的叁维几何和纹理信息,利用这些空间信息重建目标景物的叁维场景模型。通过针对性地研究多视图叁维重建算法,结合古代建筑物所具有的大场景、细节复杂、结构种类多样等特点,发现基于多视图的古建筑叁维重建系统中,有很多需要研究和改进的地方。首先是针对叁位重建技术中的特征点检测与匹配算法进行改进,然后提出了基于摄像机坐标边缘的点云区域自动裁剪算法。总结如下:1、针对基于SIFT/Harris的多视图叁维重建系统的特征点检测与匹配能力较差,不具有仿射不变性等的问题,提出了基于Bicubic算法和Harris算法改进ASIFT算法,Bicubic算法对输入图像进行尺度优化,ASIFT算法仿射模拟图像切变后,对切变图像进行多尺度空间的Harris角点检测,之后在多尺度中计算出LoG响应峰值尺度,将检测的角点变换到该峰值尺度上,进行Harris经典算法的特征点匹配;将改进算法BH-ASIFT运用到基于PMVS的多视图叁维重建系统中,改进后的算法特征点检测与匹配能力较强,生成的最终叁维模型更加真实。2、针对多视图叁维重建算法生成的点云和模型冗余信息较多的问题,提出了基于Alpha Shapes算法检测二维平面坐标点集边缘的点云区域裁剪算法,该算法中二维平面坐标点集(x _i,y_i)是由摄像机在叁维空间坐标(x _i,y _i,z_i)投影到xy平面上所得到的,通过Alpha Shapes算法检测散乱点集(x _i,y_i)的边缘点,并将相邻的边缘点连接起来形成一个区域,根据叁维重建算法生成点云在xy平面上的坐标位置,将区域外的点云清除。(本文来源于《河南大学》期刊2018-06-01）
王春华,韩栋[8]（2018）在《基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法》一文中研究指出针对当前较多图像伪造检测算法主要通过利用图像的灰度特征来进行图像伪造检测,当伪造内容存在较大灰度差异时,将导致检测结果中出现较多的误测以及鲁棒性不佳的不足。提出了基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵行列式对图像特征进行检测,通过积分图像的方法提高Hessian矩阵行列式检测图像特征点的效率。然后,通过求取Haar小波响应值,以判定特征点的主方向。接着,对圆形窗口进行均匀分割,利用像素点的梯度模值来建立分割区域直方图,以获取特征向量,生成特征描述符。最后,利用归一化互相关(NCC)函数对特征点的相关性进行度量,建立特征相关匹配规则对特征点进行匹配。利用凝聚层次聚类方法,对特征点进行层次聚类,实现图像的伪造检测。实验结果分析表明,与当前图像匹配算法相比,图像伪造检测算法不仅能较精确的对伪造内容进行检测,而且还具有较强的鲁棒性能。(本文来源于《电子测量与仪器学报》期刊2018年04期）
赵夫群,周明全,耿国华[9]（2018）在《基于轮廓曲线和特征区域的秦俑碎块匹配算法》一文中研究指出为了提高秦俑碎块匹配的精度和速度,提出了基于轮廓曲线和特征区域的碎块匹配算法.提取碎块的断裂面及其轮廓曲线,并将轮廓曲线进行分段,再采用最长公共子序列算法将轮廓曲线进行匹配,以实现碎块的粗匹配;根据体积积分不变量计算碎块断裂面上所有顶点的凹凸性,并将断裂面划分为一系列或凹或凸的特征区域;计算断裂面上各个特征区域的质心,并采用改进的迭代最近点算法对质心进行匹配,以实现断裂面的细匹配.实验采用了3种匹配算法对秦俑碎块数据进行匹配,结果表明基于轮廓曲线和特征区域的匹配算法能更加精确地完成碎块断裂面的完全匹配和部分匹配,并在细匹配阶段取得了更高的迭代收敛速度.(本文来源于《北京理工大学学报》期刊2018年03期）
闫利,龚珣,谢洪[10]（2018）在《相位相关辅助的重复纹理区域特征跟踪匹配》一文中研究指出在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理。利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及叁维重建。针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade-Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法。首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配。实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题。(本文来源于《国土资源遥感》期刊2018年01期）
匹配区域特征论文开题报告
（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：
目标跟踪作为计算机视觉中的重要课题之一,极具现实意义和应用价值,在人机交互、智能监控、医疗诊断、无人驾驶等应用领域发挥着重要作用。虽然近些年目标跟踪技术不断取得重大的进展,但由于实际应用场景的多样性和复杂性,给目标跟踪技术带来了巨大的挑战,因此目标跟踪技术的研究仍是一个极具科研价值和挑战性的课题。目标跟踪技术的难点是保证算法对各种复杂场景的适应能力,并兼顾算法的性能。本文针对目标跟踪的技术难点,在相关工作的基础上,从目标特征和跟踪模型上进行研究,以提高算法在各种复杂跟踪场景中的鲁棒性和准确性,并在此基础上尽量提升算法的实时性。本文选取生成式跟踪方法中的Mean Shift跟踪框架和判别式跟踪方法中的相关滤波跟踪框架进行研究,主要研究工作和成果如下:(1)在Mean Shift跟踪框架下,针对跟踪场景中背景干扰和遮挡对跟踪算法性能和鲁棒性的影响,提出了一种基于多通道提取AHLBP(Adaptive Haar Local Binary Pattern)纹理特征的目标跟踪算法。本算法在分析了HLBP(Haar Local Binary Pattern)纹理在表达图像特征中存在的缺陷之后,考虑图像局部视觉信息,提出了自适应阈值的HLBP纹理特征提取方法,提高纹理信息对图像内部结构信息的有效表达。同时为了获得丰富的、深层次的纹理信息,对目标进行描述,我们从目标区域的彩色空间下分离出各颜色通道的灰度图像,然后分别进行纹理信息的提取,建立准确而完善的目标模型,最后在Mean Shift框架下实现目标跟踪。实验结果表明,本算法能够充分利用纹理特征,使得跟踪算法在背景干扰、目标遮挡等复杂场景下保持良好的跟踪性能和鲁棒性。(2)在KCF(Kernel Correlation Filter)跟踪算法中,针对目标周围出现相似物或者噪声干扰等易造成目标定位失败,算法性能下降问题,本文提出了基于局部多峰定位和模型更新策略的KCF跟踪算法。首先从KCF算法跟踪模型中的目标定位原理出发,分析了多峰响应图下目标定位失效的原因,进而提出了以筛选有效候选目标位置和重检测为核心思想的局部多峰定位策略,提高目标定位的准确性。另外,利用响应图对目标和候选目标相关性的反映,引入两个模型参数更新指标,设定新的模型参数更新策略,减小不准确定位结果对模型的腐蚀。通过与主流跟踪算法大量对比实验表明,所提算法对复杂场景中的目标跟踪任务有良好的适应能力,具有更好的跟踪性能和实时性。
（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。
匹配区域特征论文参考文献
[1].秦丽娟,林一方.一种基于图像拼接的区域化特征匹配算法[J].电子世界.2019
[2].李亚飞.基于区域特征匹配的目标跟踪算法研究[D].河南工业大学.2019
[3].张刚,刘文彬,张男.基于区域特征分割的密集匹配点云渐进形态学滤波[J].地球信息科学学报.2019
[4].何喜军,马珊,武玉英,蒋国瑞.多特征融合下在线技术转移平台供需匹配研究——以京津冀区域数据为例[J].情报杂志.2019
[5].刘森斌,汪国有.基于改进FastMBD显着性检测和多特征融合匹配的靶纸区域快速检测算法[J].计算机测量与控制.2018
[6].张振宁,李征,郑俊伟.基于局部限定搜索区域的特征匹配算法[J].电子技术应用.2018
[7].普阳光.多视图叁维重建特征点检测匹配和点云区域裁剪算法改进[D].河南大学.2018
[8].王春华,韩栋.基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法[J].电子测量与仪器学报.2018
[9].赵夫群,周明全,耿国华.基于轮廓曲线和特征区域的秦俑碎块匹配算法[J].北京理工大学学报.2018
[10].闫利,龚珣,谢洪.相位相关辅助的重复纹理区域特征跟踪匹配[J].国土资源遥感.2018