导读:本文包含了局部相似目标论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,红外图像,弱小目标检测,非局部相似性
局部相似目标论文文献综述
张素,安博文,潘胜达[1]（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）
伍海龙[2]（2018）在《基于超像素局部相似的目标跟踪算法研究》一文中研究指出目标跟踪技术是计算机视觉领域的核心任务之一,其在视频监控、人机交互、医学诊断、智能视觉导航等众多领域有着重要应用。由于受现实复杂场景中光照变化、阴影、遮挡、运动目标突变、背景杂乱等因素的影响,给图像目标跟踪技术带来了极大挑战。近几年,目标跟踪技术虽然有很大进展,但是跟踪效率低下和相似性度量等方面的难题方面仍需要解决或者改进。本文针对复杂场景下高效图像目标跟踪关键技术进行深入透彻研究,主要研究内容和相关成果具体如下:针对传统欧氏距离度量权重分配不准确,造成度量精度不高的问题,本文提出了自适应局部权重学习的方法。(1)在最小界粒子优化与超像素局部权重学习的目标跟踪算法中,在模板中心位置一定范围内采取正、负样本,利用正负样本的加权局部相似度平均数构建目标函数。通过理论推导求解目标函数,得到局部区域权重。模板与候选样本局部相似度计算时添加此权重,使局部相似度计算精度提高,进而提升跟踪算法性能;(2)在利用超像素局部加权度量和反稀疏模型的视觉追踪算法中,将目标较大的周围区域进行超像素分割并提取超像素特征,利用均值漂移算法进行聚类。计算类置信值得到初始置信图。在此之后,将目标模板进行分割,联合目标模板与置信图,计算模板超像素局部权重。在稀疏求解过程中,用此权重加权使模板与候选样本相似性度量时,噪声或遮挡对度量准确性的干扰减弱。针对传统跟踪算法跟踪效率不高的问题,(1)在最小界粒子优化与超像素局部权重学习的视觉跟踪算法中,提出最小界粒子优化的方法,剔除观测概率较小的候选样本,用观测概率较大的样本与模板进行相似度匹配计算,减少算法计算量,提升跟踪效率;(2)在利用超像素局部加权度量和反稀疏模型的目标跟踪算法中,采用反稀疏表示模型替换原始稀疏表示模型,提升跟踪效率。反稀疏表示模型采用候选样本表示目标模板的模式,每帧只需一次稀疏求解,便可得到稀疏系数,大大减少稀疏系数求解次数,从而提升跟踪效率。上述两种改进算法中,均采用自适应更新方式代替每帧更新的模式,避免每帧更新模板和局部权重时花费太多时间,影响跟踪效率。(本文来源于《兰州理工大学》期刊2018-06-03）
陈玮[3]（2017）在《基于局部与非局部相似性学习的目标跟踪算法研究》一文中研究指出视频目标跟踪是计算机视觉中非常重要的课题之一,在视频监控、人机交互、交通控制和运动分析等领域有着广泛的应用。尽管目标跟踪在过去的几十年里取得了很大的发展,但是由于一些挑战性因素的存在,使得稳定准确地跟踪视频目标依然是个困难的任务。在这一背景下,本文的主要工作是基于局部与非局部相似性学习的目标跟踪算法研究,本文的主要贡献包括:(1)提出了一种基于局部的自适应权重多特征融合的核相关滤波目标跟踪算法。为了充分利用目标不同部分的局部信息,本文用核相关滤波器来训练每一个局部的模板图像块,并且在粒子滤波的框架下,对每一个粒子的每一个局部图像块设置自适应的权重。实验证明这个策略可以有效处理遮挡问题。另外融合了 HOG特征和颜色特征来学习目标和背景、模板和候选样本之间的相关性,增强了算法的性能。在标准测试集上的实验结果优于一些先进目标跟踪算法。(2)提出了基于非局部相似性学习的目标跟踪算法。局部或者全局的特征表示已经广泛应用在目标跟踪领域。然而,大多数特征表示都是在一个固定网格布局中描述目标外观,而不考虑网格之间的相互关系,因此会影响算法在目标大尺度表观变化时的性能。本文中,我们学习了一个相似性函数,既考虑了来自相同空间位置网格中特征的相关性,也考虑了不同空间位置网格中特征的相互作用,形成对目标表观非局部信息的描述。具体地,本文设计了多项式核特征图来表达目标和背景之间所有“网格对”的非局部信息,并联合这些特征图作为对目标的特征表示。另外,本文训练了一个在线更新的线性逻辑回归分类器,并把分类器融合到粒子滤波框架中。在标准测试集的实验结果明显超出一些当前优秀的目标跟踪算法。(本文来源于《南京信息工程大学》期刊2017-05-01）
刘威,赵文杰,李成,李婷,谭海峰[4]（2016）在《基于中心对称局部相似数量模型的均值漂移目标跟踪》一文中研究指出为实现对运动目标的实时跟踪,提出中心对称局部相似数量(center symmetric-local similarity number,CSLSN)这一新的局部显着度纹理描述算子,并将其引入到目标表征模型。该算子通过分析中心像素及其8邻域像素之间的大小关系,在局部相似数量(local similarity number,LSN)纹理算子的基础上,针对其无法区分同一局部显着度下的不同纹理结构的问题,增加以中心像素为对称点的局部梯度信息,提取出候选目标区域中具有CS-LSN主要模式的真实目标像素,有效地抑制了背景像素的影响并减少了后续目标表征模型的计算量;利用真实目标像素的CS-LSN纹理特征和色度特征构建直方图,完成目标表征;进而将其嵌入到均值漂移(mean shift,MS)框架完成跟踪。实验结果表明,该方法在目标与背景相似、部分遮挡、光照变化及物体形变等情况下均能完成鲁棒跟踪,目标大小为29像素×25像素时,处理速度约为25帧/s,可满足实时应用的需求。(本文来源于《国土资源遥感》期刊2016年03期）
罗飞扬[5]（2015）在《基于局部相似结构统计匹配模型的红外目标识别方法》一文中研究指出随着红外成像和计算机视觉技术的高速发展,红外图像的目标识别技术在各个领域都有广泛应用。目前在红外场景下,基于模板匹配和学习分类的目标识别方法虽然能获得良好的目标识别效果,但是它们对模板和训练样本的依赖性很高,并且对一般的红外目标识别的泛化能力弱。针对这一问题,本课题对非训练的红外图像目标识别方法开展研究,引入局部匹配的思想,提出了一种鲁棒的使用简单模板集的基于局部相似结构统计匹配(Local Similar Structure Statistical Matching, LSSSM)模型的红外目标识别方法。在研究基于非训练的红外图像目标识别方法的基础上,深入研究了一种自适应回归核(Locally Adaptive Regression Kernels, LARK)的特征提取方法,并将其应用于红外图像的局部结构特征的提取。本文使用少量感兴趣红外目标图片构建简单模板集,提出了一种去除模板集相似结构的降维方法,获得具有感兴趣目标属性的互不相似的局部结构集合。为了实现对具有复杂结构的红外目标的鲁棒识别,提出了一种局部匹配模型,通过统计测试图片局部区域内包含与模板集相似的局部结构的数量,从而生成测试图像与目标的相似度图像。本文还通过研究非极大值抑制的方法,将其用于提取相似度图像中的目标信息,然后把目标在测试图像中标示出来。本文LSSSM方法相比于模板匹配和训练学习的目标识别方法,不需要全面模板而且也没有复杂的训练过程。实验结果表明,本文方法对复杂夜视场景下红外人体和红外车辆等典型目标具有稳健的识别能力。(本文来源于《南京理工大学》期刊2015-01-01）
徐振辉,周世海,赵富全,杜恩祥[6]（2014）在《一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究》一文中研究指出针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。(本文来源于《科学技术与工程》期刊2014年25期）
郭克华,刘传才,杨静宇[7]（2008）在《叁维局部相似目标匹配的微分几何方法》一文中研究指出提出一种基于高斯曲率和平均曲率的叁维局部相似目标匹配方法.首先筛选出待匹配曲面上固有特征相似的点,形成点对集合.然后利用非对称叁角形骨架来定位叁维曲面,在点对集合中寻找相似叁角形对,并导出其空间变换,构成叁角形对集合.最后通过得分函数,求出叁角形对集合中空间变换的最佳值,得出最佳匹配.实验表明,该方法对叁维局部相似目标匹配具有较好的识别效率,针对不规则叁维曲面,能够保证较好的匹配速度.(本文来源于《模式识别与人工智能》期刊2008年05期）
郭克华[8]（2008）在《基于微分几何的局部相似目标匹配算法研究》一文中研究指出局部相似目标匹配是目标匹配问题的一般形式,其研究的焦点,是在若干目标之中找出它们最相似的部分,其研究成果具有广泛的应用前景。论文针对局部相似目标匹配和基本微分几何量的结合进行了研究,利用微分几何方法来描述目标特征,设计了相应的匹配算法,取得了较好的效果。研究的领域包括二维局部相似目标的匹配、叁维局部相似目标的匹配、等距变形体的匹配,并对局部相似目标匹配研究作了展望。首先,针对二维目标,设计了一种高效的平面目标边界编码方法。为更好地识别目标形状,编码方法需要对目标的刚体变换具有不变性,同时最大限度保持目标的原有信息。鉴于刚体平面曲线作变换时其曲率的不变性,提出了基于轮廓曲率提取的目标边界编码方法,并对此方法实施了离散化处理。设计了基于改进的KMP(D.E.Knuth,V R.Pratt和J.H.Morris)算法的曲线匹配方法,并对目标轮廓的重建作出了描述。实验证明,利用微分几何的思想描述目标边界,提取方法简单,存储量小,其编码针对目标刚体变换具有不变性,为识别提供了较大的方便。其次,考虑到二维微分几何编码在匹配时的精度问题,设计了基于相似骨架的二维局部相似目标匹配算法。根据微分几何原理,基于平面曲线作刚体变换时其曲率的不变性,利用曲率来表达目标轮廓的固有特征;筛选出待匹配目标轮廓上固有特征相似的点,形成点对集合;在点对集合中寻找相似线段对来定位可能的平面变换;通过得分函数,求出点对集合中相似线段对变换的最佳值,得出最佳匹配。仿真实验表明,该模型适合局部相似情况下的目标匹配,特别对于复杂形状目标,运算复杂度较低,具有较好的识别效果。另外,文章还将相似线段对的应用推广到了叁维目标。对于叁维曲线,利用像素点处的曲率和挠率来表达其固有特征;对于叁维曲面,利用像素点的高斯曲率和平均曲率来表达其固有特征。然后筛选出待匹配目标上固有特征相似的点,形成点对集合;在点对集合中寻找相似叁角形对来定位可能的平面变换;通过得分函数,求出点对集合中相似线段对的最佳值,得出最佳匹配。此外,论文还针对等距变形体进行了研究。提出了一种针对等距变形目标识别的运算复杂度较低的新方法。首先利用FMTD(Fast Marching on Triangulated Domains)算法来计算曲面上点对之间的测地距离,构造特征矩阵;然后,通过归一化过程,构造出归一化特征矩阵,保证了同一目标特征矩阵的不变性;最后,利用矩不变量对归一化特征矩阵实施特征提取,构造了等距变形目标的变形矩。实验表明,与传统方法相比,在不降低识别效果的前提下,该算法具备较低的运算复杂度。(本文来源于《南京理工大学》期刊2008-05-01）
郭克华,刘传才,杨静宇[9]（2007）在《局部相似目标匹配的微分几何模型》一文中研究指出根据微分几何原理,基于平面曲线作刚体变换时其曲率的不变性,利用曲率来表达目标轮廓的内在特征。筛选出待匹配目标轮廓上内在特征相似的点,形成点对集合。在点对集合中寻找相似线段来定位可能的平面变换,通过得分函数,求出点对集合中相似线段平面变换的最佳值,得出最佳匹配。仿真实验表明,该模型适合局部相似情况下的目标匹配,特别对于复杂形状目标,运算复杂度较低,具有较好的识别效果。(本文来源于《系统仿真学报》期刊2007年24期）
局部相似目标论文开题报告
（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：
目标跟踪技术是计算机视觉领域的核心任务之一,其在视频监控、人机交互、医学诊断、智能视觉导航等众多领域有着重要应用。由于受现实复杂场景中光照变化、阴影、遮挡、运动目标突变、背景杂乱等因素的影响,给图像目标跟踪技术带来了极大挑战。近几年,目标跟踪技术虽然有很大进展,但是跟踪效率低下和相似性度量等方面的难题方面仍需要解决或者改进。本文针对复杂场景下高效图像目标跟踪关键技术进行深入透彻研究,主要研究内容和相关成果具体如下:针对传统欧氏距离度量权重分配不准确,造成度量精度不高的问题,本文提出了自适应局部权重学习的方法。(1)在最小界粒子优化与超像素局部权重学习的目标跟踪算法中,在模板中心位置一定范围内采取正、负样本,利用正负样本的加权局部相似度平均数构建目标函数。通过理论推导求解目标函数,得到局部区域权重。模板与候选样本局部相似度计算时添加此权重,使局部相似度计算精度提高,进而提升跟踪算法性能;(2)在利用超像素局部加权度量和反稀疏模型的视觉追踪算法中,将目标较大的周围区域进行超像素分割并提取超像素特征,利用均值漂移算法进行聚类。计算类置信值得到初始置信图。在此之后,将目标模板进行分割,联合目标模板与置信图,计算模板超像素局部权重。在稀疏求解过程中,用此权重加权使模板与候选样本相似性度量时,噪声或遮挡对度量准确性的干扰减弱。针对传统跟踪算法跟踪效率不高的问题,(1)在最小界粒子优化与超像素局部权重学习的视觉跟踪算法中,提出最小界粒子优化的方法,剔除观测概率较小的候选样本,用观测概率较大的样本与模板进行相似度匹配计算,减少算法计算量,提升跟踪效率;(2)在利用超像素局部加权度量和反稀疏模型的目标跟踪算法中,采用反稀疏表示模型替换原始稀疏表示模型,提升跟踪效率。反稀疏表示模型采用候选样本表示目标模板的模式,每帧只需一次稀疏求解,便可得到稀疏系数,大大减少稀疏系数求解次数,从而提升跟踪效率。上述两种改进算法中,均采用自适应更新方式代替每帧更新的模式,避免每帧更新模板和局部权重时花费太多时间,影响跟踪效率。
（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。
局部相似目标论文参考文献
[1].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
[2].伍海龙.基于超像素局部相似的目标跟踪算法研究[D].兰州理工大学.2018
[3].陈玮.基于局部与非局部相似性学习的目标跟踪算法研究[D].南京信息工程大学.2017
[4].刘威,赵文杰,李成,李婷,谭海峰.基于中心对称局部相似数量模型的均值漂移目标跟踪[J].国土资源遥感.2016
[5].罗飞扬.基于局部相似结构统计匹配模型的红外目标识别方法[D].南京理工大学.2015
[6].徐振辉,周世海,赵富全,杜恩祥.一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究[J].科学技术与工程.2014
[7].郭克华,刘传才,杨静宇.叁维局部相似目标匹配的微分几何方法[J].模式识别与人工智能.2008
[8].郭克华.基于微分几何的局部相似目标匹配算法研究[D].南京理工大学.2008
[9].郭克华,刘传才,杨静宇.局部相似目标匹配的微分几何模型[J].系统仿真学报.2007