导读:本文包含了分块聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:图像匹配,像素点,无人机航拍视频,叁维重建
分块聚类论文文献综述
宋征玺,张明环[1]（2016）在《基于分块聚类特征匹配的无人机航拍叁维场景重建》一文中研究指出针对无人机航拍采集的海量无标定图像,在SFM(structure from motion)重建框架下,提出了基于分块聚类特征匹配的叁维重建方法。文章将航拍图像的匹配问题转化为待匹配图像集合的筛选以及图像局部特征配准。通过增加筛选步骤,提出了在缩略图尺度下利用词汇树的评分机制构建待匹配图像集合的方法;利用特征成簇状分布的数据特性,提出了先聚类再匹配的局部特征配准方法。优化了SFM重建框架的特征匹配部分,在航拍数据库PAMView中进行了叁维重建实验。实验结果表明,该方法在不影响重建性能下有效提高运算速率。(本文来源于《西北工业大学学报》期刊2016年04期）
王丽艳,李伟生[2]（2014）在《基于分块聚类的多流形判别分析人脸识别》一文中研究指出针对传统的人脸识别算法在处理单样本人脸识别时由于训练样本不足而影响识别率的问题,提出了一种基于分块聚类的多流形判别分析(MMDA)算法。将每个单训练样本划分成若干大小相等且互不重迭的局部小块,利用聚类算法将局部小块聚类到各个类所属的流形上,并使用特征变换最大化类与类之间的分离性;最后,计算出测试人脸的流形与所有训练样本流形之间的距离,采用最近邻分类器完成人脸的识别。在ORL及FERET两大人脸数据库上的实验验证了算法的有效性及可靠性,识别率可分别高达77.22%、57.59%,实验结果表明,相比几种较为先进的人脸识别算法,该算法在处理单训练样本人脸识别问题时取得了更好的识别效果。(本文来源于《计算机应用研究》期刊2014年09期）
唐泉,樊晓平,黎燕[3]（2010）在《基于分块聚类的车牌图像二值化方法》一文中研究指出利用车牌图像中车牌部分所占比例小、车牌字符与底色灰度对比度大的特点,为运算简单,易识别定位,提出了一种基于分块聚类的车牌图像的二值化方法。方法先将整幅灰度车牌图像等分成多个小块,对每个小块中的像素点根据其灰度值进行聚类,再将聚类结果二值化而得到各小块的二值化结果,合成各小块的二值化结果得到整幅车牌图像的二值图像。实验结果表明,与OTSU二值化方法相比,不仅经该方法处理得到的二值图像能很好地体现车牌特征、有效地降低车牌图像背景的复杂性,而且方法更适用于处理非正常光照条件下的车牌图像。在此基础上能有效地提高车牌定位系统的实时性和适应性。(本文来源于《计算机仿真》期刊2010年03期）
唐泉[4]（2009）在《基于分块聚类的车牌图像二值化方法及车牌定位方法研究》一文中研究指出我国交通现代化进程地迅速发展,对交通管理和控制提出了更高的要求,车辆自动识别是实现先进的交通管理系统的一项重要技术。汽车牌照自动识别技术是实现车辆自动识别系统的一种重要的技术手段。而从包含汽车牌照的图像中准确、迅速地定位牌照位置是实现车牌自动识别的一个关键步骤。本文对车牌定位问题进行了深入地研究,把车牌定位分为四步进行。首先对原始车牌图像进行预处理,包括彩色图像灰度化和灰度图像二值化;接着对车牌位置进行初定位;然后对初定位后的车牌图像进行几何校正;最后精确定位车牌位置。其中初定位和精确定位都分成上下边界定位和左右边界定位两个步骤来实施。论文介绍了车牌定位方法所依据的车牌区域特征和我国车牌的特点,说明了本文实验所采用的图像,给出了本文所采用的车牌定位算法的总流程图,对车牌图像的二值化方法进行了研究,提出一种新的基于分块聚类的车牌图像二值化方法;详细地分析了车牌图像的纹理特征,讨论了基于数学形态学的车牌初定位方法和基于投影的车牌初定位方法,在此基础上,提出了一种基于行字符笔画数投影的车牌初定位的方法;讨论了对车牌图像的几何畸变进行校正的方法,根据初定位后的车牌图像特征提出了一种基于行投影的车牌校正方法,最后采用投影法对车牌区域进行精确定位。在论文的结尾对本文提出的方法进行了实验,实验结果表明本文提出的定位方法适应性强,定位准确率高。(本文来源于《中南大学》期刊2009-05-01）
郑皎凌,王成良[5]（2007）在《网页分块聚类的Web站点逻辑域挖掘》一文中研究指出Web逻辑域挖掘是当前Web挖掘领域的研究热点之一,它强调从网站设计者的角度来挖掘站点中有逻辑联系的网页,以形成一个逻辑域,而不是单纯的文本聚类或超链排序。随着应用的不同,站点逻辑域的界定也有所不同。在综合分析了几种具有代表性的站点逻辑域及其挖掘方法后,提出了基于网页分块聚类的Web站点逻辑域挖掘模型和挖掘算法。实验结果表明,该算法具有很好的稳定性和适应性,其精度不受站点规模、语言、镜像等因素的影响,召回率则会随着取回网页数目的增加而增加。(本文来源于《计算机工程》期刊2007年04期）
分块聚类论文开题报告
（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：
针对传统的人脸识别算法在处理单样本人脸识别时由于训练样本不足而影响识别率的问题,提出了一种基于分块聚类的多流形判别分析(MMDA)算法。将每个单训练样本划分成若干大小相等且互不重迭的局部小块,利用聚类算法将局部小块聚类到各个类所属的流形上,并使用特征变换最大化类与类之间的分离性;最后,计算出测试人脸的流形与所有训练样本流形之间的距离,采用最近邻分类器完成人脸的识别。在ORL及FERET两大人脸数据库上的实验验证了算法的有效性及可靠性,识别率可分别高达77.22%、57.59%,实验结果表明,相比几种较为先进的人脸识别算法,该算法在处理单训练样本人脸识别问题时取得了更好的识别效果。
（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。
分块聚类论文参考文献
[1].宋征玺,张明环.基于分块聚类特征匹配的无人机航拍叁维场景重建[J].西北工业大学学报.2016
[2].王丽艳,李伟生.基于分块聚类的多流形判别分析人脸识别[J].计算机应用研究.2014
[3].唐泉,樊晓平,黎燕.基于分块聚类的车牌图像二值化方法[J].计算机仿真.2010
[4].唐泉.基于分块聚类的车牌图像二值化方法及车牌定位方法研究[D].中南大学.2009
[5].郑皎凌,王成良.网页分块聚类的Web站点逻辑域挖掘[J].计算机工程.2007