导读:本文包含了自适应提升论文开题报告文献综述及选题提纲参考文献，主要关键词:高级驾驶辅助系统,前车识别,机器视觉,类Haar特征
自适应提升论文文献综述
曹景胜,李刚,石晶,王冬霞,郭银景[1]（2019）在《基于类Haar特征和自适应提升算法的前车识别》一文中研究指出针对汽车高级驾驶辅助系统(ADAS)中前方车辆识别率低的问题,基于机器视觉原理研究了前方道路图像中的类Haar特征;并进行积分图计算。在提取类Haar特征基础上,采用自适应提升(Ada Boost)算法进行正负样本训练并级联,得到训练好的模型;进而检测和识别汽车行驶中前方车辆。最后基于Open CV计算机视觉库在Visual Studio开发环境中进行了算法实现和测试。结果表明,每帧视频图像识别时间小于40 ms,检测率准确可靠,满足多场景、多工况下的前方车辆实时识别。(本文来源于《科学技术与工程》期刊2019年07期）
朱立一,何伟[2]（2018）在《自适应提升小波变换在图像融合中的应用》一文中研究指出提出了一种自适应提升小波变换方案,首先将源图像经过水平、垂直和对角线分解成为高、低频系数,构造预测算子和更新算子,对高、低频系数进行预测和更新,再对高、低频系数采用不同的融合规则进行融合,最后进行提升小波逆变换,合成融合后图像。实验表明,本算法能够保留更多的细节信息。(本文来源于《电脑知识与技术》期刊2018年32期）
罗冬梅,左金水,余文森[3]（2017）在《基于双特征融合与自适应提升机制的图像动作识别算法》一文中研究指出针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。(本文来源于《电子测量与仪器学报》期刊2017年12期）
任凯琦,代合鹏,郑箘,王倞婧[4]（2016）在《多重自适应提升小波去噪在计算机视频截获中的应用》一文中研究指出对于噪声干扰严重的计算机视频辐射信号,去噪是准确恢复视频信号的必要条件。基于提升小波变换算法的基本结构,提出多重自适应提升小波去噪算法,在预测、更新、阈值去噪等3个环节加入自适应因子,分别利用传统小波去噪算法、提升小波去噪算法以及多重自适应提升小波去噪算法对低信噪比的计算机视频辐射信号进行去噪处理,结果表明多重自适应提升小波去噪算法的去噪效果优于其它去噪算法。(本文来源于《计算机与现代化》期刊2016年10期）
吴会丛,贾克斌,蒋斌[5]（2016）在《用于表情识别的半监督学习自适应提升算法》一文中研究指出针对半监督人脸表情识别算法在表情来源多样、姿态不一时准确率低的问题,在迁移学习自适应提升算法的基础上,提出一种新的半监督学习自适应提升算法。该算法通过近邻计算由训练集中的已标记样本求出未标记样本的类别,并借助Ada Boost.M1算法分别对多数据源的人脸表情样本和多姿态人脸表情样本展开识别,实现样本的多类识别任务。实验结果表明,与标号传递等半监督学习算法相比,该算法显着提高了表情识别率,且分别在多数据库和多姿态数据库上获得了73.33%和87.71%的最高识别率。(本文来源于《计算机应用与软件》期刊2016年06期）
邢伟博[6]（2016）在《基于自适应提升小波变化和局部二值模式的极光图像分类研究》一文中研究指出极光现象绚丽多姿,色彩斑斓,经常出现在地球的极地地区。是太阳和地球磁层相互作用的集中体现,并且是研究太阳对地球作用比较好的领域。研究极光图像的形态变换过程和获得太阳对地球磁层大量的磁场信息,能更加深入的理解太阳对地球的其他作用。不仅如此,对极光图像变化过程的研究还能帮助了解天气的变换过程。另外,根据卫星的观测表明,太阳系中其它星系上也存在着极光现象,所以研究地球上的极光图像,并且将其推广到其他星系上,对人类探索太阳系中其它星系的奥秘提供了有力的技术支持,其中的科研意义不仅没法估量,而且科学价值也不是其他现象能比拟的。对极光图像分类是研究极光图像形态演变最重要的前提,并且一直被科学界和其他相关的科研领域高度关注。现代科研的创新之处在于将相关领域经典的研究方法进行相互引用。在此出发点上,在极光分类的研究中引入模式识别的方法,从科学的角度极大的支持了极光图像分类的研究。引入模式识别不仅能够很明确的识别出极光图像还能在分类方面提供良好的数据支持。本文主要目的是极光图像的分类,所以将自适应提升的小波变换的双尺度算法进行引入,与此同时,还用到的科研方法有改进的局部二值模式和基于近邻的模糊分类算法。首先,针对极光图像的特征表示,将自适应提升小波变换的双尺度算法引入极光图像的处理,使得极光图像的特征更加明显,并且受干扰的因素大幅度的降低,改进过后的局部二值模式用来提取极光图像的特征信息,并且产生出相对的灰度直方图。在此基础之上,将模糊近邻分类运用到极光的分类中。最后在四种分类好的极光图像中各选10个作为训练样本,然后再随机的各选800个作为测试样本,然后将实验样本和测试样本进行对比,验证其分类的效率。在实验部分,本文先验证了本文提出方法的分类效率,并且还对各个测试样本加噪声之后测试其对噪声的鲁棒性。在这两个方面,本文的方法的效率要略高于实验对比的其他方法。在实验的最后,验证各种极光分类的算法的时间复杂度,通过实验,本文的方法也取得了比较满意的实验效果。(本文来源于《陕西师范大学》期刊2016-05-01）
彭行雄,肖如良,张桂刚[7]（2015）在《基于自适应提升的概率矩阵分解算法》一文中研究指出针对推荐系统中概率矩阵分解模型(PMF)泛化能力(对新用户和物品的推荐性能)较差、预测准确性不高的问题,提出一种新的基于自适应提升的概率矩阵分解算法(AdaBoost PMF)。该算法首先为每个样本分配样本权重;然后根据PMF中的每一轮随机梯度下降法学习用户和物品特征向量,并计算总体预测误差均值和标准差。从全局的角度利用AdaBoost思想自适应调整样本权重,使算法更注重学习预测误差较大的样本;最后对预测误差分配样本权重,让用户和物品特征向量找到更合适的优化方向。相比传统的PMF算法,AdaBoost PMF算法能够将预测精度平均提高约2.5%。实验结果表明,该算法通过加权预测误差较大的样本,能够较好地拟合用户特征向量和物品特征向量,提高预测精度,可以有效地应用于研究个性化推荐。(本文来源于《计算机应用》期刊2015年12期）
梁俊花,王强,赵志升,刘乃迪[8]（2015）在《基于自适应提升小波方案的医学图像分割》一文中研究指出医学图像在现代医疗诊断中发挥着重要作用,医学图像分割是其处理的关键环节。医学图像具有信息量大、异构性、噪声显着性等特点,大多数方法对高容量的医学图像处理速度较慢,或未能充分考虑图像的细节及奇异点的变化,不能很好地表达医学图像的内容。为了有效解决上述问题,我们从医学图像的特点出发,灵活构造了一种跟随边缘变化的自适应提升方案,能够有效地保护医学图像的边缘细节,为医生临床诊断提供更可靠的依据。(本文来源于《现代养生》期刊2015年20期）
王相海,夏春宇,宋传鸣[9]（2015）在《图像编码方向自适应提升小波变换》一文中研究指出提出一种基于分块的图像编码方向自适应提升小波变换(DA-LWT),在每级变换中采用固定的方向块大小,仅保留一、二级变换所产生的方向信息,更高级别的方向由其前两级预测获得,从而减少边信息的开销.根据图像块的最小预测残差能量自适应选择滤波器的滤波方向,有效消除图像相邻像素间的冗余,降低高频系数能量.采用基于分数像素插值方案,提高方向分辨率.实验表明,DA-LWT的变换系数具有更好的"零树"特性,可取得比传统提升小波变换更好的编码效率和视觉效果.(本文来源于《模式识别与人工智能》期刊2015年07期）
温佳,马彩文,赵军锁,王彩玲[10]（2014）在《自适应提升小波在干涉高光谱压缩中的应用》一文中研究指出为了更好地提高干涉高光谱图像的压缩性能,针对干涉成像光谱仪的成像原理,提出了一种自适应方向预测提升小波变换的方法,在帧序列方向的提升小波变换中,以自适应方向获得最佳预测值,并且改变传统叁维提升小波的变换顺序,消除大部分干涉条纹冗余,大量实验证明本文方法得到的高频子带小波系数相对于传统方法在指定码率的情况下重构图像可以获得更高的信噪比,恢复的光谱曲线具有更小的均方误差.(本文来源于《哈尔滨工业大学学报》期刊2014年07期）
自适应提升论文开题报告
（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：
提出了一种自适应提升小波变换方案,首先将源图像经过水平、垂直和对角线分解成为高、低频系数,构造预测算子和更新算子,对高、低频系数进行预测和更新,再对高、低频系数采用不同的融合规则进行融合,最后进行提升小波逆变换,合成融合后图像。实验表明,本算法能够保留更多的细节信息。
（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。
自适应提升论文参考文献
[1].曹景胜,李刚,石晶,王冬霞,郭银景.基于类Haar特征和自适应提升算法的前车识别[J].科学技术与工程.2019
[2].朱立一,何伟.自适应提升小波变换在图像融合中的应用[J].电脑知识与技术.2018
[3].罗冬梅,左金水,余文森.基于双特征融合与自适应提升机制的图像动作识别算法[J].电子测量与仪器学报.2017
[4].任凯琦,代合鹏,郑箘,王倞婧.多重自适应提升小波去噪在计算机视频截获中的应用[J].计算机与现代化.2016
[5].吴会丛,贾克斌,蒋斌.用于表情识别的半监督学习自适应提升算法[J].计算机应用与软件.2016
[6].邢伟博.基于自适应提升小波变化和局部二值模式的极光图像分类研究[D].陕西师范大学.2016
[7].彭行雄,肖如良,张桂刚.基于自适应提升的概率矩阵分解算法[J].计算机应用.2015
[8].梁俊花,王强,赵志升,刘乃迪.基于自适应提升小波方案的医学图像分割[J].现代养生.2015
[9].王相海,夏春宇,宋传鸣.图像编码方向自适应提升小波变换[J].模式识别与人工智能.2015
[10].温佳,马彩文,赵军锁,王彩玲.自适应提升小波在干涉高光谱压缩中的应用[J].哈尔滨工业大学学报.2014