导读:本文包含了统计纹理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:玉米,干旱,颜色和纹理特征,Fisher判别
统计纹理特征论文文献综述
岳焕然,李茂松,王春艳,安江勇[1](2019)在《基于颜色和纹理特征的玉米旱情统计判别模型》一文中研究指出利用颜色和纹理特征判定玉米植株干旱程度是玉米旱情监测识别的新途径,良好的统计判别模型构建方法对实现这一新途径意义重大。采集了玉米出苗-拔节、拔节-抽雄、抽雄-成熟3个生长发育阶段适宜、轻旱、中旱、重旱、特旱5个干旱程度的玉米植株图像,用MATLAB软件从图像中提取玉米植株的颜色和纹理特征数据,以SPSS软件对特征数据的训练集进行Fisher逐步判别分析,获得Fisher判别函数组,结合曼哈顿距离判别规则,建立了玉米出苗-拔节、拔节-抽雄、抽雄-成熟3个生长发育阶段的正视面、俯视面和侧视面共9个单视角统计判别模型,并将每个生长发育阶段的单视角统计判别模型联合构建为叁维统计判别模型。玉米3个生长发育阶段的所有单视角判别模型在训练和测试时的平均判别准确率无显着差异,所有正视面和侧视面单视角统计判别模型训练和测试时的平均判别准确率均在90%以上,判别玉米不同干旱程度的准确率差异性小,所有俯视面单视角统计判别模型训练、测试时的平均判别准确率均低于85%,且判别玉米不同干旱程度的准确率差异性较大。玉米3个生长发育阶段的叁维统计判别模型的训练和测试平均判别准确率在97%以上,且判别玉米不同干旱程度的差异性较小。玉米3个生长发育阶段的单视角统计判模型中,侧视面统计判别模型的判别效果最好,正视面统计判别模型次之,俯视面统计判别模型的判别效果相对较差,每个生长发育阶段的叁维统计判别模型的判别效果均比单视角统计判模型好。(本文来源于《中国农业科技导报》期刊2019年05期)
杨鹏,张凡龙,杨章静[2](2019)在《基于双树复小波域统计图像建模的纹理特征提取》一文中研究指出统计图像建模方法使用某种参数控制的分布模型来描述纹理及其特征,即参数估计是该类方法的核心问题.鉴于此,提出一种新的纹理特征提取方法,利用广义伽马分布和广义冯·米塞斯分布在图像的双树复小波域上进行统计建模,利用对数累积量法进行高效的参数估计完成纹理特征提取.在VisTex和Brodatz纹理库上进行分类实验,结果表明所提方法能够有效捕获图像的纹理特征,获取较高的识别率.(本文来源于《控制与决策》期刊2019年07期)
李林林[3](2018)在《基于SAR图像极化特征和统计模型纹理参数的建筑物损毁评估》一文中研究指出建筑物倒塌是造成灾害人员伤亡、经济损失的主要因素,灾后建筑物的倒塌程度是受灾严重程度的重要指标,因此,准确的评估灾后建筑物的损毁程度能为灾害救援和政府决策提供重要依据。合成孔径雷达(Synthetic aperture radar,SAR)是一种主动式遥感,由于其穿透性强,全天时、全天候的工作能力等优势,成为建筑物损毁评估的一种重要手段。本论文基于极化和纹理特征研究灾后SAR图像的建筑物损毁评估,主要的研究内容如下:1)为了使模型分解分量更接近城区的散射机制,提高倒塌建筑物提取的精度,改进了Freeman分解用于极化SAR(PolSAR)图像倒塌建筑物的提取。利用玉树地震后的RADARSAT-2 PolSAR数据验证了改进的Freeman分解对倒塌建筑物提取的有效性,但大取向角的完好建筑物容易被误分为倒塌建筑物。2)为了有效区分大取向角完好建筑物与倒塌建筑物,基于SAR数据G~0分布纹理参数提出了一种能应用于单极化、双极化、全极化及简缩极化SAR的统计纹理特征G0-para。利用受试者工作特征(ROC)曲线和ROC曲线下的面积(AUC)评价纹理特征对倒塌和完好建筑物的区分能力,分析极化模式对倒塌和完好建筑物区分能力的影响。利用RADARSAT-2和ALOS-1数据的实验表明:混合模式的简缩极化HYB-RC、双极化VH/VV或HH/HV的G~0分布纹理参数对倒塌建筑物和完好建筑物的区分能力与PolSAR相近,单极化SAR图像中VV也能取得较好的效果。3)引入统计模型纹理参数以增强倒塌建筑物和完好建筑物的可区分性,提出了基于PolSAR统计模型纹理参数的建筑损毁评估方法。利用PolSAR统计模型纹理参数反映建筑物的均匀程度,并区分倒塌建筑物和完好建筑物,基于区块内倒塌建筑物的比例评估建筑物的损毁程度。此外,分析不同统计模型、不同纹理参数估算方法对PolSAR建筑物损毁评估的效果,以选取适用于PolSAR建筑物损毁评估的统计模型及纹理参数估算方法。利用2010年玉树地震后的RADARSAT-2PolSAR数据和2011年东日本海啸后的ALOS-1 PolSAR数据进行实验,结果表明:基于PolSAR统计模型纹理参数提取的纹理特征能提高建筑物损毁评估的准确性,特别是大取向角的轻度损毁建筑,其中基于二阶矩特征估算的G~0纹理参数对PolSAR建筑物损毁评估最有效。本文主要有两个创新点:1)发展了一种基于SAR图像G~0分布纹理参数的纹理特征G0-para,更好地区分倒塌建筑物和完好建筑物,且能应用于单极化、双极化、全极化及简缩极化SAR数据。2)提出了基于PolSAR统计模型纹理参数的建筑物损毁评估方法,能有效地避免大取向角完好建筑物与倒塌建筑物的混淆,更准确地评估PolSAR建筑物损毁情况。(本文来源于《中国地质大学》期刊2018-05-01)
范赐恩,冉杰文,颜佳,邹炼,石文轩[4](2018)在《颜色空间统计联合纹理特征的无参考图像质量评价》一文中研究指出为了客观评价图像质量,本文提出联合颜色空间统计特征和权重局部二值模式(Local Binary Pattern,LBP)纹理特征的无参考图像质量评价模型。首先,对失真图像进行亮度去均值对比度归一化(Mean Subtracted Contrast Normalized,MSCN)操作得到MSCN系数;然后,对MSCN系数提取其统计参数特征和权重LBP直方图特征,其中统计参数由广义高斯模型获得,权重为MSCN系数的幅度。另外,还采用了Lαβ颜色空间下红绿和蓝黄分量的自然场景统计(Natural Scence Statistics,NSS)特征来增强基于颜色失真的描述,并运用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价指标到主观质量得分的回归模型。在LIVE,CSIQ,TID2013和MLIVE数据库上的实验结果表明:4个数据库加权平均Spearman秩相关系数为0.776,Pearson线性相关系数为0.821,均优于其他方法;图像大小为512×512时特征提取只需0.19s。本文提出的方法与人眼主观感知具有良好的一致性,并具有复杂度低等优点。(本文来源于《光学精密工程》期刊2018年04期)
张朋,温宏愿[5](2018)在《基于混合高斯建模和纹理特征提取的人数统计方法研究》一文中研究指出针对密集人群环境中行人相互遮挡造成人数难以准确统计问题,提出了一种基于混合高斯模型和图像纹理特征提取的人数密度统计方法。首先通过混合高斯建模提取前景图像,其次通过线性内插权重来进行透视矫正,最后通过构造和提取能量、对比度、熵和相关性四个特征参数进行人数统计。结果表明在不同的测试环境下系统的准确率在90%以上,达到人群密度监控的基本要求。(本文来源于《价值工程》期刊2018年10期)
方天红,陈庆虎,鄢煜尘,周前进[6](2016)在《基于统计纹理特征的打印文档认证》一文中研究指出为了解决计算机打印文档的自动鉴别,提出了一种基于中文汉字显微放大图像灰度共生矩阵统计纹理特征的打印文档鉴别算法.首先,从理论模型上分析了激光打印机传动系统对打印字符潜影的影响;接着对字符图像的22维灰度共生矩阵统计纹理特征进行计算,并利用ReliefF特征选择算法进行特征选择;最后提取显微字符图像激光扫描方向和纸张行进方向的灰度共生矩阵纹理特征并进行融合,利用最近邻和支持向量机2种分类器进行分类鉴别.在两种样本集上的实验结果表明:特征融合后的鉴别性能有所提高;支持向量机的分类鉴别性能优于最近邻分类器,在相同字无重复样本集上的分类准确率和平均召回率分别为96.5%和96.64%,在相同字有重复样本集上分类准确率和平均召回率分别为98%和98.18%;激光打印机品牌分类准确率为98%.上述的实验结果显示该方法具有良好的打印文档分类鉴别性能.(本文来源于《武汉大学学报(工学版)》期刊2016年01期)
徐麦平,张二虎,陈亚军[7](2015)在《融合像素与纹理特征的人群人数统计方法研究》一文中研究指出公共场景监控下的人群人数统计是公共安全管理中的一个重要内容。针对复杂场景监控的情况,本文提出一种融合像素与纹理特征的人群人数统计方法。首先,通过改进的视觉背景提取方法得到高精度的前景目标;然后,提取ROI区域前景像素统计特征与纹理特征并引入阈值判别机制;最后,对阈值上下的图像分别采用基于纹理特征的回归算法和基于像素统计特征的线性拟合算法来得到人群人数。实验结果表明,本文方法相较于传统算法,可以适应于不同密度场景下的人群人数统计,且计算简单,统计精度高。(本文来源于《西安理工大学学报》期刊2015年03期)
王强,孙红[8](2015)在《基于像素统计和纹理特征的人群密度估计》一文中研究指出提出了一种人群密度估计算法,将像素统计和纹理特征两种基本方法进行有效结合。前景提取使用改进的Vibe算法,设定感兴趣区域(ROI)来减少运算量。同时,引入形态学处理和透视矫正消除了因人物远近所造成的误差。并设定了一套人群密度等级划分的标准,克服了因人群密度高低频繁变化造成的误差。最终,实验结果显示运算速度和正确率均较为可观,证明了本算法的可靠性。(本文来源于《电子科技》期刊2015年07期)
全卫澎,李卫华,李小春,贾春阳[9](2014)在《基于统计与频谱模型特征融合的纹理图像分割》一文中研究指出纹理分析方法主要包括统计法、结构法和频谱法。由于不同纹理分析方法的侧重点和适用对象不一样,传统的单一特征分析方法存在一定的局限性。结合统计法和频谱法对纹理进行分析,利用灰度共生矩阵得到纹理的统计特征,应用Gabor变换得到多尺度、多方向的纹理特征,提出一种依据纹理宏、微特性加权的新的特征融合的方法,最后进行K均值聚类得到分割结果。实验结果表明,与传统应用单一纹理分析方法相比,该方法在保持边缘准确性和区域一致性上有一定程度的提高。(本文来源于《科学技术与工程》期刊2014年19期)
刘红,宋茹,王保兴[10](2015)在《基于个体特征和纹理特征的视频人数统计算法》一文中研究指出视频人数统计利用视频图像特征,通过监测公共场所中的人群密度,可防止公共场所人群拥堵,确保行人安全.提出一种改进的视频人数统计算法,对于中低密度人群,利用个体特征法实现人数统计,对于高密度人群,利用纹理特征法实现人数统计.使用提出的算法,设计了视频人数统计系统,分别对多组视频进行了测试,测试结果表明该算法误差较低.(本文来源于《安徽大学学报(自然科学版)》期刊2015年03期)
统计纹理特征论文开题报告
(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:
统计图像建模方法使用某种参数控制的分布模型来描述纹理及其特征,即参数估计是该类方法的核心问题.鉴于此,提出一种新的纹理特征提取方法,利用广义伽马分布和广义冯·米塞斯分布在图像的双树复小波域上进行统计建模,利用对数累积量法进行高效的参数估计完成纹理特征提取.在VisTex和Brodatz纹理库上进行分类实验,结果表明所提方法能够有效捕获图像的纹理特征,获取较高的识别率.
(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。
统计纹理特征论文参考文献
[1].岳焕然,李茂松,王春艳,安江勇.基于颜色和纹理特征的玉米旱情统计判别模型[J].中国农业科技导报.2019
[2].杨鹏,张凡龙,杨章静.基于双树复小波域统计图像建模的纹理特征提取[J].控制与决策.2019
[3].李林林.基于SAR图像极化特征和统计模型纹理参数的建筑物损毁评估[D].中国地质大学.2018
[4].范赐恩,冉杰文,颜佳,邹炼,石文轩.颜色空间统计联合纹理特征的无参考图像质量评价[J].光学精密工程.2018
[5].张朋,温宏愿.基于混合高斯建模和纹理特征提取的人数统计方法研究[J].价值工程.2018
[6].方天红,陈庆虎,鄢煜尘,周前进.基于统计纹理特征的打印文档认证[J].武汉大学学报(工学版).2016
[7].徐麦平,张二虎,陈亚军.融合像素与纹理特征的人群人数统计方法研究[J].西安理工大学学报.2015
[8].王强,孙红.基于像素统计和纹理特征的人群密度估计[J].电子科技.2015
[9].全卫澎,李卫华,李小春,贾春阳.基于统计与频谱模型特征融合的纹理图像分割[J].科学技术与工程.2014
[10].刘红,宋茹,王保兴.基于个体特征和纹理特征的视频人数统计算法[J].安徽大学学报(自然科学版).2015