导读:本文包含了由粗到精论文开题报告文献综述及选题提纲参考文献，主要关键词:瞳孔检测,眼角点定位,局部二值特征,监督下降法
由粗到精论文文献综述
王增才,赵磊,房素素,张国新,齐亚州[1]（2019）在《基于由粗到精定位的列车驾驶员瞳孔和眼角点检测》一文中研究指出提出一种由粗到精定位的列车驾驶员瞳孔和眼角点检测方法,采用基于监督下降法的面部特征点定位和跟踪技术对驾驶员的眼角点进行粗定位,在面部特征点正确定位的基础上根据相应点的位置获取眼睛图像。采用圆形模板求得眼睛图像中每个像素点的灰度比率,并将其作为权值获取积分投影曲线,对瞳孔点粗定位。将已检测到的瞳孔中心点和眼角点作为初始点,采用基于局部二值特征的定位技术对眼角点和瞳孔位置进行精确定位。利用视频和图像数据库进行实验测试,实验结果表明:提出的方法能够有效定位驾驶员眼角点和瞳孔位置,其瞳孔检测精度优于最新提出的方法。(本文来源于《铁道学报》期刊2019年10期）
杨军,史纪东[2]（2018）在《由粗到精的叁维等距模型对应关系计算》一文中研究指出针对不同姿态下的叁维等距模型对应关系计算问题,提出了一种基于初始谱植入的稠密对应关系计算方法。计算源模型与目标模型上各点的高斯曲率,利用空间一致采样算法获得一组数目相同的采样点,通过初始谱植入构建源模型与目标模型间的初始对应关系,使用空间一致采样法并结合二分图匹配算法迭代获取每一层的对应关系,利用贪婪优化算法进行优化,得到叁维模型间的稠密对应关系。实验结果表明,以初始谱植入匹配算法计算得到的稀疏对应关系为基础,通过由粗到精的求解过程,能构建更为准确的稠密对应关系,并在一定程度上减小了等距误差。与已有算法相比,基于初始谱植入的稠密匹配算法适用于计算等距或近似等距的叁维模型之间的对应关系;与单一使用测地距离度量相比,可以得到更加准确的稠密对应关系。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2018年06期）
成翔昊,达飞鹏,邓星[3]（2018）在《基于关键点的由粗到精叁维人脸特征点定位》一文中研究指出提出了一个基于关键点由粗到精的叁维人脸特征点定位算法,该算法将人脸特征点定位分为关键点检测和标记两个独立的子问题。为了更好地在叁维人脸上提取关键点,该算法提出了一个关键点检测方法:1)使用深度图和监督下降算法得到叁维人脸特征点的粗略位置,提取特征点粗略位置的邻域作为关键点区域;2)提出了一种结合多个局部描述子的方法,对关键点区域内人脸点集的子集进行筛选,提取出关键点。在特征点标记阶段,使用关键点集生成候选特征点组合,选择与特征点模型匹配程度最高的组合,将组合中的候选点标记为特征点。基于FRGC v2.0和Bosphorus数据集对算法进行了实验评估,并与一些经典方法的结果进行了对比分析。FRGC v2.0库上的特征点的平均误差为2.85～3.81 mm,总体检测成功率为96.5%,其中中性、温和以及极端表情下检测成功率分别为97.5%、97.0%和93.3%。Bosphorus库上3种姿态下的检测成功率分别是92%、95%和88%。实验结果表明,该算法具有较好的精度和效率,对表情和小幅度的姿态变化具有较好的鲁棒性。(本文来源于《仪器仪表学报》期刊2018年10期）
王丹菂,徐青,邢帅,林雨准,李鹏程[4]（2018）在《一种由粗到精的机载激光测深信号检测方法》一文中研究指出针对机载激光测深(airborne lidar bathymetry,ALB)中不同环境下波形的差异性较大,且信号检测精度受限于系统采样间隔等问题,提出一种由粗到精的机载激光测深信号检测方法。该方法首先利用接收波形的有效长度快速估计水深;粗检测依据水深近似值,分别采用理查德森-露西去卷积法(Richardson-Lucy deconvolution,RLD)和平均差方函数法(average square difference function,ASDF)对波形预处理,通过包含距离、导数和极值约束的逐级检测确定信号的初始位置;精检测以粗检测结果为初值,利用改进的二阶多项式指数函数模型,并在模型参数求解中引入信赖域优化算法以实现波形的精确拟合,进而获得信号的精确位置。实测数据和模拟数据的试验结果表明,粗检测能够根据波形的特点采取相应的处理方式为精检测提供可靠的初值;精检测可将检测结果精确至子采样间隔并在粗检测基础上进一步提高精度。与极大值检测、ASDF、RLD和四边形拟合法等传统方法相比,本文方法正确率平均提高10%左右,精度平均提高约30%。(本文来源于《测绘学报》期刊2018年08期）
梁金莲,古丽拉·阿东别克[5]（2018）在《由粗到精的哈萨克语短语结构句法分析研究》一文中研究指出该文针对哈萨克语短语结构句法分两个阶段采用由粗到精的方法进行哈萨克语句法分析研究。第一阶段使用粗略的句法分析器生成20个最佳候选树;第二阶段采用感知机的方法训练,提取特征信息,并对第一阶段生成的20个最佳候选树进行重排序,最终解析结果是第一阶段产生的候选树的结果和重排序结果按照比例选取。该方法在两个阶段不仅可以获取到句子的结构信息,还可以提取到详细的特征信息,可以最大限度地对句子进行解析,获得了较好的句子解析结果,其句法分析正确率为71.4%。(本文来源于《中文信息学报》期刊2018年01期）
赵帅帅[6]（2016）在《由粗到精的带钢表面缺陷快速检测算法》一文中研究指出带钢产品表面质量的好坏,直接影响到相关产品的最终性能。本文针对带钢表面缺陷检测算法中存在的问题,提出了一种由粗到精的缺陷检测框架,可以有效解决现有缺陷检测方法中存在的检测速度慢、误检率高的问题,并能有效的去除噪声样本和剔除冗余特征。本文研究的具体内容与成果如下:(1)为了抑制背景图像中伪缺陷的产生,本文利用了基于各向异性扩散的方法对图像进行预处理。该方法可以在弱化图像的背景纹理的同时,保持缺陷的边缘信息。对于在边缘处梯度值较大的缺陷目标,所用的模型扩散系数较小;而在梯度值较小的图像背景处,使用的模型扩散系数较大。实验结果表明,该方法可以有效抑制背景纹理的干扰和伪缺陷的产生。(2)为了提高缺陷检测算法的速度,本文提出了一种基于E-BING框架的快速带钢表面缺陷预检测方法。针对传统的BING算法在带钢表面缺陷预检测中存在的问题,本文将熵特征融入到BING框架中,在二值梯度特征与熵特征的共同引导下选择缺陷的候选目标。实验结果表明,E-BING算法可以在保证候选目标质量的同时,有效降低了预测窗口的数量。(3)为了获得对缺陷目标的紧致特征表示,并解决训练样本中存在的噪声干扰问题,本文提出了一种基R-AdaBoost的缺陷特征选择方法,该方法可以在进行特征选择的同时,有效剔除训练样本中存在的噪声样本。该方法在AdaBoost集成算法的框架下,首先通过在每次循环中采用Relief特征选择算子进行特征筛选,选取有效紧致的特征向量;然后通过对所有训练样本在筛选特征上的类内类间差判断噪声样本,并更新训练样本库。本文算法在邯钢实际生产线上采集的的缺陷图像库上进行了验证。结果表明,相对于其它算法,本文算法准确率提高了2%左右,特征数减少了6.3%~9.4%,验证了方法的可行性。(4)为了解决检测效率与检测率之间的矛盾,本文提出了一种由粗到精的BING-R-AdaBoost缺陷检测方法,首先利用E-BING快速预测算法进行候选目标的预测,然后利用R-AdaBoost对候选窗口内的目标进行精确特征的提取与分析,最终获得图像内缺陷区域的精确位置。通过在邯钢缺陷库上的实验,验证了该算法不仅可以降低误检率,还可以有效地提高检测的速度。(本文来源于《河北工业大学》期刊2016-12-01）
刘永明[7]（2014）在《由“粗”到“精”是趋势》一文中研究指出中石油规划总院高级工程师丁少恒:从2014年开始,地炼企业的生产、销售结构已向汽油倾斜,下半年产销量的增长应大于上半年,作为汽油调和原料的石脑油前景仍然看好。其中煤制油产出的石脑油增长明显,并且明后年内蒙古伊泰、山西潞安等企业又有超过200万吨/年的煤制油项目陆续投产,届时煤化工石脑油产量将有望再度增长。随着这些煤制油、煤制气项目的陆续建成投产,一些煤化工石脑油产量(本文来源于《中国石油和化工》期刊2014年12期）
宋春仙,徐光柱,雷帮军,李春林[8]（2013）在《一种由粗到精的远距离虹膜定位算法》一文中研究指出目前常见的虹膜识别算法均是在近距离且需用户积极配合的情况下进行的。远距离虹膜识别技术具有无需拍摄者刻意配合,非侵犯,易使用等优势,属于生物特征识别中的研究热点问题,其核心是在大尺度图像中快速定位出人体虹膜。针对该问题,提出了一种由粗到精的远距离虹膜图像的定位算法,对人脸图像进行采样,利用类Haar特征与Adaboost构建人眼检测器,并结合先验几何信息对得到的候选区域进行筛选,检测出人眼,将人眼位置变换回原始大尺度图像,分割出人眼区域。最后利用前期积累实现虹膜的准确定位。该算法在CASIA v4.0远距离虹膜图像库中可达到91.66%的准确率,具有较好的应用价值。(本文来源于《广西大学学报(自然科学版)》期刊2013年06期）
吴子扬,周大可,杨欣,胡阳明[9]（2013）在《由粗到精的叁维人脸稀疏重建方法》一文中研究指出针对传统叁维人脸重建算法精度不高的问题,提出一种由粗到精的叁维人脸稀疏重建方法。根据稀疏形变模型方法对待重建人脸的部分区域显着点进行重建,得到第1步重建结果,并在此基础上进行后续重建。将第1步的重建结果作为新的参考模型,求取待重建人脸与参考模型的特征点的坐标投影距离,从而求取参考模型的形变因子,完成最终叁维人脸的重建。由于两步稀疏重建的作用不同,对重建过程中参数的选取也采用不同方式。实验结果表明,该方法能有效提高人脸重建精度,同时保持较快的重建速度。(本文来源于《吉林大学学报(信息科学版)》期刊2013年06期）
李振美[10]（2013）在《由粗到精分层技术下的复杂网络入侵检测方法研究》一文中研究指出复杂网络具有开放性、互联性和共享性,易受到大规模的入侵,采用传统"一对一"方式构建网络入侵检测器,检测费时,实时性检测差。为了提高复杂网络入侵检测性能,提出一种引入由粗到精分层概念的多层网络入侵检测模型。在传统的LSSVM分类器基础上,对分类过程进一步细分,建立一种由粗到精策略,构造多层的网络入侵分类器,在精细分类层,将引入拥挤度和隔离度因子的粒子群优化分类器。以提高入侵分类器性能。最后采用KDD 99数据集进行仿真测试。结果表明,相对于其它检测模型,该模型不仅加快了入侵检测速度,满足入侵检测实时性;同时提高了网络入侵检测率,为网络安全提供了有效保证。(本文来源于《科学技术与工程》期刊2013年30期）
由粗到精论文开题报告
（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：
针对不同姿态下的叁维等距模型对应关系计算问题,提出了一种基于初始谱植入的稠密对应关系计算方法。计算源模型与目标模型上各点的高斯曲率,利用空间一致采样算法获得一组数目相同的采样点,通过初始谱植入构建源模型与目标模型间的初始对应关系,使用空间一致采样法并结合二分图匹配算法迭代获取每一层的对应关系,利用贪婪优化算法进行优化,得到叁维模型间的稠密对应关系。实验结果表明,以初始谱植入匹配算法计算得到的稀疏对应关系为基础,通过由粗到精的求解过程,能构建更为准确的稠密对应关系,并在一定程度上减小了等距误差。与已有算法相比,基于初始谱植入的稠密匹配算法适用于计算等距或近似等距的叁维模型之间的对应关系;与单一使用测地距离度量相比,可以得到更加准确的稠密对应关系。
（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。
由粗到精论文参考文献
[1].王增才,赵磊,房素素,张国新,齐亚州.基于由粗到精定位的列车驾驶员瞳孔和眼角点检测[J].铁道学报.2019
[2].杨军,史纪东.由粗到精的叁维等距模型对应关系计算[J].重庆邮电大学学报(自然科学版).2018
[3].成翔昊,达飞鹏,邓星.基于关键点的由粗到精叁维人脸特征点定位[J].仪器仪表学报.2018
[4].王丹菂,徐青,邢帅,林雨准,李鹏程.一种由粗到精的机载激光测深信号检测方法[J].测绘学报.2018
[5].梁金莲,古丽拉·阿东别克.由粗到精的哈萨克语短语结构句法分析研究[J].中文信息学报.2018
[6].赵帅帅.由粗到精的带钢表面缺陷快速检测算法[D].河北工业大学.2016
[7].刘永明.由“粗”到“精”是趋势[J].中国石油和化工.2014
[8].宋春仙,徐光柱,雷帮军,李春林.一种由粗到精的远距离虹膜定位算法[J].广西大学学报(自然科学版).2013
[9].吴子扬,周大可,杨欣,胡阳明.由粗到精的叁维人脸稀疏重建方法[J].吉林大学学报(信息科学版).2013
[10].李振美.由粗到精分层技术下的复杂网络入侵检测方法研究[J].科学技术与工程.2013