导读:本文包含了邻域检测论文开题报告文献综述及选题提纲参考文献，主要关键词:角点检测,灰度变化,Harris算法,SUSAN算法
邻域检测论文文献综述
杨佳豪,董静静,袁彤,何雨恒,杨丹[1]（2019）在《一种基于图像邻域灰度变化的角点检测改进方法》一文中研究指出针对经典角点检测算法存在角点检测准确性或抗噪性不佳的问题,根据常见的X型、T型、Y型3类角点的分布特点,提出一种基于图像邻域灰度变化的角点检测改进方法。首先利用图像灰度变化自相关性,初筛角点。然后采用USAN(Univalue Segment Assimilating Nucleus)模板遍历筛选角点集,基于模板内的分布离散度,进行角点二次定位。最后采用非极大值抑制法,精准定位角点。采用模拟几何图像和真实图像进行角点检测,并与Harris算法、SUSAN算法和基于灰度差分与模板的Harris角点检测算法对比。结果表明,本文改进算法的角点检测准确性(ACU)和一致性(CCN)均有明显提升,具有较好的综合检测性能。(本文来源于《纺织高校基础科学学报》期刊2019年03期）
刘敏,方义治,孙廷玺,罗思琴,王升[2]（2019）在《基于邻域保持嵌入-主成分分析的高压电缆状态数据异常检测及分析》一文中研究指出为发现高压电缆异常状态并及时地发出异常告警,提出了一种基于邻域保持嵌入(neighborhood preserving embedding,NPE)和主成分分析(principal component analysis,PCA)的高压电缆异常状态检测方法。针对PCA只能保留数据全局结构信息的缺陷,提出将流形学习算法NPE与PCA结合,从而实现数据全局和局部特征信息的全方面提取;然后利用T2和SPE统计量作为电缆状态特征量,其控制限作为状态异常阈值判据,并推导出不同异常状态特征指标的贡献度,确定高压电缆主要异常指标;接着通过计算高压电缆各分段统计量的值,确定电缆异常区域;最后利用广东珠海供电局辖区内220 k V高压电缆统计资料验证所提策略的正确性。(本文来源于《科学技术与工程》期刊2019年27期）
魏伟一,王瑜,窦镭响,文雅宏[3]（2019）在《基于邻域优化机制的图像显着性目标检测》一文中研究指出在显着性目标检测中,背景区域和前景区域区分度不高会导致检测结果不理想。针对这一问题,提出一种基于邻域优化机制的图像显着性目标检测算法。首先对图像进行超像素分割;然后在CIELab颜色空间建立对比图和分布图,并通过一种新的合并方式进行融合;最后在空间距离等约束下,建立邻域更新机制,对初始显着性图进行优化。实验对比表明,该算法显着性目标检测效果更好。(本文来源于《计算机工程与科学》期刊2019年08期）
杨树国,和文静,刘银玲,马琢麟,胡帅[4]（2019）在《基于形态学的高斯模型和八邻域帧差法混合运动目标检测算法》一文中研究指出针对视频中运动目标的提取问题,提出一种基于形态学的高斯模型和八邻域帧差法相融合的提取算法。该算法首先将视频中某些帧转化为灰度图,建立以混合高斯分布为基础的统计模型,并结合八邻域帧差法提取出运动目标的大致轮廓,然后利用自适应更新的高斯模型算法进行精确的减除,最后再进行形态学处理,从而使检测出的运动目标更加清晰完整。实验结果表明,该算法对含有低速运动物体、阴影较多的视频提取效果较好,具有很好的鲁棒性。(本文来源于《计算机与现代化》期刊2019年07期）
王拯洲,李刚,王伟,夏彦文,王力[5]（2019）在《基于邻域向量主成分分析图像增强的弱小损伤目标检测方法》一文中研究指出提出了基于邻域向量主成分分析(NVPCA)图像增强的弱小损伤目标检测方法.该方法将损伤图像中的每个像素和它的8邻域像素看作一个列向量参加运算,由每个像素生成的所有列向量构建一个9维的数据立方体,通过PCA变换后中间像素和邻域像素之间不相关,消除小目标和邻域像素之间的相关性,这样9维数据立方体的主要信息将集中在第一维,则变换后的第一维数据为NVPCA图像.另外,使用局域对比度法对NVPCA图像再一次进行处理后,获得了较好的图像增强效果.最后,使用区域增长法将损伤目标从背景中分离出来.实验结果表明,该方法能够检测损伤大小为1个像素和处于局部亮区的损伤目标,满足了在线光学元件损伤检测光学系统对于损伤目标精度的要求.(本文来源于《光子学报》期刊2019年07期）
张岭军,李聪,段云龙[6]（2019）在《结合空间邻域信息的SAR图像变化检测》一文中研究指出SAR图像变化检测可以通过对差异图的分类来实现,由于SAR图像容易受到相干斑噪声的干扰,从而影响变化检测效果。提出了一种基于空间邻域信息模糊聚类的SAR图像变化检测方法,根据对数比法和均值比法的各自特点,构造了一种新的差异图生成方法,并通过对传统的模糊聚类算法结合像素的空间邻域信息进行改进,来实现SAR图像的变化检测。实验结果表明,与传统的阈值法、模糊聚类算法以及局部邻域信息模糊C均值算法相比,提出的算法具有较高的检测精度,不但能有效地抑制噪声影响,同时能较好地保留图像细节信息。(本文来源于《计算机工程与应用》期刊2019年15期）
南天章,耿建君,陈旭,陈颖[7]（2019）在《基于邻域特征的红外低慢小目标检测》一文中研究指出红外搜索系统具有不发射电磁波、抗电磁干扰能力强、目标指示精度高等优势,在低慢小目标探测领域有很好的应用前景。目前国内外基于红外搜索系统的目标检测算法通常利用当前图像与背景图像配准、差分的手段提取疑似目标,往往需要较大的存储空间保存周视背景图像,高精度实时图像配准算法的工程化应用也有较大难度。针对以上问题,设计了一种基于邻域特征的红外低慢小目标检测方法。通过高通滤波、边缘检测法提取疑似目标、目标邻域特征值统计法剔除背景干扰、多帧图像目标信息相关等处理过程,可在有效排除地物、云层及飞鸟等多种干扰的同时,准确地检测图像中的无人机目标。试验结果表明,该方法相比传统LCM算法目标检测概率更高、虚警率更低,且不涉及图像差分,具有对硬件资源要求低、实时性好等优点,有较高的工程应用价值。(本文来源于《红外与激光工程》期刊2019年S1期）
惠永永[8]（2019）在《基于邻域保持嵌入的复杂过程故障检测研究》一文中研究指出随着现代工业向着复杂化、智能化、数字化的发展,对产品质量和生产安全可靠运行的要求不断攀升,保证过程的生产安全和提高产品质量是现代工业面临的挑战。由于分布式控制系统的广泛运用和计算机技术的快速发展,使得采集和存储了大量反映过程运行状态和产品质量的数据,为此基于多元统计的过程监测方法得到迅速地发展。传统的多元统计方法假设过程不受噪声和离群点的影响、呈现静态、工况单一、变量间满足线性关系等。但是,随着工业过程的复杂化和大规模化,过程数据不满足上述假设。本文基于邻域保持嵌入算法,针对复杂过程的规模大、多操作单元、非线性、动态性、多分布等特点,以及故障特征增强与噪声抑制问题,分析其过程特点并结合信息提取策略,提出了相应的改进算法实现过程故障检测。主要研究内容如下:(1)由于邻域保持嵌入(Neighborhood Preserving Embedding,NPE)算法易受噪声和离群点的干扰,在保持局部特征时没有考虑邻域内元素的距离特性,因此提出了一种基于稀疏加权邻域保持嵌入(Sparse Weighted Neighborhood Preserving Embedding,SWNPE)的故障检测算法。在近邻内求取最优稀疏表示,去除噪声和离群点的同时避免全局最优带来的计算困难。由于近邻的求取过程中没有考虑邻域内元素距离值的影响,距离较近的邻域点比较远的邻域点对局部结构表征更重要,因此为了充分地提取近邻结构,在计算局部最优稀疏表示时按照邻域内元素间的距离大小赋予不同的权值,建立一个增强的目标函数来求取局部稀疏结构。通过数值仿真过程和Tennessee Eastman(TE)测试平台验证了所提算法在大规模复杂过程故障检测中的效果。(2)针对复杂过程的非线性和动态特征,提出了一种基于稀疏表示保持嵌入的极限学习机(Sparse Representation Preserving Embedding Extreme Learning Machine,SRPE-ELM)非线性动态过程故障检测算法。在继承非监督极限学习机快速提取过程数据非线性流形结构的基础上,引入稀疏表示保持嵌入来去除噪声,并构造具有数据自适应的邻接图以避免对邻域参数的选择,从而自适应地提取过程数据的动态结构。将所提算法用于数值仿真系统和TE过程验证了其在非线性动态过程中的故障检测效果。(3)为了充分提取非线性动态间歇过程的全局局部特征,提出了一种多向动态非线性全局邻域保持嵌入(Multiway Dynamic Nonlinear Global Neighborhood Preserving Embedding,MDNGNPE)算法。首先,使用时滞窗来去除过程变量在时间序列上的自相关性;然后,通过构造多项式投影来消除过程变量的非线性,避免不必要的冗余并减小计算复杂度;最后,通过全局邻域保持嵌入(Global Neighborhood Preserving Embedding,GNPE)算法在降维过程中保持原始数据的全局局部结构。与基于核投影处理非线性的方法不同,MDNGNPE在解决过程数据非线性特性的同时考虑了物理条件的限制,并在降维过程中保持了数据的全局与局部结构。在数值仿真过程和青霉素发酵过程中验证了其对非线性动态间歇过程故障检测的有效性。(4)针对间歇过程的多阶段和特征提取问题,提出了一种基于多向加权全局邻域保持嵌入(Multiway Weighted Global Neighborhood Preserving Embedding,MWGNPE)的多阶段间歇过程故障检测算法。首先,对于间歇过程的多阶段特性,通过高斯混合模型的聚类特性进行阶段的划分;然后,对已经划分的多个阶段,使用GNPE算法提取全局局部特征;最后,利用高斯混合模型的概率密度估计特性,对提取的全局局部特征进行概率密度估计,构造加权矩阵来增强有用信息并抑制噪声。该方法能够有效地捕获隐藏在过程数据中的故障信息。通过数值仿真过程和青霉素发酵过程验证了该算法在多阶段间歇过程故障检测中的效果。(5)针对间歇过程变量间存在的相互关联或者相互独立的特性,提出了一种基于加权全局邻域保持嵌入(Weighted Global Neighborhood Preserving Embedding,WGNPE)和贪婪支持向量数据描述(Greedy Support Vector Data Description,GSVDD)的间歇过程故障检测算法。首先,使用互信息将过程变量划分为相关变量与独立变量;其次,通过WGNPE算法来充分提取相关变量的全局局部结构并凸显故障信息;然后,对于独立变量,使用GSVDD算法来快速有效地提取独立变量的过程信息;最后,分别在相关变量空间和独立变量空间建立统计模型,实现过程故障检测。传统的过程故障检测算法通常对过程变量按照相关或者独立关系进行单一模型的统计分析,并且在特征提取时没有充分考虑表征故障的特征信息。因此该算法针对过程变量的相关和独立特性分别建立相对应的统计模型用于故障检测,保持WGNPE和GSVDD算法优点的同时去除了一些无关变量的干扰。在青霉素发酵过程中验证了所提算法的可行性和有效性。(本文来源于《兰州理工大学》期刊2019-04-01）
马世欣,刘春桐,王欣,甘源滢,张正义[9]（2019）在《基于背景判别与邻域补偿的高光谱异常检测》一文中研究指出为克服高光谱局部异常检测算子背景虚警严重,探测效果不佳等问题,提出了基于核光谱角背景判别与邻域补偿的异常检测算法。算法从背景像元的筛选和探测结果的补偿两个角度提高像元探测精度,在背景像元的处理方面,提出了一种基于核光谱角距离相似度的背景像元筛选算法,将光谱分辨性能更强的核光谱角引入背景差异性判别过程,准确可靠地实现局部背景像元的筛选和优化;同时,针对异常检测算子探测精度不高等问题,引入邻域加权的空谱联合补偿机制,并提出基于核光谱角距离相似度的动态模板卷积补偿算法,显着增强了背景与目标的可分性。在与RX、LRX、KRX和CRD等异常检测算法的对比中发现,该算法表现出较强的探测性能,在抑制虚警和提高探测精度等方面达到了不错的效果。(本文来源于《仪器仪表学报》期刊2019年03期）
杨晓玲,张贤勇[10]（2019）在《基于邻域粗糙隶属函数的离群点检测》一文中研究指出针对传统粗糙集的离群点检测方法难以处理数值型属性数据的问题,提出基于邻域粗糙隶属函数的离群点检测方法,其适用于数据包括数值型、符号型与混合型。基于混合型距离与自适应半径,定义邻域粗糙隶属函数刻画对象离群程度,构建邻域粗糙离群因子实施离群点检测,设计相应的离群点检测算法NRMFOD。UCI数据对比实验结果表明,NRMFOD算法具有有效性,优于3种常用检测算法(RMF、RBD、DIS算法)。(本文来源于《计算机工程与设计》期刊2019年02期）
邻域检测论文开题报告
（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：
为发现高压电缆异常状态并及时地发出异常告警,提出了一种基于邻域保持嵌入(neighborhood preserving embedding,NPE)和主成分分析(principal component analysis,PCA)的高压电缆异常状态检测方法。针对PCA只能保留数据全局结构信息的缺陷,提出将流形学习算法NPE与PCA结合,从而实现数据全局和局部特征信息的全方面提取;然后利用T2和SPE统计量作为电缆状态特征量,其控制限作为状态异常阈值判据,并推导出不同异常状态特征指标的贡献度,确定高压电缆主要异常指标;接着通过计算高压电缆各分段统计量的值,确定电缆异常区域;最后利用广东珠海供电局辖区内220 k V高压电缆统计资料验证所提策略的正确性。
（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。
邻域检测论文参考文献
[1].杨佳豪,董静静,袁彤,何雨恒,杨丹.一种基于图像邻域灰度变化的角点检测改进方法[J].纺织高校基础科学学报.2019
[2].刘敏,方义治,孙廷玺,罗思琴,王升.基于邻域保持嵌入-主成分分析的高压电缆状态数据异常检测及分析[J].科学技术与工程.2019
[3].魏伟一,王瑜,窦镭响,文雅宏.基于邻域优化机制的图像显着性目标检测[J].计算机工程与科学.2019
[4].杨树国,和文静,刘银玲,马琢麟,胡帅.基于形态学的高斯模型和八邻域帧差法混合运动目标检测算法[J].计算机与现代化.2019
[5].王拯洲,李刚,王伟,夏彦文,王力.基于邻域向量主成分分析图像增强的弱小损伤目标检测方法[J].光子学报.2019
[6].张岭军,李聪,段云龙.结合空间邻域信息的SAR图像变化检测[J].计算机工程与应用.2019
[7].南天章,耿建君,陈旭,陈颖.基于邻域特征的红外低慢小目标检测[J].红外与激光工程.2019
[8].惠永永.基于邻域保持嵌入的复杂过程故障检测研究[D].兰州理工大学.2019
[9].马世欣,刘春桐,王欣,甘源滢,张正义.基于背景判别与邻域补偿的高光谱异常检测[J].仪器仪表学报.2019
[10].杨晓玲,张贤勇.基于邻域粗糙隶属函数的离群点检测[J].计算机工程与设计.2019