导读:本文包含了坐标识别论文开题报告文献综述及选题提纲参考文献，主要关键词:图像识别,特征提取,极坐标,加权局部线性嵌入
坐标识别论文文献综述
丁娇,张天飞,龙海燕,张磊[1]（2019）在《基于WLLE和极坐标特征提取的叶片图像识别方法》一文中研究指出提出一种基于WLLE和极坐标特征提取的叶片图像识别方法.该方法首先对叶片图像进行二值化并映射到极坐标下,提取高度变化率、饱和度等多个极坐标特征参数,然后利用加权局部线性嵌入算法(WLLE)对叶片图像的多维极坐标特征参数进行维数规约,最后在低维空间采用最近邻分类器完成待测叶片图像的类别判断.该方法解决了传统直角坐标下提取叶片图像特征参数计算量大,运算时间长等问题,且WLLE算法具有较好的数据降维及聚类效果.由实验结果表明,该方法不仅减少了叶片图像的识别时间,同时还大大提高了叶片图像的识别率.(本文来源于《太原师范学院学报(自然科学版)》期刊2019年03期）
华祺年,刘建培[2]（2018）在《连铸坯端面中心坐标视觉在线准确识别方法》一文中研究指出提出了一种连铸坯端面中心坐标视觉在线识别方法,组建了数学模型,介绍了连铸坯端面中心坐标视觉提取流程和试验方法。首先,对提取到的连铸坯端面图像进行预处理,去除背景光源的干扰;第二,使用图像二值化算法对图像进行分割,提取图像中连铸坯端面图像;第叁,采用形态学开运算消除连铸坯端面图像边缘不平整,去除相邻连铸坯端面图像间的少量黏连图像;最后,利用质心法求出图像中各连铸坯端面中心相面坐标。利用本文识别方法,求出成排连铸坯各端面图像相面坐标并进行贴标试验。试验结果表明:该方法能有效识别连铸坯端面中心,辅助贴标机器人准确地完成连铸坯端面的贴标工作。(本文来源于《河北冶金》期刊2018年10期）
任彬,张中然,张无极,冯彪,高翔[3]（2018）在《基于视觉识别的点胶用直角坐标机械手》一文中研究指出纸盒包装因其成本低廉、外观靓丽一直在商品外包装方面占有很大的市场份额。目前电动点胶设备往往需要预先编好程序,再摆正目标位置,柔性差,对于复杂形状编程困难,影响了实际使用效果。为此设计了基于视觉识别的直角坐标机械手,实现了视觉确定目标位置,再根据设定的参数,完成自动寻找边际、点胶的过程。此装置能够代替人工操作,可应用于工业生产中。(本文来源于《机械工程与自动化》期刊2018年05期）
踪华,刘嬿,高晓颖,熊攀[4]（2018）在《星点坐标辅助的全天区叁角形星图识别算法》一文中研究指出随着当前星敏感器视场(FOV)的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区叁角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在叁角形约束条件下进行角距匹配识别,得到一个或多个导航叁角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。(本文来源于《航空学报》期刊2018年09期）
郭建欣,陈文燕[5]（2018）在《筛选极坐标投影幅值特征的象棋定位与识别》一文中研究指出为保证象棋机器人视觉系统中棋盘棋位检测、棋子定位与识别的准确性,首先利用梯度法获取棋盘区域,比例法得到棋位坐标;然后在棋位处的子域利用霍夫变换判断棋子存在性并获取棋子圆心坐标,Lab的a分量分割判断棋子颜色。利用极坐标投影,快速傅里叶变换提取特征,最后皮尔逊相关系数进行特征筛选,欧式距离进行12类字体的分类。对训练集和测试集采集的576和1 024个不同位置角度的棋子样本分别进行测试,子域内棋子存在性、棋子棋位编号以及棋子颜色判断的错误率都为0。利用训练集获得字体类中心后,在训练集和测试集分别进行字体识别测试,筛选字体特征的识别方法的错误率为0.17%(错1个)和0.29%(错3个);与不进行特征筛选的方法相比,错误率分别降低了0.35%和0.39%。表明棋位检测、棋子定位与识别方法的优秀性能,为构建象棋机器人视觉系统打下算法基础。(本文来源于《科学技术与工程》期刊2018年21期）
章田[6]（2018）在《基于最优化特征选择的空间坐标叁维手势识别方法》一文中研究指出手势识别是人机交互的一个重要分支,已经广泛应用于生产生活中,改善了生产作业方式,提升了生活质量。针对手语识别的研究对聋哑群体的交流也有着重要意义。在手势识别中,手势主要包含手形、手势位置和运动信息等要素,其中,手形作为做手势时手呈现的形状,是最直接的区别不同手势的描述。因此,对手形手势的识别成为了手势识别的关键。本文总结了国内外对手势识别的研究现状,并分析了现有方法存在的问题。通过分析发现手势识别存在叁个方向:基于二维图像的手势识别、基于深度图像的叁维手势识别和基于叁维坐标等空间信息的手势识别,而目前基于叁维坐标等空间信息的手势识别研究较少,且对提取的同属于一个属性的特征没有进行比较和选择,存在冗余特征,影响识别效果。另外,手势识别效果还受到做手势时动作方向的影响。本文主要研究基于叁维坐标等空间信息的手势识别,为了改进冗余特征带来的低识别率,改善做手势时动作方向带来的问题,提出了一种基于最优化特征选择的空间坐标叁维手势识别方法。本文方法主要包含四个步骤,分别为数据采集、特征提取、最优化特征选择和手势识别。首先,利用Leap Motion传感器采集各个手势关键点的叁维坐标数据,然后从中提取自定义的属性和特征。接着,提出了引入XGBoost算法,并结合交叉验证方法用于最优化的特征选择。最后,目标手势的经过最优化选择的特征被用于最终的基于高斯朴素贝叶斯的识别模型,进行识别分类。为了验证本文方法的效果,无方向手势测试集和有方向手势测试集被用于提出模型的测试。实验评估验证结果表明,无论是哪一个测试集,基于本文的最优化特征选择后,识别效果均优于基于其它特征处理方式的手势识别方法。在无方向手势测试集中,最高识别率接近于100%,且在达到高且稳定的识别率时,所需的训练样本数量较其它方法少。在有方向手势测试集中,最高识别率可达95%。本文创新性地结合了数据挖掘方法和机器学习算法,有效地实现了叁维手势识别。本文方法不仅具有高效的识别率和良好的鲁棒性,还可以减少手势关键关节点叁维坐标数据的采集,同时降低了采集非必要关节点时因手势互相遮挡带来的误差。(本文来源于《杭州电子科技大学》期刊2018-03-01）
张剑书[7]（2018）在《基于目标检测识别与坐标映射的溯源轨迹数据提取》一文中研究指出随着智慧城市和公共安全需求的日益增长,监控摄像头的安装数量正日益增多。在不影响现有物流过程的同时,利用视频监控数据实现对溯源目标的跟踪追溯是溯源领域的新思路。同时,基于监控视频提取的溯源轨迹数据可以提供更为直观的证据,这样的结果往往更容易被用户所接受。在视频监控系统中,众多的摄像头、庞大的监控网络,瞬间就会产生海量的视频数据。面对如此大的监控规模和视频数量,采用人工处理的方式已经远远不能满足实际应用的需求。为了从海量的视频监控数据中提取出包含目标运动轨迹的溯源数据,我们需要对溯源视频进行快速、高效的处理。目标检测识别和目标跟踪是提取溯源数据的主要技术。本文对溯源监控视频进行深度挖掘,基于智能视频监控技术中的目标检测、目标识别和目标匹配跟踪算法,从海量的监控数据中高效地提取出可以用于溯源的轨迹信息,实现基于多摄像头的目标跟踪与连续轨迹生成。本文的主要工作如下:1.从溯源的角度出发,基于目标检测算法,提出了一种结合非参数化背景建模与帧间差分法的有效帧提取方法,从监控视频流中提取出存在运动目标的有效帧图片以及包含目标的子图;再通过基于深度学习的目标识别算法分析各目标子图,对包含目标的子图的边界进行精修,并在此基础上进一步提取出有效帧图片中与溯源相关的目标的类别和位置等与目标相关的信息,实现对监控视频中有效信息的提取。2.从空间和时间这两个角度对与溯源目标相关的信息进行数据融合,针对当前场景中的多个摄像头建立二维图像空间与叁维真实空间的映射关系,并基于坐标映射方程,将溯源目标在二维图像空间中的像素坐标映射到叁维真实空间;综合类别信息、位置信息以及图像特征信息对相邻时间节点中的目标进行匹配,连接相邻时间节点中的相同目标,获取目标在当前监控场景中的运行轨迹数据,实现基于坐标映射的数据融合。(本文来源于《南京财经大学》期刊2018-03-01）
韩伟,刘磊,马伟东,杜科[8]（2017）在《基于极坐标分区LBP的交通标志识别方法》一文中研究指出为了突出交通标志的空间结构分布特征,提出一种基于极坐标分区局部二值模式的特征提取算法.对国际公开交通标志识别数据库GTSRB的43类交通路标中共计12 630张测试图像进行仿真实验,实验结果证明了该算法是有效的.(本文来源于《湘潭大学自然科学学报》期刊2017年04期）
彭章国[9]（2017）在《基于FPGA的标志点图像坐标实时识别技术》一文中研究指出视频测量(Videogrammetry Measurement,VM)已广泛应用于航空航天、生物医学、遥感遥测、军事等领域。VM需要在被测物上放置人工标志点辅助测量,但现有基于微机的标志点图像坐标识别耗时长,对于高帧频/高分辨率的VM标志点,尚不能实时识别、提取其图像坐标。为此,本文围绕基于FPGA的标志点图像坐标实时识别技术,开展以下研究:研究了标志点图像坐标识别算法,并以图像分辨率为2352×1728/帧频为60 fps的标志点图像作为研究对象,使用Matlab软件仿真验证了该算法的有效性及鲁棒性。针对算法中存在的浮点数转定点数运算问题,研究了定点化技术,根据特定硬件的位宽参数,设计了一种基于Vedic算法的定点数乘法器,实验结果表明:在同等位宽的条件下,本文所设计的16×8位位宽Vedic算法乘法器较基4-Booth算法乘法器运算速度快10倍,消耗的资源也较基4-Booth算法乘法器少。采用“自顶向下”的设计方法,以及面向硬件的设计思维,将标志点图像坐标识别算法划分为功能不同的模块,运用Verilog HDL语言进行描述,并实现了算法在硬件上的加速。使用ISE、Modelsim等EDA工具,对各个模块进行功能仿真、综合验证以及时序分析。搭建了FPGA实验平台,基于FPGA的标志点图像坐标实时识别实验研究证明:本设计所占用的资源不超过FPGA总体资源的60%,且标志点图像坐标与现有软件计算结果一致。(本文来源于《西南科技大学》期刊2017-04-05）
石晓卫,李登辉,杨鑫,钱义先[10]（2016）在《面积-极坐标变换在光学相关目标识别中的应用》一文中研究指出应用联合变换相关器对目标进行探测和识别时,由于实际探测到的目标相对于参考图像存在比例、旋转、平移畸变,因此在传统的光学相关器中很难实现目标的探测和识别。为了更好地探测到目标,提出了面积-极坐标的算法,该算法利用相似图形之间的尺寸与面积存在满映射函数关系,实现了比例不变光学探测,并结合极坐标变换实现旋转不变光学探测,最后,对变换后的联合图像进行小波边缘提取,既能提取到清晰的图像边缘,又能有效地抑制噪声,不但提高了相关峰,并使得相关峰更为尖锐,成功实现了大尺度混和畸变目标的探测和识别。作为实例,对混合畸变目标进行了计算机模拟和光学实验,验证了该算法在大尺度混合畸变光学相关探测中的可行性。(本文来源于《光学与光电技术》期刊2016年05期）
坐标识别论文开题报告
（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：
提出了一种连铸坯端面中心坐标视觉在线识别方法,组建了数学模型,介绍了连铸坯端面中心坐标视觉提取流程和试验方法。首先,对提取到的连铸坯端面图像进行预处理,去除背景光源的干扰;第二,使用图像二值化算法对图像进行分割,提取图像中连铸坯端面图像;第叁,采用形态学开运算消除连铸坯端面图像边缘不平整,去除相邻连铸坯端面图像间的少量黏连图像;最后,利用质心法求出图像中各连铸坯端面中心相面坐标。利用本文识别方法,求出成排连铸坯各端面图像相面坐标并进行贴标试验。试验结果表明:该方法能有效识别连铸坯端面中心,辅助贴标机器人准确地完成连铸坯端面的贴标工作。
（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。
坐标识别论文参考文献
[1].丁娇,张天飞,龙海燕,张磊.基于WLLE和极坐标特征提取的叶片图像识别方法[J].太原师范学院学报(自然科学版).2019
[2].华祺年,刘建培.连铸坯端面中心坐标视觉在线准确识别方法[J].河北冶金.2018
[3].任彬,张中然,张无极,冯彪,高翔.基于视觉识别的点胶用直角坐标机械手[J].机械工程与自动化.2018
[4].踪华,刘嬿,高晓颖,熊攀.星点坐标辅助的全天区叁角形星图识别算法[J].航空学报.2018
[5].郭建欣,陈文燕.筛选极坐标投影幅值特征的象棋定位与识别[J].科学技术与工程.2018
[6].章田.基于最优化特征选择的空间坐标叁维手势识别方法[D].杭州电子科技大学.2018
[7].张剑书.基于目标检测识别与坐标映射的溯源轨迹数据提取[D].南京财经大学.2018
[8].韩伟,刘磊,马伟东,杜科.基于极坐标分区LBP的交通标志识别方法[J].湘潭大学自然科学学报.2017
[9].彭章国.基于FPGA的标志点图像坐标实时识别技术[D].西南科技大学.2017
[10].石晓卫,李登辉,杨鑫,钱义先.面积-极坐标变换在光学相关目标识别中的应用[J].光学与光电技术.2016