导读:本文包含了多特征图像论文开题报告文献综述及选题提纲参考文献，主要关键词:方向梯度直方图(HOG)特征,局部二值模式(LBP),灰度共生矩阵,主成分分析
多特征图像论文文献综述
陈静,张艳新,姜媛媛[1]（2019）在《融合多特征与随机森林的纹理图像分类方法》一文中研究指出针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。(本文来源于《传感器与微系统》期刊2019年12期）
崔力[2]（2019）在《基于多特征相似性融合的半参考图像质量评价》一文中研究指出提出了一种基于多特征相似性融合的半参考图像质量评价方法.在多个特征域,该算法采用不同的策略,分别评估了原始与待测图像之间的视觉相似性,并利用特征融合模块将上述特征相似性度量合并为图像整体质量指标,即MFSIQ(Multi-Feature Similarity based Image Quality).为验证所提出算法的性能,本研究分别在叁个主流数据库上,将所提出算法与主流的全参考以及无参考算法进行了性能比较.实验结果表明,MFSIQ的性能优于两种主流半参考算法和全参考算法PSNR,甚至可以媲美人们所熟知的全参考算法SSIM.(本文来源于《陕西科技大学学报》期刊2019年06期）
陈国艳[3]（2019）在《SAR图像中多特征融合与识别技术研究》一文中研究指出高分辨雷达在海上目标监测等领域有着广泛的应用,尤其是军事侦察等领域。合成孔径雷达SAR具有高分辨率、覆盖范围广、抗干扰能力强等优点,已经成为当前舰船目标识别的重要技术。本文研究的内容包括合成孔径雷达的原理、多特征融合技术、舰船图像的目标识别技术等,对于改善海上SAR雷达的舰船目标识别与侦察有重要价值。(本文来源于《舰船科学技术》期刊2019年22期）
刘嘉政,王雪峰,王甜[4]（2019）在《基于多特征融合和CNN模型的树种图像识别研究》一文中研究指出【目的】在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。【方法】将6类常见树种(樟子松、山杨、白桦、落叶松、雪松和白皮松)图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。【结果】本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB+H通道+LBP条件下,验证识别准确率最高,达到93.50%;RGB+HSV+LBP+HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。【结论】基于RGB+H通道+LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。(本文来源于《北京林业大学学报》期刊2019年11期）
刘明君,董增寿[5]（2019）在《基于多特征的红外与可见光图像融合》一文中研究指出采用多尺度变换方法融合红外与可见光图像后,图像融合结果整体场景对比度低,细节与纹理不够清晰,提出基于多特征的红外与可见光图像融合方法。首先提取红外与可见光两种源图像中的边缘特征、相关信号强度比特征及平均梯度特征,通过决策模块依据信号强度比特征和边缘特征确定多分辨率分析系数,然后基于该系数融合模块依据平均梯度特征,采用多分辨率奇异值分解方法融合图像低频子带,利用压缩感知方法融合高频子带背景区域,通过对背景区域高频、低频子带进行CS逆变换获取最终融合图像,最后仿真测试结果表明,该方法的行红外与可见光图像融合的标准差、平均梯度以及边缘保持度等指标都优于对比方法,融合后图像对比度和空间域内活跃度较好、图像细节较明显、图像内容更丰富。(本文来源于《激光杂志》期刊2019年10期）
赵斐,张文凯,闫志远,于泓峰,刁文辉[6]（2019）在《基于多特征图金字塔融合深度网络的遥感图像语义分割》一文中研究指出在遥感图像语义分割中,利用多元数据(如高程信息)进行辅助是一个研究重点。现有的基于多元数据的分割方法通常直接将多元数据作为模型的多特征输入,未能充分利用多元数据的多层次特征,此外,遥感图像中目标尺寸大小不一,对于一些中小型目标,如车辆、房屋等,难以做到精细化分割。针对以上问题,提出一种多特征图金字塔融合深度网络(MFPNet),该模型利用光学遥感图像和高程数据作为输入,提取图像的多层次特征,然后针对不同层次的特征,分别引入金字塔池化结构,提取图像的多尺度特征,最后,设计了一种多层次、多尺度特征融合策略,综合利用多元数据的特征信息,实现遥感图像的精细化分割。基于Vaihingen数据集设计了相应的对比实验,实验结果证明了所提方法的有效性。(本文来源于《电子与信息学报》期刊2019年10期）
侯小刚,赵海英,马严[7]（2019）在《基于超像素多特征融合的快速图像分割算法》一文中研究指出为了提高高分辨率图像分割效率,解决复杂图案中待分割目标边缘附近前景与背景区分度小而造成的分割目标不完整问题,本文通过引入超像素HOG特征,提出了一种基于超像素多特征融合(superpixel multi-feature fusion,SMFF)的快速图像分割算法.首先采用目前最有效的超像素算法对待分割图像进行超像素预分割,然后提取基于超像素的HOG特征、Lab颜色特征和空间位置特征,设计基于超像素的多特征度量算法,最终采用图割理论实现了基于超像素多特征融合的快速图像分割.实验结果验证了本文算法的有效性,其算法性能接近于目前最经典图像分割算法,且本文算法的时间性能要明显优于其它对比算法.(本文来源于《电子学报》期刊2019年10期）
张晓丽,肖满生,叶紫璇[8]（2019）在《基于遗传算法的图像多特征权重自动赋值方法》一文中研究指出在图像检索中,如何有效提取图像特征是基于内容的图像检索中的一个难点。针对该难题,提出了一种基于遗传算法的图像多特征权重自动赋值方法。首先使用灰色直方图提取颜色特征并利用树形小波提取纹理特征,然后利用遗传算法的全局最优解搜索功能自动确定各特征的权重。实验结果分析表明:在灰度图像的相似性检索中,基于遗传算法的多特征权重自动赋值方法与其他方法相比,平均查全率增加将近8%,平均查准率增加将近9%,说明该方法有较高的检索精确度。(本文来源于《软件工程》期刊2019年10期）
陈致远,陈国发,王殿伟[9]（2019）在《AR全景图像光照增强处理中多特征融合算法研究》一文中研究指出本文针对在光照不良的条件下,VR全景图像的成像质量会受到影响,开展全景图像光照增强处理过程中特征算法研究,提出了基于多特征算法融合进行全景图像增强处理,结合实验验证,总结出一种可用于增强不同弱照明条件下的全景图像光照增强处理算法。(本文来源于《电子制作》期刊2019年19期）
徐华伟,颜晶晶[10]（2019）在《图像压缩感知的目标跟踪多特征提取算法》一文中研究指出为了提高图像压缩跟踪过程中的目标跟踪性能,论文提出了一种具有随机生成多个特征的目标跟踪算法,通过划分子区域来确定随机生成的多个不同的图像特征进而实现目标跟踪。在每次计算候选位置的最高分类器得分后,结合Bhattacharyya系数来选择最优跟踪结果作为最终目标位置。减少了由图像不良特征确定目标位置的概率,有效地克服了诸如遮挡、形变或类似背景的影响。实验结果表明:相比单个特征提取,两个特征共同提取的中心位置误差平均减少了18.86%,边界框重迭率平均提升了14.14%,成功率平均提升了20.72%,且所提出的跟踪算法的计算速度与图像尺寸有关。(本文来源于《计算机与数字工程》期刊2019年09期）
多特征图像论文开题报告
（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：
提出了一种基于多特征相似性融合的半参考图像质量评价方法.在多个特征域,该算法采用不同的策略,分别评估了原始与待测图像之间的视觉相似性,并利用特征融合模块将上述特征相似性度量合并为图像整体质量指标,即MFSIQ(Multi-Feature Similarity based Image Quality).为验证所提出算法的性能,本研究分别在叁个主流数据库上,将所提出算法与主流的全参考以及无参考算法进行了性能比较.实验结果表明,MFSIQ的性能优于两种主流半参考算法和全参考算法PSNR,甚至可以媲美人们所熟知的全参考算法SSIM.
（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。
多特征图像论文参考文献
[1].陈静,张艳新,姜媛媛.融合多特征与随机森林的纹理图像分类方法[J].传感器与微系统.2019
[2].崔力.基于多特征相似性融合的半参考图像质量评价[J].陕西科技大学学报.2019
[3].陈国艳.SAR图像中多特征融合与识别技术研究[J].舰船科学技术.2019
[4].刘嘉政,王雪峰,王甜.基于多特征融合和CNN模型的树种图像识别研究[J].北京林业大学学报.2019
[5].刘明君,董增寿.基于多特征的红外与可见光图像融合[J].激光杂志.2019
[6].赵斐,张文凯,闫志远,于泓峰,刁文辉.基于多特征图金字塔融合深度网络的遥感图像语义分割[J].电子与信息学报.2019
[7].侯小刚,赵海英,马严.基于超像素多特征融合的快速图像分割算法[J].电子学报.2019
[8].张晓丽,肖满生,叶紫璇.基于遗传算法的图像多特征权重自动赋值方法[J].软件工程.2019
[9].陈致远,陈国发,王殿伟.AR全景图像光照增强处理中多特征融合算法研究[J].电子制作.2019
[10].徐华伟,颜晶晶.图像压缩感知的目标跟踪多特征提取算法[J].计算机与数字工程.2019
标签：方向梯度直方图(HOG)特征; 局部二值模式(LBP); 灰度共生矩阵; 主成分分析;