导读:本文包含了多特征分析论文开题报告文献综述及选题提纲参考文献，主要关键词:视频烟雾检测,运动区域,多特征融合,定位识别
多特征分析论文文献综述
周忠[1]（2019）在《多特征分析的室内外视频烟雾检测》一文中研究指出针对室内外烟雾特点,提出了一种多特征分析的视频烟雾检测。首先,分块进行烟雾实时背景更新,真彩色差分结合颜色特征进行疑似区域提取。其次,在时空域提取疑似烟雾静动态特征,并进行融合性分析。最后结合不同场景不同算法进行烟雾检测对比实验,结果表明,本文算法能有效适应光照变化,灵敏度高,抗干扰性强,较好的区分烟与非烟,从而准确定位识别烟雾。(本文来源于《电子设计工程》期刊2019年15期）
袁冬存,洪炎佳,黄穗乔,梁志莹,李兵[2]（2019）在《鼻咽癌放疗后认知功能改变的脑皮质多特征分析》一文中研究指出目的:为了研究放疗(RT)对鼻咽癌(NPC)患者大脑结构的影响。方法:采用20例放疗后出现认知障碍(RT-CI),34例放疗后未出现认知障碍(RT-No-CI)的NPC患者以及22例未经过放疗(No-RT)的NPC患者的大脑T1结构磁共振图像,利用Freesurfer软件行预处理及计算各组被试大脑的皮质表面积、灰质体积、皮质厚度、平均曲率四个皮质特征,基于这四个特征采用独立样本t检验的方法对叁组被试两两间进行统计比较。结果:相比于No-RT组,RT-CI组患者颞叶、脑岛、楔前叶等脑区的皮质特征有显着性差异;相比于RT-No-CI组,RT-CI组的颞叶皮质特征有显着性差异;而RT-No-CI组与No-RT组比较中,额叶、颞叶及中央前、后回皮质特征出现显着差异,且RT-No-CI组更多地表现为正性改变。结论:脑皮质形态改变可提示早期认知障碍可能,为临床早期干预提供证据。(本文来源于《中国医学计算机成像杂志》期刊2019年03期）
邓之珺[3]（2018）在《基于多特征分析的漏洞自动化识别研究》一文中研究指出为适应快速的版本发布周期,软件开发商大多遵循持续集成和持续交付的开发模式,且越来越依赖开源库来快速完成开发任务。然而,由于大多数开发人员缺乏安全专业知识,大量的安全漏洞没有被正确地识别,或者没有公开披露。这些未识别的漏洞让开发商的产品陷入被恶意攻击的风险中。因此,迫切需要一个高效的漏洞自动化识别系统,来识别开源库中未知的漏洞并确保安全的软件开发过程。各大软件开发商大多借助缺陷追踪系统完善其软件开发过程,通过审核缺陷追踪系统中的缺陷报告可以高效地检测漏洞。然而,现有的面向缺陷追踪系统的漏洞识别方案大多只考虑了缺陷报告的单一特性,导致其漏报和误报严重。基于多特征分析的漏洞自动化识别方案SBRer(Security Bug Report Identifier)有效地解决了上述问题。SBRer提取了缺陷报告中多种有效信息,包括预定义非文本字段(元特征),缺陷报告的文本内容(文本特征)和缺陷补丁文件的代码属性(代码特征)。基于这些特征,SBRer通过自然语言处理技术和机器学习算法构建了一个自动化识别漏洞的模型。此外,SBRer还充分考虑了数据的不平衡现象,提高了漏洞识别精度。实验结果表明,SBRer在识别漏洞时精确率和召回率分别达到了99.4%和79.9%。与现有的自动化识别方案相比,SBRer在保持高精确率的同时,将召回率提高了22.9%~175.5%。(本文来源于《华中科技大学》期刊2018-05-01）
卢紫微,张燕,常东超,吴成东[4]（2018）在《基于多特征分析的路面裂缝检测算法》一文中研究指出针对高速公路路面图像噪声成分复杂、路面裂缝损伤检测效率低、安全性差等问题,提出一种应用多特征分析的路面裂缝检测算法。首先将获取的高速公路图像进行分块处理,在每个分块图像上提取裂缝及其周围区域图像的灰度、局部熵和局部二进制模式(Local Binary Pattern,LBP)纹理特征构建特征向量,然后将特征向量输入支持向量机(Support Vector Machine,SVM)进行训练,最后利用得到的决策函数将图像中的每个像素划分为裂缝区域或背景区域。该方法综合利用了图像的灰度、局部熵和LBP纹理特征,最后通过实验验证了算法的有效性。(本文来源于《控制工程》期刊2018年04期）
高苗,朱苏磊[5]（2018）在《基于多特征分析的摔倒检测算法设计》一文中研究指出针对已有摔倒检测算法误检率高的缺点,提出了一种改进的摔倒检测算法.首先采用混合高斯模型对前景目标进行检测,然后进行中值滤波和形态学处理来提取前景目标.在人体宽高比和有效面积比的基础上,采用了质心的变化、方向角度和运动系数作为特征来判断人体是否摔倒.实验结果表明,和传统算法相比,该算法具有更高的准确度,识别度高,算法复杂度低,能有效地防止误判.(本文来源于《上海师范大学学报(自然科学版)》期刊2018年02期）
李思思[6]（2017）在《航空交流故障电弧的多特征分析及识别技术》一文中研究指出近年来航空安全问题受到人们越来越多的重视,由航空线缆损坏引发的交流故障电弧是诱发航空安全问题的主要因素之一。飞机线缆的绝缘材料受摩擦、应力等因素影响造成绝缘层物理损坏,同时温度、潮湿、化学侵蚀等原因会致使绝缘层分解老化、绝缘减弱,发生电击穿的可能性增大,进而引发间歇故障电弧。随着飞机供配电系统的容量不断增加,形成了线缆数量的大量化及结构复杂化的电气环境,故障电弧引发的电气安全问题更加频繁,故障电弧的隐蔽性又使其不容易被检测到,航空电气安全问题变得更为严峻。因此,研究故障电弧的特征,确定一种针对航空交流故障电弧有效的识别方法对于保障航空电气安全具有重要的意义。本文针对故障电弧产生后线路电流特性的改变,从不同角度对电流进行特征提取分析,并对航空交流故障电弧的识别方法进行了研究。首先,根据标准进行航空故障模拟试验,获取分析所需要的不同负载下的正常电流数据和故障电弧电流数据,为特征提取做准备;其次,从电流波形差异、信号建模思想和特定频段特征提取叁个方面研究了电弧产生前后线路电流特征的变化情况。结果发现,故障电弧发生后,线路电流在这叁个方面表现出了与正常工作电流不相同的特征;电弧电流特征与正常电流特征之间的差异程度受到负载类型、电流等级、电源频率等因素影响;为验证特征提取方法的稳定性进行了电流频率变化和采样速度变化的分析;最后,针对不同工作条件下故障电弧的识别问题,提出了一种多特征融合的故障电弧识别技术。构建多特征的数据矩阵,并引入极限学习机,对故障电弧进行分类识别,并对分类模型的性能进行了分析。实测数据分析结果表明,本文构建的分类模型具有较高的识别准确率,可以为航空交流故障电弧的识别提供可靠参考。(本文来源于《河北工业大学》期刊2017-12-01）
赖春任[7]（2017）在《颞叶癫痫患者的脑部MR影像多特征分析与自动识别》一文中研究指出颞叶癫痫(Temporal Lobe Epilepsy,TLE)是一种由神经元异常放电引发的中枢神经系统疾病,全球有超过5000万癫痫患者。由于TLE的病因、致病机制、临床症状复杂多样,目前TLE的诊断仍然主要依靠经验丰富的医生,临床上还没有具体的量化指标。近年来,TLE的遗传学、病理学、影像学等方面已有广泛研究,但TLE患者的大脑皮层特征异常模式及其与脑认知功能间的关系仍不明确,准确有效地诊断TLE与病灶自动定位,也是亟待解决的问题。首先收集117例TLE患者和115名健康志愿者(对照组)的结构MR影像数据,接着应用FreeSurfer软件对MR图像进行预处理、皮层重建及计算皮层特征,基于顶点分析TLE患者的皮层厚度、表面积、灰质体积、平均曲率四种皮层特征的变化模式,然后采用Desikan-Killiany与Destrieux大脑图谱的皮层特征、双样本t检验与递归特征消除两种特征选择方法,应用支持向量机(Support Vector Machine,SVM)和四种皮层特征对TLE进行自动分类识别,比较两个大脑图谱、两种特征选择方法、四类皮层特征的识别效果。此外,初步探讨了深度学习算法用于TLE的分类识别,主要利用CaffeNet和GoogleNet,综合比较不同网络模型和训练方式的分类性能。最后,比较与讨论了传统机器学习方法与深度学习技术的差异性。研究发现TLE患者的脑皮层厚度广泛存在明显变薄现象,且左侧大脑变化更明显,包括双侧颞下回、双侧额中回下部、左脑外侧眶额、左脑楔前叶和右脑距状旁回等;而TLE患者的皮层表面积明显增大,包括左脑中央前回、左脑额下回岛盖部、左脑额中回上部、右脑额中回上部、右脑额上回等;大脑灰质体积萎缩显着,包括左脑梭状回、楔前叶、额上回、颞中回和右脑颞下回、额中回上部、顶叶上回、前扣带回上部等,平均曲率也出现较大范围的形态改变。利用Desteriux图谱的皮层特征,SVM能以100%的准确率识别出TLE,明显高于Desikan-Killiany图谱的65.09%,递归特征消除法比t检验法选择的特征子集具有更优越的识别能力,灰质体积和皮层表面积的效果更优,对分类重要的脑区主要分布在颞叶和额叶,具有强识别能力的特征包括枕极、眶下沟和脑直回的皮层表面积,以及枕极、脑直回、眶下沟和额颞横沟回的灰质体积。应用CaffeNet和迁移学习方法来区分TLE与对照组的准确率达91.16%,优于GoogleNet的86.58%。研究结果表明,TLE患者的脑皮层形态结构发生异常变化,不同类型皮层特征与模式识别方法,其分类性能亦存在较大差异,脑皮层特征的变化模式信息,可被有效地应用于TLE的自动识别与病灶定位。(本文来源于《华南理工大学》期刊2017-04-25）
刘冬妹[8]（2016）在《基于3D空间的目标多特征分析及复杂场景人数统计》一文中研究指出实时的人数统计是当前计算机视觉领域的热点研究问题,且具有重要的实际应用价值。目前的行人检测算法,大部分基于单目摄像头所拍摄的彩色图像,或是跟踪人的运动轨迹或是建立人体模型。这些算法大都是在某一类特定的环境下有效,而且对于行人目标遮挡或拥挤环境下无法进行精确的人数统计。本文考虑到深度图的特性和3D空间中人头目标的特征,使用了SVM分类器进行目标分类。首先根据双目立体视觉的成像原理,进行双目相机标定与立体视差匹配获取场景深度图。然后利用摄像机的透视投影几何关系,恢复出场景深度图的俯视投影图,这样俯视投影图中人头目标的几何形状、尺寸、高度信息、人体的上半身的结构都得到恢复。然后对前景目标进行锁定,并对锁定目标中的人头目标和伪目标的多个特征进行提取,研究分析不同类别目标特征数据的分布,可以确定人头目标特征的阈值,进行初步的伪目标剔除。最后对锁定的目标进行匹配跟踪获得运动轨迹,这些轨迹分为人头目标形成的正确轨迹,和伪目标形成的伪轨迹。对上面所获取的已标记的目标的特征样本数据进行训练,选择适当的核函数和参数,获得最优SVM分类模型,对组成一条轨迹的所有目标进行分类,当一条轨迹上有多于一定阈值的目标被识别为人头目标时,将此轨迹判断为正确轨迹,判定为一个人。本文对两种不同场景的人流量进行实地统计测试,结果表明基于目标3D空间中特征的SVM分类器进行人数统计的方法满足实时性的要求,检测精度达到94%以上,有很好的场景适应性。(本文来源于《长安大学》期刊2016-04-28）
卢佩,刘效勇,邵建新[9]（2015）在《基于视觉显着性及多特征分析的目标检测》一文中研究指出针对视觉显着性分析不能辨别目标且单个特征描述目标具有局限性的问题,提出基于视觉显着性及多特征分析的目标检测.首先,对已标定训练图,生成遍历整幅图像的随机采样区域,通过多特征分析获取每个区域包含目标可能性的先验参数信息;然后,对测试图,依据上述先验信息,基于贝叶斯模型计算每个随机采样区域包含目标可能性的评分值,并将值高的若干区域标记为目标候选区域;最后,结合显着性分析及判别准则,对候选区域进一步判定,以确定最大可能涵盖目标的区域,从而实现目标检测.研究结果表明:显着性分析具有对目标所在区域的主动选择性;多特征结合能有效描述目标以使目标更具可区分性.(本文来源于《信阳师范学院学报(自然科学版)》期刊2015年04期）
方帅,祁林娟,于磊[10]（2016）在《多特征分析的视频烟雾检测方法》一文中研究指出提出了一种视频烟雾检测方法,利用烟雾颜色、运动方向以及纹理等特征区分烟雾,并在检测烟雾的同时找到火源位置。引入暗原色先验方法提取出与烟雾颜色相似的区域作为烟雾候选区;通过分析图像局部纹理特征估计图像块的运动方向,排除运动方向向下的非烟雾区域,从而缩小烟雾候选区;将烟雾候选区的一系列特征作为支持向量机的输入,分类为烟雾和非烟雾;根据被检测出的烟雾在视频帧中的具体位置以及对应位置出现烟雾的频数估计火源在视频帧中的位置。与相关算法的实验结果进行了比较,证明了该算法的有效性。(本文来源于《计算机工程与应用》期刊2016年13期）
多特征分析论文开题报告
（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：
目的:为了研究放疗(RT)对鼻咽癌(NPC)患者大脑结构的影响。方法:采用20例放疗后出现认知障碍(RT-CI),34例放疗后未出现认知障碍(RT-No-CI)的NPC患者以及22例未经过放疗(No-RT)的NPC患者的大脑T1结构磁共振图像,利用Freesurfer软件行预处理及计算各组被试大脑的皮质表面积、灰质体积、皮质厚度、平均曲率四个皮质特征,基于这四个特征采用独立样本t检验的方法对叁组被试两两间进行统计比较。结果:相比于No-RT组,RT-CI组患者颞叶、脑岛、楔前叶等脑区的皮质特征有显着性差异;相比于RT-No-CI组,RT-CI组的颞叶皮质特征有显着性差异;而RT-No-CI组与No-RT组比较中,额叶、颞叶及中央前、后回皮质特征出现显着差异,且RT-No-CI组更多地表现为正性改变。结论:脑皮质形态改变可提示早期认知障碍可能,为临床早期干预提供证据。
（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。
多特征分析论文参考文献
[1].周忠.多特征分析的室内外视频烟雾检测[J].电子设计工程.2019
[2].袁冬存,洪炎佳,黄穗乔,梁志莹,李兵.鼻咽癌放疗后认知功能改变的脑皮质多特征分析[J].中国医学计算机成像杂志.2019
[3].邓之珺.基于多特征分析的漏洞自动化识别研究[D].华中科技大学.2018
[4].卢紫微,张燕,常东超,吴成东.基于多特征分析的路面裂缝检测算法[J].控制工程.2018
[5].高苗,朱苏磊.基于多特征分析的摔倒检测算法设计[J].上海师范大学学报(自然科学版).2018
[6].李思思.航空交流故障电弧的多特征分析及识别技术[D].河北工业大学.2017
[7].赖春任.颞叶癫痫患者的脑部MR影像多特征分析与自动识别[D].华南理工大学.2017
[8].刘冬妹.基于3D空间的目标多特征分析及复杂场景人数统计[D].长安大学.2016
[9].卢佩,刘效勇,邵建新.基于视觉显着性及多特征分析的目标检测[J].信阳师范学院学报(自然科学版).2015
[10].方帅,祁林娟,于磊.多特征分析的视频烟雾检测方法[J].计算机工程与应用.2016