导读:本文包含了边缘分类论文开题报告文献综述及选题提纲参考文献，主要关键词:轮廓,图像识别,边缘检测,特征匹配
边缘分类论文文献综述
王磊[1]（2019）在《基于canny边缘检测的工业零件分类识别》一文中研究指出传统生产线多以人工方式对工业零件进行分类,检测速度和精度亟待提高,本文基于LabVIEW平台,建立了工业零件的分类识别系统,通过对图像进行采集和预处理,根据含目标的图像信息,采用canny边缘算子识别其中的图形轮廓并进行特征匹配,识别期望的目标是否存在,进而完成工业零件的分类与定位。实验证明,分类识别的平均耗时为0.33 s,符合快速匹配的要求,能有效提高生产效率。(本文来源于《电子设计工程》期刊2019年21期）
吴军,邱阳,卢忠亮[2]（2019）在《全局融合卷积神经网络的边缘分类的人脸性别识别》一文中研究指出人脸性别识别是人脸识别领域研究的热门课题。为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN)。在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的子采样特征,这种方法可以保留原始的特征信息同时与深层纹理融合,具有高度的还原度,缩小网络误差。NFDCNN模型分类函数在常规的Softmax上做了改进,引入了区域边缘分类函数AM-Softmax,该分类函数在归类上是以一块区域为界限来划分,挤压同类,扩大类间距离,缩小类内距离。实验是在不同的人脸数据集上采用该模型方法与其他先进方法对比,验证了提出的NFDCNN模型分类识别是有效的。(本文来源于《现代电子技术》期刊2019年18期）
崔洁[3]（2019）在《高中化学必修一被边缘化的“重点”:物质的分类》一文中研究指出在学习中,不少同学会选择弱化处理物质的分类,这不利于同学们的知识学习及学科核心素养的培养。本文从物质分类对后续学习的重要性展开分析。(本文来源于《中学生数理化(学习研究)》期刊2019年06期）
张哲,汪毓铎[4]（2019）在《结合边缘检测与CNN分类场景文本检测的研究》一文中研究指出由于背景复杂性、尺寸变化性当前场景文本图像的不均匀照明等问题,提出边缘检测和卷积神经网络(CNN)模型分类器结合的场景文本检测定位方法。该方法对所获取的场景图像执行预处理,例如灰度处理和二值处理,对预处理后的图像执行边缘检测,获得候选的字符区域,将其输入CNN模型中进行分类筛选,从而实现文本字符的检测提取。实验结果表明,该方法具有较好的场景文本字符区域提取能力。(本文来源于《现代计算机》期刊2019年13期）
刘亚卢[5]（2019）在《城市边缘失地农民分类路径研究——以郑州市G开发区为例》一文中研究指出国家的持续发展避免不了城市化,随着城市化进程加快,城市向城市郊区延伸,郊区农民不得不被动的接受城市化,我们把这群因被动城市化的城市边缘的农民简称失地农民,文章将采用"资本—年龄"两个纬度将城市边缘失地农民进行分类研究。(本文来源于《青年与社会》期刊2019年05期）
陈允杰,马辰阳,孙乐,詹天明[6]（2019）在《基于边缘修正的高光谱图像超像素空谱核分类方法》一文中研究指出本文提出了一种边缘修正的超像素空间光谱核分类方法,该方法能够有效解决构建空谱核时超像素方法提取的空间信息完全依赖于同一个超像素特征,边缘处像素空间信息刻画不准确这一缺陷,从而有效提升分类精度.首先本文提出一种固定窗口与超像素结合的同质区域选择方法,对提取的邻域像素进行赋权,将超像素中固定窗口外的像素权值置零,得到修正的空间光谱核;其次,进一步考虑相邻超像素之间的相关性,得到相邻超像素间的空间特征光谱核,并与上一步中的空间光谱核进行凸组合得到修正的超像素空间光谱核,最后采用支持向量机进行分类.真实高光谱数据实验结果表明:本文方法能有效克服超像素空谱核的空间信息不稳定性,分类精度优于现有的最新的分类方法.(本文来源于《电子学报》期刊2019年01期）
卜伟,徐显兵,肖江剑,王少剑,潘江锋[7]（2018）在《基于图像边缘特征的零件分类与定位算法》一文中研究指出本论文提出了一种基于图像边缘特征的零件分类与定位算法。算法首先对图像腐蚀膨胀等预处理,然后通过边缘检测得零件的完整边缘轮廓,然后对零件边缘轮廓图像使用方向梯度直方图(HOG)构造训练数据,并采用支持向量机(SVM)在训练数据上训练分类识别模型,最后进行检测。根据检测结果获得图像中零件的种类和位置信息,然后使用棋盘格标定的方法来确定深度。标定时,取标定板上的两个点来计算深度,根据已知的深度,获取实际抓取点的两个图像坐标系的x,y值,计算世界坐标系坐标。此系统能解决零件分类、定位问题,能广泛运用于生产线引导工业机器人进行零件抓取。(本文来源于《计量与测试技术》期刊2018年09期）
武丽芬,赵昌垣,严学勇[8]（2018）在《一种基于流形边缘最大化的图像集分类算法》一文中研究指出现有的图像集分类算法在进行图像集表示时往往做出多种假设,无法有效描述图像集的特点,且难以利用图像集中区分性信息进行分类。为此,借鉴深度学习的思想,提出一种改进的图像集分类算法。将每个图像集模拟为一个流形并作为多层深度神经网络的输入,通过激励函数使得各个流形非线性地映射到另一个特征空间。在网络的最顶层,采用反向传播和最大流形边缘准则训练和优化流形的参数。在测试阶段,使用训练得到的深度网络,计算测试图像集和所有训练类别之间的相似性,并利用最短距离进行分类。实验结果表明,与判别典型相关分析算法、流形到流形距离等算法相比,所提算法的分类精度更优、运行时间更短。(本文来源于《计算机工程》期刊2018年07期）
张骅,戚悦[9]（2018）在《基于边缘检测和深度学习的车辆定位与分类》一文中研究指出引言随着现代社会生活水平的不断提高,汽车数量高速增长,交通监管面临巨大挑战。高清智能卡口系统作为交通监管的一种重要手段,已被广泛应用于现代交通的各个领域。然而传统的依赖人工判读的方法已无法满足如今海量交通图像处理的需要,构建智能识别系统以自动处理各种交通图像信息成为必然趋势。不同类型车辆,具有不同的道路使用权,高清卡口系统的一项主要任务就是识别车辆类型。本文就定位并识别高清卡口图片中的小轿车和(本文来源于《中国公共安全》期刊2018年07期）
邱中原,朱希安,郁建林[10]（2018）在《结合纹理特征和边缘信息的遥感影像分类》一文中研究指出针对基于光谱信息的遥感监督分类精度低以及分类结果中交界处错分和内部存在小面积图斑的问题,提出了一种结合图像纹理信息的监督分类方法和基于图像边缘信息的分类后处理方法。该方法首先利用彩色的灰度共生矩阵(color gray level co-occurrence matrix,CGLCM)提取图像的纹理信息,并将纹理图像结合原图像各个波段在ENVI 5.1平台下进行监督分类,然后采用Canny边缘检测算法提取原始影像的边缘图像,通过边缘信息对分类结果进行区域统计来改善分类结果。试验结果表明,辅以CGLCM纹理特征的监督分类方法可以有效地提高分类精度,相对于传统的监督分类方法,总Kappa系数提高了0.107 6,精度提高了8.53%。依据边缘信息对分类结果进行处理,有效保留原始影像边缘特征的同时,很好地滤除了分类结果中的小面积图斑。(本文来源于《遥感信息》期刊2018年03期）
边缘分类论文开题报告
（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：
人脸性别识别是人脸识别领域研究的热门课题。为了进一步提高人脸性别识别的准确率,在传统的融合模型基础上,提出一种新型全局融合卷积神经网络模型(NFDCNN)。在NFDCNN模型结构上,每两采样层之间的卷积层在卷积特征提取之前融合前一级的子采样特征,这种方法可以保留原始的特征信息同时与深层纹理融合,具有高度的还原度,缩小网络误差。NFDCNN模型分类函数在常规的Softmax上做了改进,引入了区域边缘分类函数AM-Softmax,该分类函数在归类上是以一块区域为界限来划分,挤压同类,扩大类间距离,缩小类内距离。实验是在不同的人脸数据集上采用该模型方法与其他先进方法对比,验证了提出的NFDCNN模型分类识别是有效的。
（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。
边缘分类论文参考文献
[1].王磊.基于canny边缘检测的工业零件分类识别[J].电子设计工程.2019
[2].吴军,邱阳,卢忠亮.全局融合卷积神经网络的边缘分类的人脸性别识别[J].现代电子技术.2019
[3].崔洁.高中化学必修一被边缘化的“重点”:物质的分类[J].中学生数理化(学习研究).2019
[4].张哲,汪毓铎.结合边缘检测与CNN分类场景文本检测的研究[J].现代计算机.2019
[5].刘亚卢.城市边缘失地农民分类路径研究——以郑州市G开发区为例[J].青年与社会.2019
[6].陈允杰,马辰阳,孙乐,詹天明.基于边缘修正的高光谱图像超像素空谱核分类方法[J].电子学报.2019
[7].卜伟,徐显兵,肖江剑,王少剑,潘江锋.基于图像边缘特征的零件分类与定位算法[J].计量与测试技术.2018
[8].武丽芬,赵昌垣,严学勇.一种基于流形边缘最大化的图像集分类算法[J].计算机工程.2018
[9].张骅,戚悦.基于边缘检测和深度学习的车辆定位与分类[J].中国公共安全.2018
[10].邱中原,朱希安,郁建林.结合纹理特征和边缘信息的遥感影像分类[J].遥感信息.2018