导读:本文包含了形状特征提取论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维形状,特征提取,深度学习,神经网络
形状特征提取论文文献综述
周燕,曾凡智,吴臣,罗粤,刘紫琴[1]（2019）在《基于深度学习的叁维形状特征提取方法》一文中研究指出研究具有低维、高鉴别力的叁维形状特征提取方法有助于解决叁维形状数据分类和检索等问题。随着深度学习的持续发展,结合深度学习的叁维形状特征提取方法已成为研究热点。将深度学习与传统的叁维形状特征提取方法相结合,不仅可以突破非深度学习方法的瓶颈,而且可以提高叁维形状数据分类、检索等任务的准确率,尤其是当叁维形状是非刚体时。然而,深度学习尚在发展中,仍存在需要大量训练样本的问题,因此如何运用深度学习方法来高效提取叁维形状特征成为了计算机视觉领域的研究重点和难点。目前,研究者大多从改进网络结构和训练方法等方面入手,着重提高神经网络提取特征的能力。文中结合深度学习和叁维形状特征提取方法的发展历程,首先介绍相关深度学习模型,以及网络改进、训练方法等方面的新思路;其次重点对基于深度学习的刚体与非刚体的特征提取方法做综合的阐述,描述当前深度学习方法用于叁维形状特征提取的情况;然后简述现有叁维形状检索系统的现况以及相似度计算方法;最后介绍当前叁维形状特征提取方法存在的问题,并探讨其未来的发展趋势。(本文来源于《计算机科学》期刊2019年09期）
王建潭,木合塔尔·克力木[2]（2019）在《一种FFT的Hu矩的番茄形状特征提取》一文中研究指出目前基于机器视觉的番茄形状检测算子检测到的形状特征单一,相关的深入研究较少,为进一步探索合适的形状特征参数及检测算子,将Hu矩作为特征参数并利用支持向量机实现了番茄的形状检测分类,准确度较高。首先设计采用Laplacian算子与Sobel算子进行算法融合对采集到的番茄图像进行自适应增强处理;然后采用最小错误率贝叶斯决策算子对平番茄图像进行图像分割得到番茄目标二值化图像。然后对得到二值化后的番茄图像进行归一化处理,使得归一化后的图像具有平移、旋转、尺度缩放不变性的Hu参数,通过提取目标番茄的7个Hu矩特征值参数,最后将这些特征值输入支持向量机中,完成番茄无损分级检测。试验采用VS2010验证算法,对正常果形、轻度畸变果形、重度畸变果形共计1000个样本进行了训练测试,结果表明经过改进增强图像以及改进Hu矩算子对番茄正常果形的分级精度达到93.3%,符合实际番茄检测精度的要求。(本文来源于《机械设计与制造》期刊2019年05期）
缪智文,何丽嘉,刘洞波[3]（2019）在《一种基于加权颜色形状特征和LBP-GLCM纹理特征提取的服装图像检索方法》一文中研究指出为了提高颜色和纹理特征在服装图像检索中的准确性,本研究提出一种基于加权颜色形状特征和LBPGLCM纹理特征提取的服装图像检索方法以提高服装图像检索的精度。首先,在第一道检索中运用颜色直方图和Hu不变矩的特性进行加权处理,而后,再运用Uniform-旋转不变局部二值模式算子对返回的结果进行处理,得到相对稳定的编码图像。实验证明,此方法能将不同特征的优势进行融合,使之相互补充,检索结果较之单一特征的检索更加准确。(本文来源于《纺织报告》期刊2019年04期）
张明,肖小玲[4]（2019）在《基于电成像测井的图像形状特征提取与应用》一文中研究指出碳酸盐岩储集空间非均质性极强,种类多样,仅依靠常规测井很难判别其岩性和沉积相。电成像测井资料能够清晰地反映碳酸盐岩储层的结构组分和沉积构造,为岩性的判别和沉积相的划分提供可靠的依据。针对碳酸盐岩沉积相模式划分的问题,提出利用分水岭分割算法对图像进行初始分割,再依据OSTU算法(大津算法)进行二次分割,提取电成像测井图像形状特征,如面孔率、周长、面积等,最后利用最小欧式距离法对其沉积相模式进行判别。研究结果表明,该方法能准确地识别碳酸盐岩沉积相模式。(本文来源于《长江大学学报(自然科学版)》期刊2019年02期）
杨坪锟,李宇豪,李肖汉,邢彩燕,张晨[5]（2019）在《基于嵌入式GPU架构的并行形状特征提取算法优化》一文中研究指出为解决嵌入式平台上形状特征提取算法运算量大、耗时长,实时性不高的问题,提出一种基于嵌入式GPU架构的并行形状特征提取算法,并采用指令级优化、数据传输优化、访存优化等多种优化策略进行优化;设计串、并行算法的对比分析试验,并行算法相对于串行算法,最高加速比为596倍,试验结果表明,基于GPU并行优化形状特征提取算法在保证特征提取有效性的前提下,极大的提高算法的运行速度,进而能够提高整个模式识别过程的实时性。(本文来源于《中国农机化学报》期刊2019年02期）
韦琪,王连明[6]（2019）在《基于多尺度轮廓段的形状特征提取与识别》一文中研究指出形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足,提出一种通过对不同长度轮廓段进行描述,进行特征提取的方法。对每个形状均在6种尺度下进行特征提取,每种尺度选取5种轮廓段特征参数,实现了对形状的特征描述。在形状识别阶段,使用动态时间规整(DTW)算法度量形状描述子之间的匹配距离,实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证,结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性,识别率优于现有算法。(本文来源于《计算机工程与应用》期刊2019年05期）
张翔[7]（2018）在《图像识别的形状特征提取算法研究及实现》一文中研究指出形状是图像中的一种高级视觉特征,由于其具有直观性和可解释性等优势,常被用于描述目标物体的结构和姿态。形状特征提取是图像视觉分析和识别的基础,提取到的形状特征会直接影响到智能算法在后续图像视觉任务上的效果。本文考察了形状特征提取算法的发展历程,发现现有的形状特征描述子存在以下缺点:1)对目标物的全局信息捕捉不够充分;2)不能很好地区分形状相似却属不同种类的目标物体;3)无法精确地区分目标物体的边缘和形状;4)特征维度过高,需要耗费大量计算成本。为了解决上述问题,本文从目标物体轮廓形状的全局特征和局部特征出发进行深入研究,定义了两种新的形状特征描述子,在具体图像视觉任务上实现了令人满意的效果。本文的主要贡献归纳如下:1.提出了一种低维度的多尺度局部特征。在叁角形面积的形状特征、多尺度叁角质心距离的形状特征等局部特征基础上,构造了一种新的轮廓描述子,称为边缘特征描述子。这种特征能够很好地捕捉目标物的边缘信息,并可以反映不同尺度下轮廓边界的凹凸性。该特征描述子能有效地解决对形状相似但种类不同的目标物识别难的问题,并且具有较低的特征维度。2.提出了一种新颖的全局特征。目前,大多数经典的形状特征提取算法都主要关注目标物的局部特征,却忽略了对全局信息的捕捉,故本文提出了一种轮廓全局特征描述子,将其命名为形状特征描述子。这种描述子即可以捕捉目标物体丰富的全局信息,又能够反映目标物形状的几何属性,且其提取过程简洁高效。3.实现了基于主流形状特征和本文所提出的形状特征的融合。当前主流的形状特征能够对目标形状的局部信息进行捕捉但并不充分,且大都忽略了对全局特征的捕捉。所以,本文将边缘特征描述子和形状特征描述子与主流形状特征相融合,从而使得融合后的特征描述子对目标物体的形状具有更强的表达能力。本文着眼于形状特征的研究,对现有经典的形状特征相关工作进行了深入调研,分析了现有形状特征提取算法的缺陷,提出了两种形状特征描述子,并在具体应用问题上进行了实验验证。实验结果表明,本文提出的形状特征在植物叶片识别和QR码检测应用上取得了良好的效果。(本文来源于《西北大学》期刊2018-06-01）
刘泽,林文强,张云,经坤,钱瑜[8]（2018）在《轮廓提取法分析片烟的形状特征》一文中研究指出为准确描述片烟形状特征,采用机器视觉装置并结合数字图像分析法,以形态描述中的矩形度、紧致度、细长度为形状特征指标,建立了片烟形状特征分析方法,比较了不规则片烟样品中大片、中片、小片、碎片形状特征。结果表明:(1)除图像采集过程片烟力学形变影响外,形状特征指标检测方法相对误差、相对标准偏差均<5.0%;(2)不规则大片、中片到长方形标准片烟的欧氏距离最小,大片、中片形状接近长方形;(3)不规则小片接近正方形标准片烟,碎片接近圆形标准片烟。通过变换5组不同尺寸标准形状,同一份不规则片烟样品到不同组标准片烟的欧氏距离相对误差、相对标准偏差均<5.0%,说明所建立的片烟形状特征分析方法稳定、可靠。(本文来源于《烟草科技》期刊2018年04期）
刁智华,魏玉泉,刁春迎,毋媛媛,钱晓亮[9]（2017）在《基于图像的小麦白粉病形状特征参数优化与提取》一文中研究指出精准识别作物病害的前提是准确地提取病害特征值,针对现有研究主要侧重于增加特征参量个数来提高病害识别率。以小麦白粉病为例,充分考虑形状描述子的平移及旋转不变性,在原有矩形度、伸长度等特征值的基础上重新构造病斑的圆形度、曲率等特征描述参数作为特征值,进行单个病斑参数的提取试验,并对获得的参数进行对比分析,以选出描述病斑形状的最优参数及其数值范围。结果表明,选用的特征参数值中圆形度C2、矩形度、伸长度及曲率具有较小的分散性,能精确有效地表征病斑的形状特征,显着提高病斑描述的精确性;并求取相关特征参数值的大致取值范围,增加人们对白粉病的认识,为小麦白粉病的自动识别提供数据基础。(本文来源于《江苏农业科学》期刊2017年21期）
林昕[10]（2017）在《叁维CAD模型的形状特征提取与检索》一文中研究指出数字化设计与制造技术是智能制造的核心技术。近年来,随着叁维建模软件、互联网技术、专用图形显示硬件等的广泛使用,制造企业累积了大量的用于数字化设计与制造的叁维CAD模型,数字制造面临着面向产品全生命周期、网络化、智能化以及大规模模型数据库处理等新制造模式和新技术的挑战。如何充分利用3D模型数据库,对产品设计进行快速检索、重用、修改及功能性试验,有效地缩短产品的研发周期,提高产品开发的效率和质量是数字化制造的关键。面向叁维模型的形状特征的研究和模型检索系统的开发是解决这一问题的有效途径。目前,基于形状特征的叁维模型检索算法取得了很多进展,但仍然存在如下关键问题没有解决:(1)叁维模型检索在数字制造上的应用具有多样性,如何有效表达模型的形状特征并且能够满足用户的不同检索需求;(2)叁维模型的形状特征往往是一个高维度的特征向量,在大规模的模型数据库中进行特征匹配时,如何设计一种有效的匹配机制;(3)用户对模型检索系统效率和准确性要求很高,如何设计一种检索机制在满足个性化需求的同时还要满足高检索性能要求。本文从叁维模型形状特征提取出发,分析和挖掘蕴含在不同应用类型模型中丰富的形状特征信息,建立了高效的模型检索机制。论文结合理论推导与大量实验分析,并验证了所提出方法优于传统的经典算法。本文的主要研究内容与创新点如下:(1)论文探索了大规模3D CAD模型数据库中快速有效检索方法。分析了六种基于统计学的叁维描述子(D1、D2、D3、A3形状分布、弦方法和凸包)的特点和属性,并通过实验对其效率和效果进行了评价,同时验证了统计模型的简单几何信息是一种快速、简单且计算和存储代价低的方法,适合于大规模的模型库检索。(2)论文提出了一种新型切片模型形状特征分布的描述子。针对形状特征分布方法描述复杂3D特征不够精细、充分,导致区分不同类别的能力不足,利用基于2D切片的新型模型表达方式和局部切片信息表征3D CAD模型形状,使提取的特征具有较强的可判别性和鲁棒性,该方法改善了传统的经典算法的检索性能。(3)论文提出了一种高维形状特征空间的低维嵌入的方法。针对模型3DCAD形状特征空间维度高的问题,利用基于数据的本征低维度空间表示3D模型几何和拓扑特征,为模型建立邻接图,计算邻接图的特征向量作为基函数,保留了原模型数据的拓扑和几何特征。其中,运用了表面各向异性核扩散的方法,使得复杂3D CAD模型(如齿轮)的曲线几何信息被保留下来;由于直接比较特征向量很困难,论文提出了运用Grovmov-Hausdorff度量方法,解决了两个不同尺度的特征向量的对齐和比较问题。(4)论文提出了 3D模型的局部-全局形状描述子。启发式数字化设计要求模型具有语义相似性,而传统大部分方法是提取形状的几何和拓扑特征,不能满足语义相似性匹配的要求。本论文计算了网格上每个顶点的小波核能量,以小波系数作为局部-全局描述子,并利用稀疏非负字典编码小波系数进行比较,提高了检索高层语义相似模型的性能。(本文来源于《中国科学技术大学》期刊2017-11-05）
形状特征提取论文开题报告
（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：
目前基于机器视觉的番茄形状检测算子检测到的形状特征单一,相关的深入研究较少,为进一步探索合适的形状特征参数及检测算子,将Hu矩作为特征参数并利用支持向量机实现了番茄的形状检测分类,准确度较高。首先设计采用Laplacian算子与Sobel算子进行算法融合对采集到的番茄图像进行自适应增强处理;然后采用最小错误率贝叶斯决策算子对平番茄图像进行图像分割得到番茄目标二值化图像。然后对得到二值化后的番茄图像进行归一化处理,使得归一化后的图像具有平移、旋转、尺度缩放不变性的Hu参数,通过提取目标番茄的7个Hu矩特征值参数,最后将这些特征值输入支持向量机中,完成番茄无损分级检测。试验采用VS2010验证算法,对正常果形、轻度畸变果形、重度畸变果形共计1000个样本进行了训练测试,结果表明经过改进增强图像以及改进Hu矩算子对番茄正常果形的分级精度达到93.3%,符合实际番茄检测精度的要求。
（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。
形状特征提取论文参考文献
[1].周燕,曾凡智,吴臣,罗粤,刘紫琴.基于深度学习的叁维形状特征提取方法[J].计算机科学.2019
[2].王建潭,木合塔尔·克力木.一种FFT的Hu矩的番茄形状特征提取[J].机械设计与制造.2019
[3].缪智文,何丽嘉,刘洞波.一种基于加权颜色形状特征和LBP-GLCM纹理特征提取的服装图像检索方法[J].纺织报告.2019
[4].张明,肖小玲.基于电成像测井的图像形状特征提取与应用[J].长江大学学报(自然科学版).2019
[5].杨坪锟,李宇豪,李肖汉,邢彩燕,张晨.基于嵌入式GPU架构的并行形状特征提取算法优化[J].中国农机化学报.2019
[6].韦琪,王连明.基于多尺度轮廓段的形状特征提取与识别[J].计算机工程与应用.2019
[7].张翔.图像识别的形状特征提取算法研究及实现[D].西北大学.2018
[8].刘泽,林文强,张云,经坤,钱瑜.轮廓提取法分析片烟的形状特征[J].烟草科技.2018
[9].刁智华,魏玉泉,刁春迎,毋媛媛,钱晓亮.基于图像的小麦白粉病形状特征参数优化与提取[J].江苏农业科学.2017
[10].林昕.叁维CAD模型的形状特征提取与检索[D].中国科学技术大学.2017