导读:本文包含了方向梯度直方图论文开题报告文献综述及选题提纲参考文献，主要关键词:非约束人脸识别,流形学习,稀疏保持投影,方向梯度直方图
方向梯度直方图论文文献综述
童莹,沈越泓,魏以民[1]（2019）在《基于旋转主方向梯度直方图特征的判别稀疏图映射算法》一文中研究指出非约束环境下采集的人脸图像复杂多变,将其直接作为字典原子用于稀疏表示分类(sparse representation based classification,SRC),识别效果不理想.针对该问题,本文提出一种基于旋转主方向梯度直方图特征的判别稀疏图映射(discriminative sparse graph embedding based on histogram of rotated principal orientation gradients,DSGE-HRPOG)算法,用于构建类内紧凑、类间分离的低维判别特征字典,提高稀疏表示分类准确性.首先,采用旋转主方向梯度直方图(histogram of rotated principal orientation gradients,HRPOG)特征算子提取非约束人脸图像的多尺度多方向梯度特征,有效去除外界干扰和像素间冗余信息,构建稳定、鉴别的HRPOG特征字典;其次,引入判别稀疏图映射(discriminative sparse graph embedding,DSGE)算法,以类内重构散度最小、类间重构散度最大为目标计算特征字典的最佳低维投影矩阵,进一步增强低维特征字典的判别性、紧致性;最后,提出投影矩阵和稀疏重构关系交替迭代优化算法,将维数约简过程伴随在稀疏图构建过程中,使分类效果更理想.在AR,Extended Yale B,LFW和Pub Fig这4个数据库上进行大量实验,验证了本文算法在实验环境数据库和真实环境数据库上的有效性.(本文来源于《物理学报》期刊2019年19期）
汤高扬,卢天利,黄杰[2]（2019）在《基于改进方向梯度直方图的行人检测》一文中研究指出针对提高行人检测速度和精度的问题,对于传统方法:方向梯度直方图(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)作了改进,主要包括下面两个方面,第一,对每个单元特征的计算采用积分梯度向量,以提高行人特征的提取速度;其次,对于每一个像素点的梯度方向bin进行一维的线性插值,来改善梯度信息提取的准确性,从而提高检测的精度。在INRIA静态行人检测数据集上,相对于传统方法,其检测速度和精度均有一定的提升。(本文来源于《工业控制计算机》期刊2019年04期）
罗微,孙丽萍[3]（2019）在《利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类》一文中研究指出根据木材缺陷类型及视觉特点的不同,将木材缺陷分为6类,加上正常无缺陷木材共分7类;实验将图像样本转化为灰度图后生成680个训练样本数据集和94个测试样本数据集。在分析单一方向梯度直方图(HOG)特征及局部二值模式(LBP)采用不同核函数对木材缺陷分类性能的基础上,提出局部二值模式和方向梯度直方图融合特征对木材缺陷分类。融合特征经主成分分析并降维,利用支持向量机的4种不同核函数分别验证局部二值模式和方向梯度直方图融合特征对木材缺陷分类的性能。结果表明:利用局部二值模式和方向梯度直方图融合特征比单一缺陷特征具有更高效的分类性能;采用线性核函数及高斯核函数对局部二值模式和方向梯度直方图融合特征进行支持向量机分类,分类准确率分别可达98.9%和97.8%,木材缺陷可实现自动检测分类。(本文来源于《东北林业大学学报》期刊2019年06期）
黄微,任卫红,朱琳琳,田建东[4]（2019）在《基于形状上下文和方向梯度直方图特征的异源图像配准》一文中研究指出针对单模态图像包含的信息存在局限性的问题,提出了一种基于形状上下文和HOG(histogram of oriented gradient)特征的红外和可见光图像配准方法.在混合高斯模型前景检测的基础上,通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配,再利用TPS(thin plate spline)转换模型将匹配延伸到整个形状,并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差.最后,采用RANSAC(random sample consensus)算法去除错误匹配点.与已有的形状上下文方法相比,此方法结合了边缘和轮廓特征信息,降低了误差,鲁棒性更好.(本文来源于《信息与控制》期刊2019年02期）
段成刚[5]（2018）在《基于方向梯度直方图的行人特征提取方法应用》一文中研究指出行人识别(Pedestrian detection)技术是众多智能网联技术中的一种,它定义清晰、数据易于获取,又对提升行人道路安全有重要意义,是智能技术正向开发方面很好的入手点。本文介绍了基于方向梯度直方图(HOG,Histogram of oriented gradients)和支持向量机(SVM)的行人识别模型训练与应用流程;探究了图像梯度等图像处理方法,提取了HOG特征向量;并通过识别案例展示了基于HOG特征方法的优缺点。(本文来源于《中国战略新兴产业》期刊2018年28期）
杨恢先,徐唱,曾金芳,陶霞[6]（2018）在《基于多方向韦伯梯度直方图的人脸识别》一文中研究指出针对目前基于韦伯特征的人脸识别算法没有充分利用方向信息且提取信息不充分的问题,提出一种多方向韦伯梯度直方图的人脸识别方法。在原始差分激励的基础上增加邻域像素梯度,提取改进的差分激励和韦伯梯度特征;将改进的差分激励与韦伯方向进行量化并分块提取二维直方图,进而转化为一维直方图特征,将韦伯梯度分块后沿韦伯方向累积提取直方图特征;连接两个特征形成组合特征,并利用最近邻分类器分类。通过在不同人脸库的实验可看出,所提算法具有良好的识别效果,且对光照、表情和部分遮挡变化有较好的稳健性。(本文来源于《激光与光电子学进展》期刊2018年11期）
郭永茂,周石博,高艾[7]（2018）在《基于方向梯度直方图的陨坑预检测算法》一文中研究指出陨坑是行星软着陆导航与避障过程中的主要检测目标,目前陨坑检测方法需要被检测图像尽可能地包含完整且清晰的单一陨坑,因此对图像陨坑进行预检测处理得到了广泛关注。通过人工模拟地形方法建立行星陨坑图像数据库,提出一种基于灰度梯度直方图特征(HOG)的支持向量机(SVM)图像陨坑分类方法。该方法可以有效地提取图像中可能包含陨坑的图像子图,并作为后续精确标记陨坑位置的图像处理方法的输入数据。仿真结果表明,该方法能够有效地提高陨坑标记的准确性和实时性。(本文来源于《无线电工程》期刊2018年06期）
时欢[8]（2017）在《基于局部方向梯度直方图的快速目标跟踪》一文中研究指出目标跟踪是计算机视觉的重要分支和研究热点。目前,目标跟踪已经应用到了许多领域,比如:视频监控、智能监控、无人机以及人脸识别等领域。目标跟踪,是指对数字图像序列中特定运动目标,通过检测、提取、识别和跟踪的一系列操作,来获得指定运动目标的各种运动衡量参数,比如位置、运动轨迹等,以便对跟踪数据进行处理与分析,从而实现对指定运动目标的行为理解。目标跟踪算法仍然有许多问题亟待解决,比如,实时应用对于目标跟踪的速度要求,跟踪过程中对遮挡的检测。本文基于这些存在的问题进行研究,并取得了以下的研究成果:首先,采用方向梯度直方图作为跟踪算法的特征。由于算法是对整个数字图像进行采样和特征提取,但是其中大量的数据是无效数据,与被跟踪目标的关系并不紧密。因此,本文提出了对图像的局部采样策略,根据已预测的目标位置,按照一定比例扩大采样的矩形区域来采样图像,使用这种策略减少了算法计算量。其次,由于采集到的方向梯度直方图的特征矩阵为叁维数据,在软件的处理中循环的处理计算而降低了算法速度。为此,提出了关于特征矩阵数据的预处理,也就是对图像特征矩阵进行降维,从而降低跟踪算法的计算复杂度,进一步提高跟踪算法的处理速度。主要的操作是将叁维特征矩阵数据转换为二维数据,从而降低运算的循环层数,实现跟踪速度的提高,同时保证特征间的数据空间关系。然后,为了提高对目标遮挡的检测效率并减少被跟踪目标的丢失,提出了二次检测的策略。所谓二次检测,是指在已发生遮挡的情况下,对再次发生遮挡的图像进行二次检测。当在图像序列中首次检测到遮挡发生时,跟踪检测器在更新遮挡区域特征的同时,存储一组备用特征信息。对接下来的图像序列,当第一次使用跟踪检测器检测到遮挡发生时,那么使用备用信息进行二次检测,确认是发生遮挡还是目标位置发生了变化。使用这种策略是为了防止因目标遮挡的检测失误引起目标的丢失。接下来,通过标准测试平台,将本文提出的算法与多种主流的跟踪算法进行对比实验。实验表明,本文提出的算法在跟踪速度方面远远高于同类算法,同时在一些序列中关于遮挡的检测效率也取得了一些进步。最后,对本文进行归纳总结,并结合实际应用的需求,提出了改进的方向。(本文来源于《西安电子科技大学》期刊2017-05-01）
段峰峰,王永滨,杨丽芳,潘淑静[9]（2016）在《基于主成分分析方向深度梯度直方图的立体视觉深度图特征提取》一文中研究指出针对立体视觉深度图特征提取精确度低、复杂度高的问题,提出了一种基于主成分分析方向深度梯度直方图(PCA-HODG)的特征提取算法。首先,对双目立体视觉图像进行视差计算和深度图提取,获取高质量深度图;然后,基于预设大小窗口对所获取的深度图进行边缘检测和梯度计算,获得区域形状直方图特征并量化;同时运用主成分分析(PCA)进行降维;最后,为实现特征获取的精确性和完整性,采用滑动窗口检测方法实现整幅深度图的特征提取,并再次降维。在特征匹配分类实验中,对于Street测试序列帧,该算法比距离样本深度特征(RSDF)算法平均分类准确率提高了1.15%,而对于Tanks、Tunnel、Temple测试序列帧,该算法比测度不变特征(GIF)算法平均分类准确率分别提高了0.69%、1.95%、0.49%;同时与方向深度直方图(HOD)、RSDF、GIF算法相比,平均运行时间分别降低了71.65%、78.05%、80.06%。实验结果表明,该算法不仅能够更精确地检测和提取深度图特征,而且通过降低维数复杂度大大减少了运行时间;同时算法具有较好的鲁棒性。(本文来源于《计算机应用》期刊2016年01期）
田娟娟,冀小平[10]（2015）在《基于兴趣点方向梯度直方图的图像检索方法》一文中研究指出提出了一种基于图像兴趣点方向梯度直方图的检索方法。为了提高检索准确度,首先采用直方图均衡化增强图像对比度,然后利用SURF(Speeded Up Robust Features)检测子检测图像中的兴趣点,以兴趣点为中心,对兴趣点邻域内分块方向梯度直方图进行图像特征描述,最后进行相似性度量。该算法通过直方图均衡化,提取到图像中更丰富的细节信息,尤其对于颜色单一与颜色较深的图像,而且算法中充分利用了图像中包含信息量较多的图像兴趣点。实验证明。该算法提高了图像检索的准确度,相比其他算法取得了更好的检索结果。(本文来源于《电视技术》期刊2015年13期）
方向梯度直方图论文开题报告
（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：
针对提高行人检测速度和精度的问题,对于传统方法:方向梯度直方图(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)作了改进,主要包括下面两个方面,第一,对每个单元特征的计算采用积分梯度向量,以提高行人特征的提取速度;其次,对于每一个像素点的梯度方向bin进行一维的线性插值,来改善梯度信息提取的准确性,从而提高检测的精度。在INRIA静态行人检测数据集上,相对于传统方法,其检测速度和精度均有一定的提升。
（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。
方向梯度直方图论文参考文献
[1].童莹,沈越泓,魏以民.基于旋转主方向梯度直方图特征的判别稀疏图映射算法[J].物理学报.2019
[2].汤高扬,卢天利,黄杰.基于改进方向梯度直方图的行人检测[J].工业控制计算机.2019
[3].罗微,孙丽萍.利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类[J].东北林业大学学报.2019
[4].黄微,任卫红,朱琳琳,田建东.基于形状上下文和方向梯度直方图特征的异源图像配准[J].信息与控制.2019
[5].段成刚.基于方向梯度直方图的行人特征提取方法应用[J].中国战略新兴产业.2018
[6].杨恢先,徐唱,曾金芳,陶霞.基于多方向韦伯梯度直方图的人脸识别[J].激光与光电子学进展.2018
[7].郭永茂,周石博,高艾.基于方向梯度直方图的陨坑预检测算法[J].无线电工程.2018
[8].时欢.基于局部方向梯度直方图的快速目标跟踪[D].西安电子科技大学.2017
[9].段峰峰,王永滨,杨丽芳,潘淑静.基于主成分分析方向深度梯度直方图的立体视觉深度图特征提取[J].计算机应用.2016
[10].田娟娟,冀小平.基于兴趣点方向梯度直方图的图像检索方法[J].电视技术.2015