导读:本文包含了方向角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
方向角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）
缑新科,高庆东[2]（2019）在《基于稀疏自编码器与梯度方向直方图的手势识别》一文中研究指出传统的梯度方向直方图(Histogram of Oriented Gradients,HOG)算法在提取图像特征过程中对于图像的轮廓边缘信息比较敏感,但是HOG特征缺少对样本间关联的描述。稀疏自编码器(Stacked Auto Encoder,SAE),在特征提取中可以很好地提取出样本间的特征但是需要较大的样本量。论文结合HOG方法与SAE方法在小数据集下使用SVM分类器训练分类手势图片,通过在Jochen.Triesch数据集上的实验表明该方法可以获得更好的分类效果。(本文来源于《计算机与数字工程》期刊2019年07期）
杨威,侯鲲,赵云升[3]（2019）在《基于梯度方向直方图的干枯植物与裸土偏振光谱识别研究》一文中研究指出从地物光谱图像识别的关键问题出发,将改进的梯度方向直方图(光谱梯度方向直方图)与"光谱总反射率"应用到偏振光谱识别研究中,实现了对5种干枯植物与3种裸土的识别.在研究中,先联合光谱梯度方向直方图特征向量的模与光谱总反射率进行层次聚类分析,可以识别6种研究对象,再单独利用光谱梯度方向直方图特征的模进行层次聚类分析识别其余2种研究对象,从而可以实现全部研究对象偏振光谱识别.(本文来源于《红外与毫米波学报》期刊2019年03期）
陈晓旭,钱慧,李方舒[4]（2019）在《梯度方向直方图的嵌入式GPU并行加速计算》一文中研究指出本文针对HOG算法进行特征计算过程中,计算复杂度高和耗时长的问题,提出了基于GPU并行架构的加速算法。该算法依次分析了HOG算子中梯度计算、梯度投票和归一化叁个步骤的特点,结合CUDA的GPU架构特性,对它们进行了并行化设计。(本文来源于《有线电视技术》期刊2019年05期）
汤高扬,卢天利,黄杰[5]（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[6]（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）
刘海军,单维峰,韩莹,李忠[7]（2019）在《基于梯度方向直方图词袋的纺织品疵点检测算法》一文中研究指出特征提取是疵点检测的关键问题,在分析纺织品纹理结构特点的基础上,受词袋模型的启发,设计了一种基于梯度方向直方图袋的特征提取方法。首先将所有图像分块提取梯度方向直方图描述子,对所有描述子进行k-means聚类构建纹理字典,最后统计图像在纹理字典上的频次直方图作为原始图像的特征向量。采用最近邻分类器进行分类。为了验证算法的效果,设计了5种梯度模板方案,并在平纹织物数据集和斜纹织物数据集上分别进行实验。在最佳参数下,算法分类准确率达到96.34%和95.33%。(本文来源于《毛纺科技》期刊2019年03期）
黄微,任卫红,朱琳琳,田建东[8]（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）
赵伟,朱伟兴[9]（2018）在《基于Gabor方向直方图与猪体毛发模式特征的猪个体身份识别》一文中研究指出为更好地利用图像处理技术监控猪的生长活动,利用猪背部毛发差异,提出一种基于Gabor方向直方图和猪体毛发模式特征的猪个体身份识别方法。针对猪的非刚体特性,其外部形状会随着其姿态的改变而改变的特点,首先利用猪体关键点检测算法在猪的轮廓中提取稳定的特征区域,并对其进行网格划分。然后在选定特征区域上的每个网格中使用Gabor滤波器计算毛发模式方向场,并在每个网格中利用方向场信息计算出Gabor方向直方图。最后利用卡方距离衡量不同Gabor方向直方图之间的差异性并与数据库中的猪进行匹配,达到猪个体身份识别的目的。选取1 000帧图像用于测试,结果显示,本研究提出的方法猪个体身份识别率达85. 91%。同时也表明,猪的背部毛发模式是一种有效的生物特征。该项研究为无应激的猪个体识别提供了一种新思路,也为进一步探索群养猪个体行为分析提供了一定的技术支持。(本文来源于《江苏农业科学》期刊2018年16期）
段成刚[10]（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）
方向角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：
传统的梯度方向直方图(Histogram of Oriented Gradients,HOG)算法在提取图像特征过程中对于图像的轮廓边缘信息比较敏感,但是HOG特征缺少对样本间关联的描述。稀疏自编码器(Stacked Auto Encoder,SAE),在特征提取中可以很好地提取出样本间的特征但是需要较大的样本量。论文结合HOG方法与SAE方法在小数据集下使用SVM分类器训练分类手势图片,通过在Jochen.Triesch数据集上的实验表明该方法可以获得更好的分类效果。
（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。
方向角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].缑新科,高庆东.基于稀疏自编码器与梯度方向直方图的手势识别[J].计算机与数字工程.2019
[3].杨威,侯鲲,赵云升.基于梯度方向直方图的干枯植物与裸土偏振光谱识别研究[J].红外与毫米波学报.2019
[4].陈晓旭,钱慧,李方舒.梯度方向直方图的嵌入式GPU并行加速计算[J].有线电视技术.2019
[5].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
[6].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
[7].刘海军,单维峰,韩莹,李忠.基于梯度方向直方图词袋的纺织品疵点检测算法[J].毛纺科技.2019
[8].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
[9].赵伟,朱伟兴.基于Gabor方向直方图与猪体毛发模式特征的猪个体身份识别[J].江苏农业科学.2018
[10].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