导读:本文包含了全局不变特征论文开题报告文献综述及选题提纲参考文献，主要关键词:尺度不变化特征,对数极坐标变换,几何特征,不变量
全局不变特征论文文献综述
张磊,胡燕[1]（2017）在《SIFT算法中融合全局不变矩的特征变换》一文中研究指出提出了一种融合全局几何特征的SIFT描述算子.该算法以特征点为中心,进行对数极坐标变换并建立同心圆区域,通过分析HU矩在离散状态下的变换情况,提取出在离散状态下具有RSTC不变性的不变量作为同心圆区域的特征向量.采用欧式距离作为度量标准进行图像匹配实验对比.结果表明,此算法通过结合全局特征与局部特征,提高了图像在旋转与尺度变化、视点变化、光照变化和图像模糊等各种变化下匹配的鲁棒性.(本文来源于《微电子学与计算机》期刊2017年06期）
郭鹏[2]（2015）在《基于全局特征和尺度不变特征的叁维人脸识别研究》一文中研究指出近年来,叁维人脸识别是模式识别和机器视觉领域最为活跃的研究方向之一,作为一种基于生物特征的身份识别技术,具有十分广阔的应用前景。叁维人脸识别以人脸叁维数据模型为基础,相比二维人脸,叁维人脸特征含有更丰富的信息,能够克服光照、表情、姿态、化妆等因素的影响,更好的表征人脸。叁维人脸识别主要包括叁维人脸数据的获取和预处理、特征提取、特征匹配等环节。针对叁维人脸识别过程中的一些问题,本文研究工作主要包括以下几个方面:(1)由于人脸数据库中叁维人脸模型数据包括肩膀、耳朵、头发等其他的非面部信息,为了精确地提取模型中的脸部区域,采用了以鼻尖点为基准点,合适的半径进行区域分割的方法。取得脸部区域的叁维模型数据后,采用将Z坐标深度值转化为像素值的方法对数据进行处理,得到脸部正面深度图。再根据脸部叁维模型数据中包含的RGB颜色信息,得到脸部正面灰度图。(2)针对SIFT算法特征描述子维数较高,计算量大的问题,提出了一种改进的SIFT算法。改进的SIFT算法将特征点邻域分为9个种子区域,生成72维的特征描述子,相比原SIFT算法的128维特征描述子,能够有效地降低特征匹配时的计算量。(3)为提取有效的脸部特征作为人脸识别的依据,使用主成份分析(PCA)算法和改进的尺度不变特征变换(SIFT)算法分别对人脸深度图像和灰度图像进行特征提取,得到了面部的全局特征和局部特征。(4)在人脸识别过程中,基于提取的全局特征和局部不变特征,采用两级分类器进行分类识别。实验结果表明,综合采用全局特征和局部不变特征比使用单一特征得到的识别率高,而且两级分类器能够有效地提高人脸识别的速度。(本文来源于《南京邮电大学》期刊2015-06-01）
周东尧,伍岳庆,姚宇[3]（2015）在《基于全局特征和尺度不变特征转换特征融合的医学图像检索》一文中研究指出特征提取是图像检索或图像配准的关键步骤,针对单一特征不能很好地表述图像的问题,根据医学图像的特点,提出了一种融合全局特征和局部特征的医学图像检索算法。首先在研究单一特征医学图像检索算法的基础上,提出了融合全局特征和相关反馈的检索算法;其次对尺度不变特征转换(SIFT)特征进行了优化,提出了改进的SIFT特征提取算法和匹配算法;最后,为了保证结果的准确性并改进检索效果,采用了融合局部特征的方法逐步求精。通过对标准临床数字式X射线成像(DR)图像数据库的实验研究表明,该算法应用在医学图像的检索中有较好的结果。(本文来源于《计算机应用》期刊2015年04期）
王睿,朱正丹[4]（2015）在《融合全局-颜色信息的尺度不变特征变换》一文中研究指出由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。(本文来源于《光学精密工程》期刊2015年01期）
全局不变特征论文开题报告
（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：
近年来,叁维人脸识别是模式识别和机器视觉领域最为活跃的研究方向之一,作为一种基于生物特征的身份识别技术,具有十分广阔的应用前景。叁维人脸识别以人脸叁维数据模型为基础,相比二维人脸,叁维人脸特征含有更丰富的信息,能够克服光照、表情、姿态、化妆等因素的影响,更好的表征人脸。叁维人脸识别主要包括叁维人脸数据的获取和预处理、特征提取、特征匹配等环节。针对叁维人脸识别过程中的一些问题,本文研究工作主要包括以下几个方面:(1)由于人脸数据库中叁维人脸模型数据包括肩膀、耳朵、头发等其他的非面部信息,为了精确地提取模型中的脸部区域,采用了以鼻尖点为基准点,合适的半径进行区域分割的方法。取得脸部区域的叁维模型数据后,采用将Z坐标深度值转化为像素值的方法对数据进行处理,得到脸部正面深度图。再根据脸部叁维模型数据中包含的RGB颜色信息,得到脸部正面灰度图。(2)针对SIFT算法特征描述子维数较高,计算量大的问题,提出了一种改进的SIFT算法。改进的SIFT算法将特征点邻域分为9个种子区域,生成72维的特征描述子,相比原SIFT算法的128维特征描述子,能够有效地降低特征匹配时的计算量。(3)为提取有效的脸部特征作为人脸识别的依据,使用主成份分析(PCA)算法和改进的尺度不变特征变换(SIFT)算法分别对人脸深度图像和灰度图像进行特征提取,得到了面部的全局特征和局部特征。(4)在人脸识别过程中,基于提取的全局特征和局部不变特征,采用两级分类器进行分类识别。实验结果表明,综合采用全局特征和局部不变特征比使用单一特征得到的识别率高,而且两级分类器能够有效地提高人脸识别的速度。
（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。
全局不变特征论文参考文献
[1].张磊,胡燕.SIFT算法中融合全局不变矩的特征变换[J].微电子学与计算机.2017
[2].郭鹏.基于全局特征和尺度不变特征的叁维人脸识别研究[D].南京邮电大学.2015
[3].周东尧,伍岳庆,姚宇.基于全局特征和尺度不变特征转换特征融合的医学图像检索[J].计算机应用.2015
[4].王睿,朱正丹.融合全局-颜色信息的尺度不变特征变换[J].光学精密工程.2015