导读:本文包含了多权值论文开题报告文献综述及选题提纲参考文献,主要关键词:立体匹配,AD-Census变换,高斯金字塔,自适应滑动窗口
多权值论文文献综述
杜娟,沈思昀[1](2019)在《基于改进多权值滑动窗口的立体匹配方法的实现及应用》一文中研究指出立体视觉的核心问题是通过立体匹配算法获得准确的视差值,然而大多数现有的立体匹配算法无法在低纹理或接近无纹理的区域中获得准确的视差值。为了解决低纹理区域匹配精度相对偏低、高精度半全局匹配算法运算量较大的问题,文中提出了一种基于自适应滑动窗口的立体匹配算法。首先通过AD-Census变换计算匹配代价,然后针对不同区域调节聚合窗口形状及像素点权重,最后结合符合人体视觉特征的多尺度代价聚合框架获得聚合匹配代价,采用赢者通吃策略获取最终的稠密视差图。实验结果证明,该算法在低纹理区域的误匹配率相比较传统方案的下降范围为5.8%~21.68%,运算时间较半全局算法更短。(本文来源于《计算机科学》期刊2019年S2期)
韩波,郑凯[2](2019)在《基于能量模型的多权值分簇算法》一文中研究指出分簇被广泛用于移动自组织网络以提高其稳定性和效率,并减小控制信息的开销。现有的分簇策略均有其局限性。对此,提出了一种基于能量模型的多权值分簇算法,称为Energy-AOW(EAOW)。该算法根据节点的能量模型,分析节点能量消耗的组成部分,在选举簇头时,综合考虑节点度数、节点传输功率、节点移动性、节点能量和节点处理能力等关键参数,形成节点的组合权值,分别选取组合权值最大和次大的节点担任簇头节点和候选簇头节点。在完成簇头选举后,依次进行簇结构的初始化、建立和维护。当节点移动或变化导致簇结构失效时,再根据上述策略重新选举。仿真试验表明,使用EAOW算法选举的综合性能最优的节点担任簇头明显地降低了节点整体的能量消耗,提高了网络的生存时间。同时候选簇头节点的设置也缩短了节点成簇时间并提高了网络的稳定性。(本文来源于《计算机技术与发展》期刊2019年02期)
张莉,陆中华,赵林,佘祥荣,檀结庆[3](2018)在《带多权值局部插值型的几何迭代法》一文中研究指出针对参数曲线/曲面重要细节特征处理的问题,提出带多个权值的、局部插值的几何迭代算法.首先将初始控制顶点分为插值点和非插值点2组,在调整不同的插值点时对调整向量赋予不同的权值,非插值点则不进行调整;然后给出算法的迭代矩阵并分析了收敛性;最后将文中算法推广到叁维曲面情形.数值实例结果表明,通过适当地选取权值,该算法不仅可以灵活地处理曲线/曲面的局部细节特征,而且迭代产生的误差相对较小.(本文来源于《计算机辅助设计与图形学学报》期刊2018年09期)
张振焕[4](2018)在《基于多权值残差网络的服装图片检测与识别方法研究》一文中研究指出目前大多数服装电子商务平台的服饰检索技术依然是基于关键字的搜索方式,这种技术往往不能反馈给用户喜欢的结果,而基于内容的图片检索方式又称以图搜图,会给用户搜索服装带来极大的便利。以图搜图目前存在很多问题需要解决:服装种类繁多且许多类别之间的差异很小;在使用以图搜图时,用户输入的服装图片背景复杂;大多数服装数据集存在多类数据分布不平衡,这些问题给服装分类模型的训练带来很大困扰。本文对不平衡服装数据集中的服装图片的分类和目标检测进行了研究。本文主要工作如下:(1)针对常用的浅层模型VGG16和AlexNet在多类别数据集上分类效果不佳的问题,本文构建了结构更优的残差网络ResNet-50P。该网络由叁层小卷积核的残差单元模块组成,和传统两层的残差单元模块相比,计算量相同,但是可以构建更深的残差网络,模型的学习能力增强。之后在残差单元模块中使用预激活方式,对残差网络做了进一步的优化,提高了模型的准确率。(2)针对基于区域建议框的目标检测模型中存在计算量大的问题,本文在目标检测模型R-FCN的网络结构基础上设计了Light Fashion R-CNN模型。Light Fashion R-CNN模型中用于特征提取的共享卷积层采用了ResNet-50P的网络结构,在检测识别模块中使用大卷积核内可分的并行卷积层来提高特征图的有效性,同时通过减少基于位置敏感特征图的数量来减少网络计算量。(3)针对服装数据集DeepFashion中存在类间数据量失衡的问题,本文在ResNet-50P的网络结构基础上设计了多权值网络以改善数量较少类别的分类准确率。从增大数量较少类别的误分类损失值的角度考虑,设计了两种权值设置策略。(4)针对上述叁点改进,在DeepFashion数据集上设计了多组实验。从多个角度对本文提出的各网络模型的适用性进行了分析。通过实验测试发现,ResNet-50P模型在分类准确率、图片处理速度和泛化能力上均具有良好的性能;Light Fashion R-CNN网络在分类精度上具有良好的性能;多权值网络有效改善了不平衡数据集上少数类的训练效果,并提高了分类精度。本文针对不平衡服装数据集中服装图片检测识别方法进行了研究,建议使用更深的网络结构更优的残差网络替换目前常用的浅层网络;同时对基于区域建议框的目标检测模型中的检测网络模块进行了结构上的优化;最后针对数据集类间数据量失衡的问题设计了多权值网络。上述工作对服装图片检测识别技术研究具有一定的参考意义。(本文来源于《武汉理工大学》期刊2018-04-01)
吕鹏程,厉小润[5](2018)在《基于AD-census和多权值的自适应窗口的立体匹配算法》一文中研究指出针对基于十字的自适应窗口的立体匹配算法对窗口内所有的像素点采用一种权值,在大范围斜面区域精度较低的问题,提出一种基于自适应窗口的多权值立体匹配算法。该算法采用AD和census变换结合的方法计算匹配代价,通过改进的方法多次生成自适应窗口,对于生成的不同窗口赋予不同的权值,来计算聚合代价;采用win-take-all的方法计算出视差图,对视差图进行左右一致性检测来优化视差图,进而得到最终的视差图。实验结果表明,与传统的自适应窗口的方法相比,在不增加计算的复杂度的情况下,该算法提高了匹配的精确度。(本文来源于《工业控制计算机》期刊2018年03期)
陆中华[6](2018)在《带多权值的几何迭代法及其应用》一文中研究指出在计算机辅助几何设计与逆向工程中,根据一组初始的有序点集,构造出满足精度要求的曲线/曲面来插值或拟合这组点集是一类重要的研究课题。然而在实际操作过程中,通过反求控制顶点的方法,在数据点规模较大时,由于计算量过大,需求解大规模线性方程组,而难以在实际中推广,诸多学者提出了许多不同形式的插值和拟合方法。渐进迭代逼近(Progressive iteration approximation简称PIA方法,又称几何迭代法)避免了求解线性方程组,并以其良好的自适应性和收敛稳定性,受到广大学者的青睐,该方法通过不断调整初始点与生成的迭代曲线/曲面之间的调整向量,使得最终的极限曲线/曲面插值于给定的初始数据点集,不仅极大减少了计算量,而且具有明显的几何意义。鉴于以上的研究现状,针对插值型几何迭代法,考虑在曲线/曲面的交互设计当中常常需要插值部分数据点集,不仅要保持曲线/曲面形状的柔性,而且需要灵活的处理曲线/曲面的局部细节特征,通过对数据点赋予不同的权值,研究了插值局部数据点集的情形。针对拟合型几何迭代法中,对大规模数据点拟合也一直是热点问题,在现有的最小二乘PIA方法(简称LSPIA方法)的基础之上,为了使操作更加简便、灵活性更高,采用带互异权值的思想给出一种针对曲面的新型拟合型几何迭代法。具体来说:1.对插值型几何迭代方法中的带权方法加以改进,给出了带多权值插值型几何迭代法,即对所有的调整向量取不同权值,不仅可以灵活的处理曲线/曲面的局部细节特征,而且迭代产生的误差相比较小,最后研究其收敛性及迭代效果;2.对拟合型几何迭代法中的LSPIA加以改进,提出了一种基于最小二乘的带多权值曲面几何迭代法,不仅可以有效的拟合大规模数据点,而且可以灵活的选取控制顶点、权值。另外文中采用的广义B样条基函数,通过选取不同的核函数,可以使得迭代算法更加的灵活,便于应用到不同的几何设计中。(本文来源于《合肥工业大学》期刊2018-03-01)
何世钧,张婷,何海洋,程小龙,周媛媛[7](2017)在《多权值电容归一化方法的研究》一文中研究指出基于并联模型且考虑了不同介质满场分布时电容值对测量电容值的影响,提出了一种多权值电容归一化方法,所建模型不仅适用于两相流还适用于两相流以上的多相流。实验结果表明:在包含2种以上介质的多相流图像重建中,使用多权值模型的图像重建精度的均方差为0.0044,明显优于并联模型的0.0322,因此,多权值模型能够提高图像重建算法精度。分析重建图像发现,该模型还能提高物场中心处的灵敏度,使得物场中心处物体的成像误差减小,从而提高重建图像质量。(本文来源于《计量学报》期刊2017年03期)
蔺俊杰,曹军芳[8](2015)在《基于多权值相似均衡的运动图像循环定位算法》一文中研究指出为有效对运动图像的目标特征进行较好定位与跟踪,提出了一种基于多权值相似均衡的运动图像循环定位跟踪算法。该算法首先利用颜色与纹理构建运动图像的空间特征分布跟踪模型,通过特征聚类对运动图像自动划分目标空间,然后根据目标模型的相似函数计算多个特征权值对目标模型进行选择性均衡,并结合特征权值自适应迭代定位跟踪信息,以最大程度地对运动图像的细节特征进行定位跟踪。实验结果表明,该算法优于传统的定位跟踪方法,尤其在跟踪目标受到外界干扰时能够得到比较理想的跟踪效果。(本文来源于《科技通报》期刊2015年08期)
羌予践,华亮,陈玲,顾菊平,沈煜[9](2015)在《基于多权值神经网络的老人跌倒智能识别研究》一文中研究指出随着我国人口老龄化及对延年益寿的期望加剧,老年人的健康问题受到广泛的关注。针对这一社会问题,建立人体跌倒模型,并对叁轴加速度传感器采集来的不同人体跌倒姿态的高维数据做主成分分析(PCA),降维处理使其特征投影到低维空间,再将降维后的特征向量借助多权值神经元网络算法识别人体跌倒姿态。最后,实际采样的人体跌倒姿态数据验证了该方法的有效性。此外,与支撑向量机(SVM)算法相比较,实验结果表明,多权值神经元网络比支撑向量机算法在人体跌倒应用中更加具有优越性。(本文来源于《科学技术与工程》期刊2015年04期)
刘晨华,颜兵[10](2014)在《多权值的小波图像放大方法》一文中研究指出针对图像放大过程中出现边缘模糊和受噪声干扰的问题,结合各向异性扩散和小波变换的特点,提出了一种新的多权值的小波图像放大方法.对噪声图像进行小波变换,得到高频小波系数.利用多权值的各向异性扩散方法作用于高频小波系数上,实现了对高频小波系数的有效估计.为了保持放大图像与原图像的相似标准,把原图像作为放大图像的低频部分,通过与扩散后的高频小波系数重构得到最终的放大图像.实验表明,该方法易于得到既去除噪声又保持了边缘细节信息的高频小波系数,使得放大图像在纹理和边缘部分都得到了明显的增强,视觉效果也有较大提高.(本文来源于《信息与控制》期刊2014年04期)
多权值论文开题报告
(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:
分簇被广泛用于移动自组织网络以提高其稳定性和效率,并减小控制信息的开销。现有的分簇策略均有其局限性。对此,提出了一种基于能量模型的多权值分簇算法,称为Energy-AOW(EAOW)。该算法根据节点的能量模型,分析节点能量消耗的组成部分,在选举簇头时,综合考虑节点度数、节点传输功率、节点移动性、节点能量和节点处理能力等关键参数,形成节点的组合权值,分别选取组合权值最大和次大的节点担任簇头节点和候选簇头节点。在完成簇头选举后,依次进行簇结构的初始化、建立和维护。当节点移动或变化导致簇结构失效时,再根据上述策略重新选举。仿真试验表明,使用EAOW算法选举的综合性能最优的节点担任簇头明显地降低了节点整体的能量消耗,提高了网络的生存时间。同时候选簇头节点的设置也缩短了节点成簇时间并提高了网络的稳定性。
(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。
多权值论文参考文献
[1].杜娟,沈思昀.基于改进多权值滑动窗口的立体匹配方法的实现及应用[J].计算机科学.2019
[2].韩波,郑凯.基于能量模型的多权值分簇算法[J].计算机技术与发展.2019
[3].张莉,陆中华,赵林,佘祥荣,檀结庆.带多权值局部插值型的几何迭代法[J].计算机辅助设计与图形学学报.2018
[4].张振焕.基于多权值残差网络的服装图片检测与识别方法研究[D].武汉理工大学.2018
[5].吕鹏程,厉小润.基于AD-census和多权值的自适应窗口的立体匹配算法[J].工业控制计算机.2018
[6].陆中华.带多权值的几何迭代法及其应用[D].合肥工业大学.2018
[7].何世钧,张婷,何海洋,程小龙,周媛媛.多权值电容归一化方法的研究[J].计量学报.2017
[8].蔺俊杰,曹军芳.基于多权值相似均衡的运动图像循环定位算法[J].科技通报.2015
[9].羌予践,华亮,陈玲,顾菊平,沈煜.基于多权值神经网络的老人跌倒智能识别研究[J].科学技术与工程.2015
[10].刘晨华,颜兵.多权值的小波图像放大方法[J].信息与控制.2014
标签:立体匹配; AD-Census变换; 高斯金字塔; 自适应滑动窗口;