导读:本文包含了模糊特征匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:矩形特征,无空间参考DEM,Gentle,AdaBoost算法,分类器
模糊特征匹配论文文献综述
杨彦通,杨武年,石磊,吴晓萍,佘金星[1]（2016）在《基于矩形特征的无空间参考DEM图像模糊匹配》一文中研究指出多源、多时相与多尺度DEM的匹配是DEM(Digital Elevation Model)应用中的关键技术。对无空间参考的DEM进行匹配时,若特征点不足或匹配DEM之间的分辨率、地形特征等差异较大,已有的DEM匹配技术往往难以成功。为此,这里提出了基于矩形特征的模糊匹配方法。首先利用矩形特征构建了五种图像相似度指标BRFSI并统计分析了各个指标的分类性能;然后,使用Gentle AdaBoost算法对大量样本进行训练后,得到了用于判定"匹配"与"非匹配"的分类器;最后建立了进行DEM图像模糊匹配的匹配模型。经过四种典型数据验证,该方法很好地解决了无空间参考DEM匹配中特征点不足、DEM之间相似度较低的难点问题,为进一步的DEM精匹配提供了良好的初始条件。(本文来源于《物探化探计算技术》期刊2016年02期）
李丹,田源[2]（2014）在《加速鲁棒特征匹配模糊动态场景混淆去除算法》一文中研究指出动态场景曝光图像较为模糊,混淆复杂,对动态场景混淆去除是实现基于动态场景图像识别的运动目标检测的关键。针对传统方法中模糊混淆点配准不精,去混性能不好的问题,提出一种采用加速鲁棒特征匹配的模糊动态场景混淆去除算法,设计图像序列块曝光生成模型和边缘检测算法,抑制运动场景混淆图像边缘凹点灰度特征和混淆干扰,设计并行处理的分块检测方案提高处理速度,采用加速鲁棒特征匹配方法实现混淆去除。实验结果表明,采用该算法进行模糊动态场景图像的混淆去除处理,特征匹配精度高,去除混淆效果较好,在色彩自然效果保持和实时性方面优越传统方法,在基于图像处理的快速运动目标识别和动态场景恢复等领域具有很好的应用前景。(本文来源于《科技通报》期刊2014年10期）
赵静[3]（2014）在《基于模糊C均值聚类和多特征匹配的CT图像淋巴结检测方法》一文中研究指出胃癌是危害人类健康的主要恶性肿瘤之一，在世界范围内，胃癌死亡率高居榜首。胃癌的早期诊断、早期治疗对于提高胃癌疗效，降低死亡率具有十分重要的作用。淋巴结转移作为胃癌分期的一项指标，在胃癌诊断中有着很高的地位。传统的胃癌诊断是专业医师通过观察对比分析同一病例的一系列图像，依靠专业知识对淋巴结进行提取、标记，这些信息最终用于胃癌的TNM分期。这种方法虽然可靠，却需要专业医生对大量的数据进行繁琐的人工操作，费时费力，因此，设计一种计算机自动检测识别淋巴结的方法十分必要。针对胃部CT图像淋巴结的检测，根据淋巴结在CT图像中的大小、形状、灰度以及空间位置关系，结合图像处理与模式识别的相关知识，本文将淋巴结的检测分为两部分：单幅CT图像上疑似淋巴结提取、序列图像上跟踪识别淋巴结。具体工作如下：设计了一种基于聚类和区域生长的疑似淋巴结检测方法。在胃部CT图像中，脏器组织灰度均匀，面积较大，且当中不含淋巴结，淋巴结浸润在脂肪区域当中。针对淋巴结在胃部CT图像中的分布特点，设计单幅胃部CT图像上疑似淋巴结的提取方法。首先，对预处理图像通过模糊聚类方法进行区域划分，根据脏器区域的面积比较大的先验知识，对分割得到的区域的面积进行统计，面积大于阈值T的区域认为是脏器区域，予以去除，同时高亮骨质区域中不含淋巴结一并去除，从而得到感兴趣区域，感兴趣区域中包含了疑似淋巴结与脂肪。通过疑似淋巴结浸润在脂肪区域中的先验知识，采用区域生长的方法得到疑似淋巴结。提出了基于局部特征匹配的多目标跟踪算法以实现淋巴结的识别。在胃部CT序列图像上，淋巴结的位置、大小，形状随着序列图像呈现渐变趋势，无明显跳变。根据淋巴结在序列图像上的变化特点，提出了局部多特征匹配的目标跟踪算法。首先，提出了局部搜索的思想，将当前目标在下一帧中的搜索匹配区域限定在一定的范围内。其次，分别用被跟踪目标与待匹配目标质心间的欧氏距离、面积差以及形状上下文方法计算来表示疑似淋巴结的位置、大小、形状在序列图像上的变化规律，结合叁种特征定义了特征匹配的相似度函数。从而实现疑似淋巴结的跟踪识别。(本文来源于《西安电子科技大学》期刊2014-02-01）
王刚,靳彦青,储瑞来[4]（2013）在《基于网格特征和模糊匹配的徽标识别》一文中研究指出针对图像智能处理中对徽标识别的应用需求,提出了一种基于网格特征和模糊匹配的徽标识别算法。该算法通过提取徽标的网格特征并映射为模糊集隶属度特征,根据模糊匹配技术进行识别,显着增强了对质量不佳图像的适应性和抗干扰性。实验表明,该算法的识别准确率能达到95.5%,并能有效提高徽标识别系统的鲁棒性。(本文来源于《计算机工程与科学》期刊2013年07期）
朱颢东,李红婵[5]（2013）在《基于特征加权模糊模板匹配的字符识别》一文中研究指出字符识别算法能够直接影响字符识别的精度和速度.把特征加权模板匹配算法和基于模糊原理的判别准则结合起来,设计一个字符识别算法.该算法首先对标准模板匹配算法进行改进,然后在此基础上以模糊理论作为判断标准来进行字符识别.从理论分析和实验结果这两方面来看,所提字符识别算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,可以有效提升识别率和鲁棒性,性能较优.(本文来源于《兰州理工大学学报》期刊2013年01期）
张志杰[6]（2012）在《基于测距特征向量匹配和模糊控制的室内清洁机器人路径规划》一文中研究指出随机路径规划算法大量用于商品化的室内清洁机器人,但规划效率低下,为此提出一种低成本、高效的改进方法。由于机器人到其四周障碍物的距离随空间位置不同而变化,先使用超声测距模块获得障碍距离并组成特征向量用以区分不同的空间位置;然后,用推土机距离(EMD)进行特征向量匹配,建立并维护碰撞点集;最后,利用模糊控制理论处理碰撞后的旋转角度,完成路径规划过程。实验结果表明,所提方法一方面保留了随机规划的工作趣味性和环境适应性,另一方面大大提高了清洁效率。(本文来源于《计算机应用》期刊2012年09期）
郑宗良[7]（2012）在《基于模糊判别准则和特征加权模板匹配的字符识别》一文中研究指出字符识别算法的设计作为光学字符识别的最关键步骤,直接影响到字符识别的精度和速度。运用特征加权模板匹配算法并结合基于模糊原理的判别准则,设计了一个字符识别算法。该算法从当前应用最广泛的模板匹配法入手,对标准模板匹配算法加以改进。在此基础上利用模糊理论作为判断标准来进行字符识别。所提算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,从而有效地提升了识别率和鲁棒性。从实验结果来看,该算法性能较优。(本文来源于《科学技术与工程》期刊2012年23期）
魏鸿磊,张文孝,华顺刚[8]（2012）在《一种采用脊线特征的指纹模糊匹配方法》一文中研究指出针对目前指纹识别系统主要采用手指上细节点的分布来表征和匹配指纹,提出了一种采用指纹脊线特征的匹配算法,以提高细节点数量较少情况下的匹配精度.在特征提取阶段,通过脊线采样,只存储脊线采样点集以降低存储量;在匹配时,对欲匹配的两指纹利用细节特征配准脊线集,在重合区域内对两指纹脊线统一进行编码,通过编码的比较确定相似脊线;以相似脊线的相同位置编码为论域,以相同位置编码的相似程度为隶属度,建立衡量脊线相似程度的模糊集,采用加权平均法对多个相似脊线模糊集进行综合评判得到两指纹脊线总体相似度.最后将脊线匹配相似度与细节点匹配相似度进行加权融合得到两指纹最终的相似度.在FVC2004指纹库上的实验表明该算法能够有效提高指纹匹配的准确性.(本文来源于《智能系统学报》期刊2012年03期）
李青,焦李成,周伟达[9]（2009）在《基于模糊核匹配追寻的特征模式识别》一文中研究指出核匹配追寻算法是近年来新兴的模式识别方法,在处理非线性及高维模式识别问题中表现出了突出的优点.传统的核匹配追寻在处理模式识别的问题中平等地对待所有样本,最终的判决函数是针对所有样本的一个平等综合考虑,要求总识别误差尽可能小,并不能对某一类指定样本进行针对性识别,然而实际应用中经常会碰到这样的情况:要求对某一类样本的识别精度很高,尤其是对于非平衡样本中或者对于具有时间属性的样本序列,由于标准核匹配追寻学习机自身的局限性,使其不能有效地处理这些问题.文中针对这些问题,提出了模糊核匹配追寻学习机,预先根据分类的要求对每个样本做出了不同的重要性定义,学习机根据重要性不同,对样本进行程度不同的学习,最终得到基于问题的判决——对重要样本保持很高的分类精度;最后通过实际的仿真实验证明了模糊匹配追寻的有效性及可行性.(本文来源于《计算机学报》期刊2009年08期）
罗叁定,陆文彦,王浩,贾维嘉[10]（2002）在《基于概念的文本类别特征提取与文本模糊匹配》一文中研究指出文本信息特征提取和文本分类是当前智能信息服务系统基础研究的重点。该文给出一种新的类别特征提取与文本匹配方法。首先对术语特征权进行了综合计算,然后基于概念网络术语—概念映射关系,将特征权由术语空间转换到概念空间并做权值限幅处理。在此基础上,通过对概念进行类内和类间的统计分析,得到类别特征的均值与方差两个向量,通过模糊距离计算来对文本进行类别匹配。该文方法克服了传统IDF方法缺点,能有效地从概念上提取文本类特征,提高文本自动分类的准确性。(本文来源于《计算机工程与应用》期刊2002年16期）
模糊特征匹配论文开题报告
（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：
动态场景曝光图像较为模糊,混淆复杂,对动态场景混淆去除是实现基于动态场景图像识别的运动目标检测的关键。针对传统方法中模糊混淆点配准不精,去混性能不好的问题,提出一种采用加速鲁棒特征匹配的模糊动态场景混淆去除算法,设计图像序列块曝光生成模型和边缘检测算法,抑制运动场景混淆图像边缘凹点灰度特征和混淆干扰,设计并行处理的分块检测方案提高处理速度,采用加速鲁棒特征匹配方法实现混淆去除。实验结果表明,采用该算法进行模糊动态场景图像的混淆去除处理,特征匹配精度高,去除混淆效果较好,在色彩自然效果保持和实时性方面优越传统方法,在基于图像处理的快速运动目标识别和动态场景恢复等领域具有很好的应用前景。
（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。
模糊特征匹配论文参考文献
[1].杨彦通,杨武年,石磊,吴晓萍,佘金星.基于矩形特征的无空间参考DEM图像模糊匹配[J].物探化探计算技术.2016
[2].李丹,田源.加速鲁棒特征匹配模糊动态场景混淆去除算法[J].科技通报.2014
[3].赵静.基于模糊C均值聚类和多特征匹配的CT图像淋巴结检测方法[D].西安电子科技大学.2014
[4].王刚,靳彦青,储瑞来.基于网格特征和模糊匹配的徽标识别[J].计算机工程与科学.2013
[5].朱颢东,李红婵.基于特征加权模糊模板匹配的字符识别[J].兰州理工大学学报.2013
[6].张志杰.基于测距特征向量匹配和模糊控制的室内清洁机器人路径规划[J].计算机应用.2012
[7].郑宗良.基于模糊判别准则和特征加权模板匹配的字符识别[J].科学技术与工程.2012
[8].魏鸿磊,张文孝,华顺刚.一种采用脊线特征的指纹模糊匹配方法[J].智能系统学报.2012
[9].李青,焦李成,周伟达.基于模糊核匹配追寻的特征模式识别[J].计算机学报.2009
[10].罗叁定,陆文彦,王浩,贾维嘉.基于概念的文本类别特征提取与文本模糊匹配[J].计算机工程与应用.2002
标签：矩形特征; 无空间参考DEM; Gentle; AdaBoost算法; 分类器;