导读:本文包含了基于形状的目标识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:形状,目标,特征,上下文,轮廓,模型,主动。
基于形状的目标识别论文文献综述
刘砚菊,李云功,宋建辉,于洋[1]（2018）在《基于边界标记的形状上下文目标识别算法》一文中研究指出形状上下文不具有旋转不变性,所以不能很好地应用于旋转物体的识别,本文提出基于边界标记的形状上下文目标识别算法。该算法通过提取目标物体轮廓并对轮廓进行数学形态学处理,计算形状图的重心,以重心为参考点运用距离为弧长的函数的边界标记方法,对轮廓边界进行标记并归一化处理,最后运用形状上下文对目标进行识别。实验表明,提出的算法克服了形状上下文没有旋转不变性的缺点,可以很好的用于平移、缩放和旋转物体的目标识别。(本文来源于《沈阳理工大学学报》期刊2018年06期）
王汝珣[2]（2018）在《基于形状外观的无人船目标识别方法研究》一文中研究指出随着计算机技术、人工智能等新技术、新理念的迅猛发展和不断创新,自主航行已经成为船舶发展的重要方向之一。为了在航行过程中能够实现自动驾驶、自主避障或者执行某些特殊任务,无人船(Unmanned Surface Vessel,USV)利用先进的检测设备和相关算法,可以根据不同的任务要求完成规定的动作,最终实现船舶的自主航行。在自主航行过程中,无人船需要利用自身探测设备对外部环境进行感知、判断。其中,对海上目标进行目标识别是无人船首要完成的任务之一。基于以上背景,本文利用无人船采集的水面图像对海上船舶进行目标识别算法的相关研究。本文主要包括以下几个方面,其内容概述如下:1.本文首先针对水面图像的特点进行特征分析,然后根据水面图像的特点对其进行图像预处理算法的相关研究。图像预处理算法主要可以分为两种,即图像滤波算法和图像增强算法。本文选用自适应中值滤波算法对水面图像进行降噪处理,并利用自适应平台直方图均衡化算法对水面图像进行增强处理。对水面图像进行预处理操作,可以提高水面图像的画面质量,为后续的船舶识别工作做好前期准备。2.在无人船采集的水面图像中,其背景图像常常会出现海天线,针对这一特点,本文对水面图像中存在的海天线进行了检测算法的相关研究。通过仿真对比试验可以看出,利用Hough变换对海天线进行检测可以获得更好的检测效果。对海天线进行检测不仅可以减少海浪杂波等干扰信息对目标识别的影响,同时还可以加快目标识别的速度,提高识别效率。3.本文提出将基于遗传神经网络的图像分割算法应用到水面图像的分割处理当中,该算法可以有效的对水面图像进行分割,并可直接将目标船舶从背景图像中分割出来,不受海浪杂波等环境噪声的干扰。通过仿真对比实验可以看出,基于遗传神经网络的图像分割算法其分割效果要明显优于利用BP神经网络算法对水面图像进行分割的效果以及利用传统分割算法对水面图像进行分割的效果。4.本文利用几何特征和HU不变矩特征对船舶图像的形状外观进行特征提取,通过仿真实验的结果可以看出,利用上述特征能够实现针对船舶图像的表征与分类。5.本文利用支持向量机对船舶特征信息库中的样本数据进行训练,并利用交叉验证法对支持向量机中的参数进行寻优,最终利用matlab仿真程序实现了不同类型船舶图像的分类与识别。(本文来源于《哈尔滨工程大学》期刊2018-01-01）
周向,曹静,何涛[3]（2017）在《一种基于视觉形状模型的机器人目标识别算法》一文中研究指出为实现机器人主动识别并抓取预定目标,提出了一种基于形状模型的目标识别算法。以轮廓质心为基准,极半径生成目标的形状特征向量,然后以高斯模型完成样本特征模型库的训练。采用动态时间规整DTW(dynamic time warping)解决特征向量元间的匹配问题,并依据惯量力矩(moment of inertia)获取形状的主轴参数,给出了特征向量起始次序的对正方法。实验表明该算法可以在较复杂环境下识别预定目标,不受平移、尺度与旋转几何变化的影响,具有较高的鲁棒性。(本文来源于《制造技术与机床》期刊2017年09期）
徐浩然[4]（2017）在《基于形状描述的目标识别方法研究》一文中研究指出目标识别是计算机视觉领域中的重要课题之一,长久以来备受各行业研究人员的关注。随着计算机视觉技术的发展和普及,目标识别的研究也随之具有了更高的现实意义和应用价值。本文以目标的轮廓形状作为原始数据,研究了一系列的轮廓形状描述方法、轮廓简化方法、形状匹配和目标识别方法,以及其在手势识别中的应用。本文首先提出了一种基于多尺度不变量描述的目标识别方法。该方法使用多尺度不变量描述对目标形状进行表示,并使用自适应离散轮廓演化算法对轮廓形状进行自适应地简化。经过描述与化简步骤之后,动态时间规整算法被用于对不同的轮廓点序列进行匹配并计算它们之间的相似度。为了对目标数据库的先验知识进行充分利用,本文在多尺度不变量描述的基础上引入度量学习方法,以提升新的目标识别方法的识别性能。该方法首先定义了一种特征点袋算法,在使用多尺度不变量描述和自适应离散轮廓演化算法得到目标轮廓显着特征点的基础上进行聚类学习,以获得轮廓形状的直方图表示。相关成分分析算法被引入直方图的匹配过程中,用于对不同维度的向量进行合理的权重分配,并在此基础上计算不同目标形状的直方图之间的欧氏距离,以完成目标识别。本文在对复杂的目标形状进行特征分析之后,提出了一种针对多尺度不变量描述的改进方法。该改进方法引入轮廓的形状上下文信息,构造了两种新的不变量:面积差分不变量和弧长差分不变量,用于对多尺度不变量描述进行补充。实验结果验证了改进后的多尺度不变量方法具有良好的不变性、分辨力和鲁棒性,同时以此为基础的目标识别方法在各标准形状数据库中也取得了优秀的成绩。最后,本文的研究理论被用在基于RGB-D数据的手势识别应用中。借助Kinect相机提供的RGB-D数据,本文研究的目标识别方法以多尺度不变量描述为基础,被整合为一套完整的实时手势识别系统。这一系统在手势识别实验中高达96.4%的识别精度和仅耗时0.0387秒的识别效率,验证了本文所提出方法的高效性和实用性。(本文来源于《苏州大学》期刊2017-04-01）
张盛博[5]（2016）在《生物视觉启发的形状特征层次模型及其在目标识别中的应用》一文中研究指出使计算机拥有与人类相媲美的目标识别能力是计算机视觉领域研究的目标。应用生物视觉的信息处理机制进行目标识别是当前研究的热点之一。形状特征作为描述目标的重要特征,在大脑视觉皮层中通过腹侧通路的V1-V2-V4-IT区进行层次化表达。由于形状信息在大脑皮层中的处理机制相对复杂,尚未形成完善的理论体系,因此传统计算机视觉方法停留在模拟V1区提取目标形状的条形特征,忽略了高级视觉皮层对目标形状表达的重要作用。因此总结并分析高级皮层的形状信息处理机制,并应用于提取目标形状特征进行目标识别具有重要的理论意义和应用前景。本文从生物视觉角度出发,针对V1提取条形特征对目标形状表达的不足,重点研究了腹侧通路V1-V2-V4区对形状信息的处理机制,建立了形状特征层次模型,进一步提取角形、曲率特征。模型的V1层通过Gabor提取条形特征;在此基础上引入V2层,结合3D-DOG抑制噪声,并将两组方向相差90度的Gabor滤波器组提取的条形特征组合为角形特征;V4层通过曲率域计算,描述目标轮廓的形变程度,并最终提取融合曲率与梯度方向的直方图特征。通过条形、角形、曲率的层次性表达,有效增强了目标形状关键点的描述;通过结合曲率与梯度方向直方图,可以有效弥补单一的曲率或梯度特征局部描述的不充分。通过利用MNIST手写数字数据集与21类遥感影像数据集,提取目标形状特征并进行分类,并与传统的生物视觉启发的计算模型与典型的计算机视觉图像表达方法对比,发现本文模型可以取得较为良好的目标识别效果。并通过相关实验验证了方向拓展、尺度拓展、层次性表达、特征融合的有效性。(本文来源于《上海交通大学》期刊2016-01-01）
孟伟荣,李辉,方黎勇,白金平[6]（2015）在《形状角计算改进及其在矩形目标识别中的应用》一文中研究指出目的在轮廓特征识别中,形状角理论已经被证明为一种有效方法。形状角的计算精度和时间开销取决于轮廓上各离散点处切线方向的计算效率。现有基于Vialard算法的切线方向计算方法在处理矩形轮廓时步骤烦琐且存在较大的误差,导致使用形状角识别矩形时效率不高。针对此问题,提出一种基于傅里叶拟合的离散点切线方向计算方法。方法首先对离散点进行极坐标转化,然后使用傅里叶级数拟合整个轮廓,最后再对拟合之后的曲线求导,从而计算出轮廓上各点的切线方向。结果在本文所给出的实例中,本文方法计算平均耗时为1.577 5 s,传统方法平均耗时为156.155 s,且计算结果更加精确。结论本文方法可以避免Vialard算法及其衍生方法在处理矩形轮廓时产生的过度迭代的问题,时间复杂度降低两个数量级,结果更加准确。最后,将所提的改进形状角计算方法应用矩形轮廓识别中,通过实例分析,验证了该方法的准确性和可靠性。(本文来源于《中国图象图形学报》期刊2015年06期）
李平,魏仲慧,何昕,何丁龙,何家维[7]（2014）在《采用多形状特征融合的多视点目标识别》一文中研究指出研究了多视点下叁维目标的识别问题。针对传统的采用单一特征的方法在目标描述方面的不足,提出了一种融合多种特征的识别算法。首先,利用各向异性高斯方向导数相关矩阵提取目标角点,采用骨架约束提取特征角点,将各特征角点到目标质心的归一化距离作为角点描述子。接着,分别提取目标的几何矩不变量、仿射矩不变量、目标边界的傅里叶描述子;计算4种特征的类内和类间散布矩阵;以样本散布矩阵的迹作为权重,加权融合4种特征。然后,对融合后的特征向量进行独立成分分析(ICA),得到相互独立的特征分量。最后,采用支持向量机的分类方法进行分类。实验结果表明,本文提出的方法比采用单一特征的方法的正确识别率平均提高10%以上,且在小训练样本(10%总体样本)情况下仍能获得80%以上的识别率,可满足经纬仪实时目标识别系统的要求。(本文来源于《光学精密工程》期刊2014年12期）
甘守飞,孙皓[8]（2014）在《改进主动形状模型的遥感图像飞机目标识别方法》一文中研究指出提出一种基于梯度方向直方图(HOG)的飞机目标方向估计方法,通过改进主动形状模型(ASM)对不同类型目标之间的形变进行建模,利用核密度估计方法(KDE)得到目标的全局统计形状约束以实现目标识别,并设计了一种针对飞机目标的半自动图像特征点标定策略,提高了对训练样本特征点的标定效率。对遥感图像中飞机目标的识别实验表明,与现有方法相比,研究提出的方法对飞机目标具有更好的识别性能。(本文来源于《重庆大学学报》期刊2014年09期）
周洲,周林英,张鸽[9]（2013）在《一种基于边缘和形状特征的教师目标识别算法》一文中研究指出运用计算机视觉技术识别教师位置来控制云台转动和切换摄像机焦距是提高精品课程录像质量的重要手段之一,本文提出了一种基于边缘和形状特征的教师目标识别算法,算法定义了形状描述因子,在边缘检测的基础上进行连通域标记,分别计算每一个连通域的形状描述因子,根据目标和背景形状因子的差异得出目标的位置.实验结果表明:这种方法克服了光照、屏幕闪烁等因素的影响,且不依赖目标的帧间差异,能够精确检测出教师的位置.(本文来源于《西安工业大学学报》期刊2013年09期）
黄伟国,顾超,朱忠奎[10]（2013）在《用于目标识别的PCA-SC形状匹配算法》一文中研究指出基于形状上下文(Shape Context)算法并融合主成分分析(PCA)的降维思想,提出了一种PCA-SC算法来提高形状匹配和目标识别的速度和抗噪能力。该算法将SC算法获取的特征矩阵构成协方差矩阵,按照特征值由大到小的准则进行降维,形成新的特征矩阵用于匹配和识别,既抑制了噪声干扰,提高了识别准确率,又能够提高匹配速度,易于满足工程应用对实时性的要求。利用MNIST图像数据库中的图像进行了实验分析,结果表明,PCA-SC算法在保持了SC算法原有的定位准确、抑制噪声等优点的基础上,识别速度提高了1倍;准确率达到了96.15%,提高了约0.5%;而且抗噪性更强,可用于匹配和识别较复杂的形状和目标。该算法基本满足匹配和识别对速度、准确率和抗干扰性等方面的要求。(本文来源于《光学精密工程》期刊2013年08期）
基于形状的目标识别论文开题报告
（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：
随着计算机技术、人工智能等新技术、新理念的迅猛发展和不断创新,自主航行已经成为船舶发展的重要方向之一。为了在航行过程中能够实现自动驾驶、自主避障或者执行某些特殊任务,无人船(Unmanned Surface Vessel,USV)利用先进的检测设备和相关算法,可以根据不同的任务要求完成规定的动作,最终实现船舶的自主航行。在自主航行过程中,无人船需要利用自身探测设备对外部环境进行感知、判断。其中,对海上目标进行目标识别是无人船首要完成的任务之一。基于以上背景,本文利用无人船采集的水面图像对海上船舶进行目标识别算法的相关研究。本文主要包括以下几个方面,其内容概述如下:1.本文首先针对水面图像的特点进行特征分析,然后根据水面图像的特点对其进行图像预处理算法的相关研究。图像预处理算法主要可以分为两种,即图像滤波算法和图像增强算法。本文选用自适应中值滤波算法对水面图像进行降噪处理,并利用自适应平台直方图均衡化算法对水面图像进行增强处理。对水面图像进行预处理操作,可以提高水面图像的画面质量,为后续的船舶识别工作做好前期准备。2.在无人船采集的水面图像中,其背景图像常常会出现海天线,针对这一特点,本文对水面图像中存在的海天线进行了检测算法的相关研究。通过仿真对比试验可以看出,利用Hough变换对海天线进行检测可以获得更好的检测效果。对海天线进行检测不仅可以减少海浪杂波等干扰信息对目标识别的影响,同时还可以加快目标识别的速度,提高识别效率。3.本文提出将基于遗传神经网络的图像分割算法应用到水面图像的分割处理当中,该算法可以有效的对水面图像进行分割,并可直接将目标船舶从背景图像中分割出来,不受海浪杂波等环境噪声的干扰。通过仿真对比实验可以看出,基于遗传神经网络的图像分割算法其分割效果要明显优于利用BP神经网络算法对水面图像进行分割的效果以及利用传统分割算法对水面图像进行分割的效果。4.本文利用几何特征和HU不变矩特征对船舶图像的形状外观进行特征提取,通过仿真实验的结果可以看出,利用上述特征能够实现针对船舶图像的表征与分类。5.本文利用支持向量机对船舶特征信息库中的样本数据进行训练,并利用交叉验证法对支持向量机中的参数进行寻优,最终利用matlab仿真程序实现了不同类型船舶图像的分类与识别。
（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。
基于形状的目标识别论文参考文献
[1].刘砚菊,李云功,宋建辉,于洋.基于边界标记的形状上下文目标识别算法[J].沈阳理工大学学报.2018
[2].王汝珣.基于形状外观的无人船目标识别方法研究[D].哈尔滨工程大学.2018
[3].周向,曹静,何涛.一种基于视觉形状模型的机器人目标识别算法[J].制造技术与机床.2017
[4].徐浩然.基于形状描述的目标识别方法研究[D].苏州大学.2017
[5].张盛博.生物视觉启发的形状特征层次模型及其在目标识别中的应用[D].上海交通大学.2016
[6].孟伟荣,李辉,方黎勇,白金平.形状角计算改进及其在矩形目标识别中的应用[J].中国图象图形学报.2015
[7].李平,魏仲慧,何昕,何丁龙,何家维.采用多形状特征融合的多视点目标识别[J].光学精密工程.2014
[8].甘守飞,孙皓.改进主动形状模型的遥感图像飞机目标识别方法[J].重庆大学学报.2014
[9].周洲,周林英,张鸽.一种基于边缘和形状特征的教师目标识别算法[J].西安工业大学学报.2013
[10].黄伟国,顾超,朱忠奎.用于目标识别的PCA-SC形状匹配算法[J].光学精密工程.2013
论文知识图
