导读:本文包含了部分遮挡论文开题报告文献综述、选题提纲参考文献，主要关键词:遮挡,全息,局部,组件,卷积,神经网络,滤波器。
部分遮挡论文文献综述写法
王海[1]（2019）在《基于分块稀疏表示的部分遮挡人脸识别》一文中研究指出人脸识别利用已有的人脸数据库对给定的人脸图像进行识别,不同光照、不同姿态、部分遮挡情况下的识别问题是其中的热门研究课题。笔者针对人脸图像中的部分遮挡问题,通过AR人脸库对处理过的人脸图像采用分块稀疏表示的方法,在不同训练样本下进行多次实验。实验结果表明,分块稀疏表示对部分遮挡人脸的识别率有较大提升。(本文来源于《信息与电脑(理论版)》期刊2019年22期）
李芷萧,袁旭峰,胡实,高志鹏,朱余林[2]（2019）在《部分遮挡下光伏组件MPPT技术研究》一文中研究指出因云雾、植物、建筑等物体遮挡,或光伏器件本身的不一致性,可能导致多个功率极值出现,从而使传统的最大功率点跟踪方法失效。在光伏组件出现多功率极值的条件下,采用合理最大功率追踪算法,不陷入局部最大功率点,找到全局最大功率点值得研究。文中提出结合粒子群优化和常规最大功率点跟踪的复合算法,用于实现最大功率点跟踪,并与常规最大功率点跟踪算法进行仿真实验比较。以解决光伏组件工作在恶劣条件下的严重功率失配问题,提高光伏组件的能量转换率,保护光伏组件不受损坏。(本文来源于《现代电子技术》期刊2019年12期）
刘瑞钦[3]（2019）在《基于卷积神经网络和改进LBP的部分遮挡人脸识别》一文中研究指出受控环境下的人脸识别现阶段已经取得了很好的效果,识别率远超了人眼。然而,在不受控制和自然环境下的面部识别易受姿态、照明、遮挡等的影响,这降低了算法的性能,一些商业应用在应对这些干扰问题时的效果也差强人意。其中,部分遮挡人脸识别是目前必须要解决的问题之一。本文提出以下两种方法对部分遮挡情况下的人脸识别进行研究,具体如下:(1)提出一种基于多尺度地标的梯度直方图进行特征点特征提取,并使用PCA白化空间进行分类识别的方法。首先,我们使用DLIB库检测器来检测图像中的面部区域,并基于特征点位置进行面部对齐。在获得面部图像之后,使用高斯差分(DoG)作为带通滤波器进行图像预处理。对处理之后的图像使用多尺度地标的梯度直方图(HOG)来保持特征点的定位和变化,来使特征的提取在面部变化下更具鲁棒性。将提取到的面部特征在PCA白化空间中进行分类,根据空间内特征向量的欧氏距离计算其相似性,从而对有遮挡人脸进行分类。通过实验可以看出该方法对人脸部分遮挡的识别有一些提升,对光照和遮挡有较好鲁棒性。(2)人脸识别中,若面部特征被遮挡,随着其遮蔽区域的增大,依靠对图像中人脸的整体特征识别就变得越来越困难,所能提取的有效特征也越来越少,为解决这个问题,本文在人脸分块的基础上使用改进的LBP算法进行特征提取。本文首先使用Faster-RCNN进行人脸检测得到图像中的人脸,再对图像中获得的人脸使用TCDCN网络进行左右眼、鼻子、左右嘴角的定位,在此基础上,对人脸进行分块,对分块的人脸区域图片使用改进的LBP算法进行特征提取,部分特征提取完成后进行遮挡判别,之后特征融合组成人脸进行分类识别。经验证,该方法在AR数据库上对部分遮挡人脸识别性能有较大提升。图[46]表[7]参[50](本文来源于《安徽理工大学》期刊2019-06-03）
汪东[4]（2019）在《部分遮挡3D彩色物体的压缩全息成像研究》一文中研究指出由于光场震动的频率过快,就目前的电子设备而言,传统的照相术仅能够记录被测对象的强度信息,相位信息是无法直接获取的,而相位比振幅包含的信息更加丰富,例如深度信息等。光全息术的提出使得光场的相位信息得以记录,其通常通过相干性较高的激光光源对待记录物体进行照明,随后利用全息干板等材料进行记录,最终通过再现光照射显像,然而光全息术也面临着很多问题,如记录后的全息干板等材料处理过程复杂,保存环境苛刻,同时还面临着零级衍射像以及孪生像的干扰等,使得其应用的范围受到了限制。数字全息术的发展一定程度上解决了传统光全息术的难题,其利用图像传感器来代替全息干板等记录材料,随后将图像传感器记录的强度数据传至计算机端进行数值运算来实现对被测对象的显像,然而对于庞大的采集数据,利用传统的采样定理不仅造成资源浪费,也增加了硬件设备的负担。压缩全息作为一种新型的全息技术,近年来备受关注,其将压缩感知理论与数字全息技术结合起来,利用压缩感知理论所提出的从少量测量实现信号精确重构的新思想,有效地解决了以往数字全息所面临的难题,大大提升了采样的效率。本论文主要研究工作及创新点如下:(1)部分遮挡3D物体单色压缩全息。针对目前对于部分遮挡3D物体的单波长下数字全息重建研究的空缺,仅对于沿光轴轴向存在少量或无遮挡3D物体重建进行研究,本章在数值实验中进一步增大了沿光轴轴向遮挡比例的大小,给出了部分遮挡3D物体的单色压缩全息重建结果展示。数值实验中将3D物体分为5层,各层用不同的图像代替,后续工作探究了各层图像在该层随机位置的不同以及各层图像占该层填充比例的大小对于重建性能的影响,最终测试了本部分遮挡3D物体单色压缩全息重建方法在高斯白噪声下的鲁棒性。(2)部分遮挡3D彩色物体的压缩全息。针对目前对于部分遮挡3D彩色物体全息重建研究工作的空缺,本章将部分遮挡3D物体在单波长下的全息重建引入到彩色情形,结合3DTV稀疏模型,探究部分遮挡3D彩色物体的重建方法,提出了两种部分遮挡3D彩色物体全息重建方法——基于多波长照明下的部分遮挡3D彩色物体全息重建方法以及部分遮挡3D彩色物体全彩色全息重建方法,前者为针对3D物体各层均为单种颜色的图像,后者则针对3D物体各层均为RGB图像,后续数值实验首先对于3D自稀疏物体的重建进行有效性的验证,随后给出了部分遮挡3D彩色物体在所提方法下的全息重建结果,并同样针对填充比例以及抗噪声性能进行了测试。(本文来源于《安徽大学》期刊2019-05-01）
陈灿林[5]（2019）在《面向部分遮挡人脸识别的研究与实现》一文中研究指出随着电子产品种类的不断丰富和智能水平的不断提高,人们开始追求越来越高效,安全的生活方式。而人脸识别技术作为近年来一种新兴的智能技术,已经被广泛应用于生活中,并且随着人脸识别的研究不断深入,各种算法和技术层出不穷,识别的精度也越来越高。但是在现实生活中人脸可能会被口罩、眼镜等饰品遮挡,致使人脸的一些表示特征缺失,导致这些算法和技术表现的不够理想,识别的精度下降明显。虽然,先后陆续有人提出各种算法来解决遮挡人脸识别的问题,但这些算法都表现的不够理想,并不能从根本上解决遮挡的问题。因此,如何从根本上解决遮挡问题在人脸识别研究领域极具价值。针对口罩、眼镜等对称性遮挡,本文提出了基于生成式对抗网络的局部遮挡人脸识别算法,通过修复人脸遮挡区域的途径从根本上解决遮挡对识别的干扰。本文的主要工作内容如下:(1)本文首先介绍了图像预处理和人脸检测相关技术,为后续人脸识别提供了充分的技术支持。其次为了对比本文提出的局部遮挡人脸识别算法,本文介绍了一种基于卷积网络VGG-Net的人脸识别算法,并通过实验证明该算法在较大面积遮挡情况下表现不够理想。所以,为了解决较大面积遮挡带来的影响,本文提出了一种基于Wasserstein距离的局部遮挡人脸修复算法来修复人脸遮挡部分,并且根据遮挡内容的对称性思想,本文引入了一种新的损失:对称损失,该损失确保了人脸遮挡区域生成的内容左右近似对称,通过实验证明引入新的对称损失后,人脸修复效果得到了明显的改善。(2)其次,本文结合了改进后的人脸修复算法和基于卷积网络的人脸识别算法设计了一种新的局部遮挡人脸识别算法。该算法的基本原理是首先对人脸遮挡区域进行修复,然后对修复后的人脸进行识别,通过实验表明该算法的整体识别准确率不仅要高于传统算法和基于卷积网络VGG-Net的人脸识别算法,而且在不同面积遮挡情况下的识别准确率均高于基于VGG-Net网络的人脸识别算法。(3)最后,基于本文提出的局部遮挡人脸识别算法,本文设计了一款遮挡人脸识别系统。文中首先根据系统的需求对系统的整体架构进行设计,然后根据整体架构对模块进行划分和功能实现。最后,根据系统测试评价指标识别正确率和时间延迟对系统性能进行测试,测试结果表明系统对遮挡人脸识别具有很高的识别准确率与效率。(本文来源于《电子科技大学》期刊2019-03-26）
张成,汪东,沈川,王美琴,陈倩文[6]（2019）在《部分遮挡叁维彩色物体的压缩全息》一文中研究指出压缩全息将压缩感知理论与全息显示技术结合在一起,利用压缩感知理论,可以由少量的测量数目精确地从2D全息图中恢复3D对象.本文将压缩全息理论从单波长情形拓展到彩色物体的压缩全息,同时研究每层图像在轴向上有较多遮挡的3D对象的3DTV压缩重建,最后通过数值实验验证了本文方法的有效性,并探究复杂物体的填充比例对重建质量的影响,以及不同层之间的遮挡位置和噪声对重建质量的影响.(本文来源于《电子学报》期刊2019年01期）
臧韵琦[7]（2018）在《复杂光照及部分遮挡下的人脸识别研究》一文中研究指出伴随着人脸识别技术的发展进步以及产业化,也暴露出现有技术的不足。其中复杂光照以及遮挡是影响人脸识别系统性能的两大重要因素。人脸识别系统在复杂光照以及遮挡的条件下的改进优化成为必然,针对此问题的研究不仅具有理论意义更有向生产力转化的实际价值。本文从人脸图像存在复杂光照和遮挡两种情况出发,对人脸识别问题进行了研究,主要工作如下:1.提出了基于Retinex理论的人脸识别方法分别对单尺度Retinex算法、多尺度Retinex算法、韦伯定律的应用进行了讨论。改进了求解Retinex模型的算法,实现了复杂光照下的人脸图像的增强,基本思路是:(1)利用韦伯定律对图像的灰度值进行划分得到照度分区后的人脸图像;(2)根据不同区域的照度特点选取不同的环绕系数进行Retinex增强得到人脸的特征图像。同时在合并不同照度区域的时候引入了相邻像素的比例系数,避免合成后的图像存在过度不均匀或者出现色块的情况。在扩展Yale B人脸数据库和ORL人脸数据库上进行了试验,通过试验结果验证了提出的算法能够有效的增强复杂光照条件下人脸图像保留的人脸特征信息,从而提高了人脸识别系统的性能。2.提出了遮挡自适应的人脸识别方法分别对Haar-like特征与带有遮挡字典的稀疏分类器进行了讨论,提出一种遮挡自适应的人脸识别算法。算法通过利用Haar-like特征、卷积网络以及稀疏分类器完成整合改进。基本思路是:(1)将人脸图像利用Haar-like特征和Adboost算法求解计算出人脸是否存在遮挡,(2)利用卷积神经网络对人脸的特征进行提取,依据人脸是否被遮挡进行分类,选取最佳的稀疏分类器。通过使用扩展Yale B人脸数据库和AR人脸数据库进行试验,证明了提出的算法能够有效地改进人脸图像在有遮挡的情况下的识别性能,同时还获得了更好的实时性。(本文来源于《重庆邮电大学》期刊2018-03-20）
毛琳,程凡,许烨豪[8]（2018）在《移动机器人部分遮挡条件下多部件行人跟踪算法》一文中研究指出针对复杂街道环境中的交通标志与公共设施对行人造成不同程度的遮挡而致使移动机器人跟踪目标失败,提出一种多部件粒子滤波器行人跟踪方法,引入弹簧弹力负载决策,降低单一跟踪器的错误风险,增强部分遮挡条件下的视觉目标跟踪鲁棒性。仿真分析表明,该算法能够在行人部分遮挡时呈现较好跟踪效果,降低街道复杂背景环境对跟踪的影响,为后续移动机器人视觉目标避障等应用提供支撑。(本文来源于《大连民族大学学报》期刊2018年01期）
欧卫华[9]（2018）在《部分遮挡人脸识别的研究进展》一文中研究指出文章针对部分遮挡人脸识别问题研究进行了综述,总结了人脸识别存在的主要困难,详细分析了部分遮挡人脸识别的主要方法,如图像修复法、局部特征法、鲁棒估计法、稀疏表示法和非负判别式字典学习法,指出了各类方法的主要思想和其中代表性方法,分析了存在的问题以及未来的发展趋势。(本文来源于《无线互联科技》期刊2018年01期）
张传升[10]（2017）在《部分遮挡条件下CIGS组件性能实验研究》一文中研究指出由于铜铟镓硒(CIGS)组件在遮挡条件下的输出性能明显不同于晶硅组件,因此文章设计了24组遮挡实验,对不同条件下CIGS组件的输出性能进行研究。经过研究发现:当CIGS组件中全部子电池的部分区域被遮挡时,该组件的峰值输出功率损失比例与遮挡面积比例基本一致;由于CIGS组件的反向击穿电压较低,因此当该组件的部分子电池被全部遮挡时,被遮挡的子电池会被击穿导通,该组件能够向外输出功率,但峰值输出功率损失与遮挡面积不呈线性关系;当CIGS组件部分子电池的部分区域被遮挡时,Y方向遮挡尺寸对组件峰值输出功率损失的影响大于X方向。(本文来源于《可再生能源》期刊2017年10期）
部分遮挡论文开题报告范文
（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：
因云雾、植物、建筑等物体遮挡,或光伏器件本身的不一致性,可能导致多个功率极值出现,从而使传统的最大功率点跟踪方法失效。在光伏组件出现多功率极值的条件下,采用合理最大功率追踪算法,不陷入局部最大功率点,找到全局最大功率点值得研究。文中提出结合粒子群优化和常规最大功率点跟踪的复合算法,用于实现最大功率点跟踪,并与常规最大功率点跟踪算法进行仿真实验比较。以解决光伏组件工作在恶劣条件下的严重功率失配问题,提高光伏组件的能量转换率,保护光伏组件不受损坏。
（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。
部分遮挡论文参考文献
[1].王海.基于分块稀疏表示的部分遮挡人脸识别[J].信息与电脑(理论版).2019
[2].李芷萧,袁旭峰,胡实,高志鹏,朱余林.部分遮挡下光伏组件MPPT技术研究[J].现代电子技术.2019
[3].刘瑞钦.基于卷积神经网络和改进LBP的部分遮挡人脸识别[D].安徽理工大学.2019
[4].汪东.部分遮挡3D彩色物体的压缩全息成像研究[D].安徽大学.2019
[5].陈灿林.面向部分遮挡人脸识别的研究与实现[D].电子科技大学.2019
[6].张成,汪东,沈川,王美琴,陈倩文.部分遮挡叁维彩色物体的压缩全息[J].电子学报.2019
[7].臧韵琦.复杂光照及部分遮挡下的人脸识别研究[D].重庆邮电大学.2018
[8].毛琳,程凡,许烨豪.移动机器人部分遮挡条件下多部件行人跟踪算法[J].大连民族大学学报.2018
[9].欧卫华.部分遮挡人脸识别的研究进展[J].无线互联科技.2018
[10].张传升.部分遮挡条件下CIGS组件性能实验研究[J].可再生能源.2017