导读:本文包含了特征直线段检测论文开题报告文献综述及选题提纲参考文献，主要关键词:靠岸舰船检测,直线检测,YOLOv3算法,卷积神经网络
特征直线段检测论文文献综述
余东行,郭海涛,赵传,李道纪,张保明[1]（2019）在《直线特征辅助的靠岸舰船检测》一文中研究指出针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。(本文来源于《测绘科学技术学报》期刊2019年03期）
朱欢欢[2]（2019）在《基于FPGA的直线特征高速视觉检测方法研究》一文中研究指出在航空航天、空间攻防、工业流水线以及道路交通中存在大量高速运动的目标,这些目标表面特征复杂,包含各类直线特征、椭圆特征以及其他不规则特征,为了实现目标定位,可以利用目标直线特征参数进行位姿解算,从而确定目标位置信息,而当前直线特征检测速度慢,资源耗费大成为制约高速测量的一个关键问题,因此对运动目标的直线特征进行高速视觉检测成为本论文研究的价值所在。本论文以直线特征的高速检测为目的,通过对系统结构进行优化,利用视觉检测的方法通过硬件加速技术实现直线特征的高速检测。首先对硬件系统进行了探讨,在图像传输过程中采取CameraLink高速传输接口解决了图像传输过程中的耗时问题,然后提出了基于FPGA的硬件处理单元实现高分辨率图像下大数据量的并行计算问题。然后对系统算法布局进行了探讨,对图像预处理算法与直线特征识别算法进行了系统级任务流水线布局,根据FPGA并行流水线处理的优势,各算法之间采用重迭布局与独立布局相融合的方式,提高了系统算法的处理效率。接着对图像预处理中的中值滤波、边缘提取、阈值处理以及边缘细化算法的结构进行了优化,并且基于FPGA实现了算法加速处理,实现了单时钟下同时处理多像素的功能。最后通过图像预处理得到的边缘像素点进行直线特征识别。本论文分析了限制直线特征检测速度的主要原因,提出了基于FPGA实现直线特征识别的新方法,通过对传统霍夫变换算法的改进,利用FPGA并行处理的特点,将霍夫变换算法在FPGA上实现,对参数坐标计算过程进行了加速处理,并且在投票统计阶段提出一种局部优化统计处理算法,减少了高分辨率下系统资源的耗费,实现了直线特征的高速视觉检测。最后通过系统实验,对直线检测准确度以及系统鲁棒性进行了验证,并且对系统的实时性以及资源占用情况做了分析。实验结果表明,硬件加速技术可以有效地提升直线检测的速度并且具有非常高的检测准确度以及鲁棒性,在2320×1726的高分辨率、相机满帧频工作的状态下,系统实时处理帧频达到193 fps,具有较高的实时性,并且通过本文算法的优化处理减少了系统的资源消耗,提高了系统的使用效率。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
宋怀波,姜波,吴倩,李通,何东健[3]（2018）在《基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法》一文中研究指出针对人工跛行检测不够及时,难以发现突发中、重度跛行及轻度跛行行为的问题,该文提出了一种基于正态分布背景统计模型(normal background statistical model,NBSM)与局部循环中心补偿跟踪模型(local circulation center compensation track,LCCCT)和线性斜率最近邻分类(distilling data of KNN,DSKNN)技术的奶牛跛行检测方法。首先利用NBSM模型对奶牛序列图像中的目标奶牛像素区域进行分割,然后对得到的奶牛像素区域利用LCCCT模型提取目标奶牛身体前部像素区域,用其区域通过DSKNN模型提取目标奶牛的头部、颈部以及与颈连接的背部轮廓线拟合直线斜率数据,基于大样本视频序列帧数据将视频集制成轻度跛行、中重度跛行及正常等3类标签的斜率数据集。为了验证算法的有效性,对随机选取的18段奶牛视频进行了验证,其中正常奶牛、轻度跛行奶牛及中重跛行奶牛视频段各6段,获得头部、颈部及背部连接处的拟合直线斜率数据集。在未清洗的数据集上,分别利用SVM、Naive Bayes以及KNN分类算法进行了奶牛跛行的分类检测试验,试验结果表明,SVM与Naive Bayes跛行分类检测正确率均为82.78%,KNN奶牛跛行检测正确率为81.67%。将未清洗的数据集进行清洗后,3类算法的结果表明,KNN分类算法的跛行检测正确率达93.89%,高于SVM分类算法的91.11%及Naive Bayes分类算法的86.11%。上述结果表明通过头部、颈部及背部连接处的拟合直线斜率特性可以正确检测奶牛跛行,未清洗的数据经数据清洗后,KNN分类算法可以取得更好的检测结果。该研究结果对于奶牛跛行疾病的预防、诊断具有重要意义。(本文来源于《农业工程学报》期刊2018年15期）
孙俊锋,丁少闻,张小虎,张跃强[4]（2017）在《结合像素局部对比度的直线特征检测算法》一文中研究指出鲁棒高效的直线提取算法在空间目标位姿估计、跟踪、骨架重建等领域有广泛的应用。提出基于像素局部对比度和全局虚警抑制的直线段检测算法。算法分为四步:第一步,计算像素点的梯度以及局部对比度;第二步,将方向大致相同的像素点分成直线支撑区域(像素方向为像素梯度方向的顺时针垂直方向),并对支撑区域进行矩形近似;第叁步,在直线支撑区域内拟合直线段,计算直线参数;第四步,根据直线支撑区域信息验证直线段,抑制虚警。实验测试结果表明:该算法在复杂条件下,特别是光照影响条件下,具有更好的鲁棒性和效率。(本文来源于《国防科技大学学报》期刊2017年06期）
闫兆进,孟丽娜[5]（2017）在《基于直线特征检测的道路边线自动提取方法》一文中研究指出针对如何从车载激光点云数据中快速、准确地提取道路边线的问题,本文提出一种基于直线特征检测的道路边线自动提取方法。首先对原始点云进行地面滤波,删除非地面点,获取包含道路信息的地面点云,接着把点云投影到二维图像上,根据反射强度获得平均强度图像,对平均强度图像进行LSD直线检测,获得道路边线的直线段,然后进行直线连接,把检测出来的短线段连接成长直线,最后根据直线特征提取出道路边线,并且利用定量指标对提取结果进行定量分析。实验证明,该方法提取的道路边线具有较高的准确率和完整性。(本文来源于《测绘工程》期刊2017年03期）
郭文俊,常桂然,乔世东[6]（2016）在《基于Hough直线特征的障碍物检测方法》一文中研究指出在平时的生活中障碍物的检测有着重要的应用,为了减少交通事故的发生,降低其而带来的危害,针对障碍物检测过程中出现的问题,在研究障碍物改进技术的基础上。本文从图像边缘信息的角度上,对障碍物检测技术进行了分析研究,提出了基于Hough直线特征的障碍物检测方法,该方法利用图像的特征信息实现了对障碍物轮廓的检测。(本文来源于《软件》期刊2016年09期）
赵夏君[7]（2014）在《对边缘不突出的显微镜影像进行边缘特征提取与Hough直线检测》一文中研究指出文章主要介绍如何对边缘不突出的显微镜进行边缘特征提取与Hough直线检测,其中涉及到数字图像处理中的边缘检测、图像二值化及Hough直线检测算法。(本文来源于《电脑与信息技术》期刊2014年03期）
孟钢,贺杰,鲍莉,王建涛,颜孙震[8]（2014）在《基于遥感图像分块直线特征检测的机场跑道检测方法》一文中研究指出针对遥感图像机场跑道检测问题,提出了一种基于图像分块直线特征检测的机场跑道检测方法。首先,针对遥感图像数据量大带来的计算处理问题,设计了基于直线分割检测子(LSD)的遥感图像分块直线特征检测环节;然后,在总结归纳机场跑道数学特性的基础上,对提取的直线特征进行平行线分组、直线生长、平行线合并,并以Radon变换为基础,找出候选机场跑道区域;最后,使用灰度统计信息并结合梯度方向直方图对候选区域进行处理,筛选出最终的机场道路区域。实验结果表明,在能够提取出有效直线特征的情况下,该方法可以对多类机场跑道进行有效定位。(本文来源于《航空学报》期刊2014年07期）
周智,蔡自兴,余伶俐[9]（2011）在《基于直线特征提取的自主车辆可通行区域检测》一文中研究指出为了使环境感知器在室外非结构化环境中为自主车辆的导航检测道路边界信息及可通行区域,利用车载激光雷达所采集的数据,在最小二乘法(LSM)和连续边缘跟踪法(SEF)的基础上,提出了一种改进的直线特征提取算法SEF-LSM-BM.该算法引入回退机制、逻辑推理和特征合并的方法,区分路边界和障碍物,并对自主车辆可通行区域进行检测.最后使用同一帧激光雷达数据对3种算法进行了实验,结果表明:与LSM和SEF-LSM算法相比,SEF-LSM-BM算法能够快速准确地检测、合并路边界,标记高危障碍物,给出可通行区域.(本文来源于《华中科技大学学报(自然科学版)》期刊2011年S2期）
王国刚,史洪岩,刘云鹏[10]（2010）在《基于边缘跟踪的直线特征检测算法》一文中研究指出针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.(本文来源于《沈阳工业大学学报》期刊2010年06期）
特征直线段检测论文开题报告
（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：
在航空航天、空间攻防、工业流水线以及道路交通中存在大量高速运动的目标,这些目标表面特征复杂,包含各类直线特征、椭圆特征以及其他不规则特征,为了实现目标定位,可以利用目标直线特征参数进行位姿解算,从而确定目标位置信息,而当前直线特征检测速度慢,资源耗费大成为制约高速测量的一个关键问题,因此对运动目标的直线特征进行高速视觉检测成为本论文研究的价值所在。本论文以直线特征的高速检测为目的,通过对系统结构进行优化,利用视觉检测的方法通过硬件加速技术实现直线特征的高速检测。首先对硬件系统进行了探讨,在图像传输过程中采取CameraLink高速传输接口解决了图像传输过程中的耗时问题,然后提出了基于FPGA的硬件处理单元实现高分辨率图像下大数据量的并行计算问题。然后对系统算法布局进行了探讨,对图像预处理算法与直线特征识别算法进行了系统级任务流水线布局,根据FPGA并行流水线处理的优势,各算法之间采用重迭布局与独立布局相融合的方式,提高了系统算法的处理效率。接着对图像预处理中的中值滤波、边缘提取、阈值处理以及边缘细化算法的结构进行了优化,并且基于FPGA实现了算法加速处理,实现了单时钟下同时处理多像素的功能。最后通过图像预处理得到的边缘像素点进行直线特征识别。本论文分析了限制直线特征检测速度的主要原因,提出了基于FPGA实现直线特征识别的新方法,通过对传统霍夫变换算法的改进,利用FPGA并行处理的特点,将霍夫变换算法在FPGA上实现,对参数坐标计算过程进行了加速处理,并且在投票统计阶段提出一种局部优化统计处理算法,减少了高分辨率下系统资源的耗费,实现了直线特征的高速视觉检测。最后通过系统实验,对直线检测准确度以及系统鲁棒性进行了验证,并且对系统的实时性以及资源占用情况做了分析。实验结果表明,硬件加速技术可以有效地提升直线检测的速度并且具有非常高的检测准确度以及鲁棒性,在2320×1726的高分辨率、相机满帧频工作的状态下,系统实时处理帧频达到193 fps,具有较高的实时性,并且通过本文算法的优化处理减少了系统的资源消耗,提高了系统的使用效率。
（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。
特征直线段检测论文参考文献
[1].余东行,郭海涛,赵传,李道纪,张保明.直线特征辅助的靠岸舰船检测[J].测绘科学技术学报.2019
[2].朱欢欢.基于FPGA的直线特征高速视觉检测方法研究[D].哈尔滨工业大学.2019
[3].宋怀波,姜波,吴倩,李通,何东健.基于头颈部轮廓拟合直线斜率特征的奶牛跛行检测方法[J].农业工程学报.2018
[4].孙俊锋,丁少闻,张小虎,张跃强.结合像素局部对比度的直线特征检测算法[J].国防科技大学学报.2017
[5].闫兆进,孟丽娜.基于直线特征检测的道路边线自动提取方法[J].测绘工程.2017
[6].郭文俊,常桂然,乔世东.基于Hough直线特征的障碍物检测方法[J].软件.2016
[7].赵夏君.对边缘不突出的显微镜影像进行边缘特征提取与Hough直线检测[J].电脑与信息技术.2014
[8].孟钢,贺杰,鲍莉,王建涛,颜孙震.基于遥感图像分块直线特征检测的机场跑道检测方法[J].航空学报.2014
[9].周智,蔡自兴,余伶俐.基于直线特征提取的自主车辆可通行区域检测[J].华中科技大学学报(自然科学版).2011
[10].王国刚,史洪岩,刘云鹏.基于边缘跟踪的直线特征检测算法[J].沈阳工业大学学报.2010