导读:本文包含了商图像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:图像,锐化,卷积,神经网络,稀疏,线性,分量。
商图像论文文献综述
曹洁,朱晶晶,李伟,王进花[1]（2019）在《基于自商图像和随机投影的人脸识别方法》一文中研究指出针对传统基于自商图像的方法忽略对特征进行选择的问题,提出了一种结合自商图像和随机投影的人脸识别方法。采用自商图像法对人脸图像进行预处理,削弱光照影响;然后通过线性判别分析构造初始样本空间,利用多次随机投影将样本投影到不同的子空间,从而提取更具完备性和判别性的光照不变特征。最后用最近邻分类器对样本进行分类。在Yale B和AR人脸库上的实验表明:所提算法可以提取对光照鲁棒且具有鉴别性的人脸特征,从而提高光照变化条件下人脸识别的准确率。(本文来源于《传感器与微系统》期刊2019年07期）
邓芳娟[2]（2018）在《稀疏表示和自商图像在人脸识别中的应用研究》一文中研究指出人脸识别作为计算机视觉和模式识别领域的重要研究课题之一,具有非常广泛的应用价值。近年来人脸识别技术发展迅速,稀疏表示分类(Sparse Representation Classification,SRC)作为一个新兴领域,因具有表现形式简单、重构信号精确度较高以及鲁棒性更强等诸多优势,已被成功地应用到人脸识别中,且取得了较好的识别效果。然而,目前的稀疏表示分类算法大部分都是基于全局特征,这就使其很难克服人脸图像中存在的遮挡、姿态、表情和光照等一系列变化,同时实时性不高也制约了 SRC在实际生产生活中的应用。针对SRC算法的不足,本文深入研究数据的局部结构信息并将其引入到SRC模型中,旨在提升识别算法的准确性和鲁棒性。本文的主要研究内容如下:1.针对SRC算法在较大类内变化下表现不足的问题,给出了改进的加权稀疏表示分类算法(WSRC_DALM)。该算法借助高斯核距离度量训练样本与测试样本之间的相似度,并对高斯核参数进行改进,通过对图像进行分块处理实现特征降维,之后采用对偶增广拉格朗日乘子法(Dual Augmented Lagrange Multiplier,DALM)来求解稀疏表示系数和重构测试图像,最后通过重构残差进行分类识别。2..针对复杂光照变化下的人脸识别问题,给出自商图像(Self-QuotientImage,SQI)和WSRC_DALM算法相结合的人脸识别方法,通过利用自商图像算法先消除光照的影响,获取标准光照条件下的人脸图像,然后利用WSRC_DALM算法进行识别分类。所提出的人脸识别方法可同时解决存在较大类内和复杂光照等变化的人脸识别问题。3.借助ORL和FEI人脸库,对比了 SRC、加权稀疏表示分类算法(Weighted Sparse Representation Classification,WSRC)和 WSRC_DALM 算法的识别率和时间效率,并在Yale B和CMU-PIE人脸库上验证自商图像和WSRC_DALM算法相结合的人脸识别方法的有效性。实验结果表明:(1)WSRC_DALM算法能够有效提高较大类内变化下(多姿态)人脸识别的准确率和鲁棒性;(2)自商图像法可有效的消除光照对人脸图像的影响,提高识别效率;(3)自商图像和WSRC_DALM算法相结合不仅提高了复杂光照变化下的人脸识别率,而且对于光照和姿态、表情等混合干扰的人脸图像识别问题,具有较强的鲁棒性。(本文来源于《西安理工大学》期刊2018-06-30）
汪亚楠[3]（2018）在《基于卷积神经网络的电商图像识别研究》一文中研究指出随着互联网技术的发展,信息呈指数爆炸,文字搜索已经不能满足人们的搜索需求,相对于文字提供的信息而言,图片有着天然的直观优势。图像识别及检索技术在诸多领域发挥着重要作用,尤其在电商平台,以图搜图的购物方式已成为逐渐流行的购物方式,用户可以随时随地拍照,快速在网站搜索出想购买的商品。卷积神经网络(CNN)以其权值共享、局部提取特征、逐层稀疏等特点在处理图像识别问题上发挥着巨大优势,广泛应用于图像识别领域中。但大量有标记的训练样本是模型成功的因素之一,收集及预处理数据是一个耗时耗力的过程,迁移学习可以解决此类问题。本文在研究国内外深度学习和迁移学习理论成果与工程应用的基础上,结合Tensor Flow深度学习框架,构建了图像识别与图像检索模型,并以电商平台为应用背景对理论成果了进行验证。本文首先深入研究了卷积神经网络和图像识别的研究现状及技术难点,总结了基于内容的图像检索算法应用现状。其次,从淘宝平台爬取真实的图像数据,对数据清洗后运用图像增强方式,将同一张图片随机旋转、裁剪、色彩变换、添加噪声等衍生出多张图片,减小搜索实例偏差对模型识别的影响。再结合迁移学习的方法,微调Inception神经网络模型识别图像种类,包括图片类目信息、穿衣风格等。最后通过实验对传统图像检索方法的原理及优缺点进行研究,并提出了基于CNN的图像检索方式,利用CNN提取图像特征得到高维特征向量后降维去除冗余特征,再计算图片间相似度,实现了较精准的图像检索。由电商图像实验结果得一级类目图像分类精度为99.1%,二级类目准确率达到了87.7%,图像风格分类精度为91.8%,CNN图像检索MAP达到了0.64。可以看出,本文基于迁移学习的深度学习算法在图像分类预测及相似度检索上的精确度优于传统的图像识别方法。(本文来源于《华中科技大学》期刊2018-05-01）
陈俊[4]（2017）在《基于云班课的翻转课堂教学研究与实践——以电商专业《电商图像编辑》课程为例》一文中研究指出本文以电子商务专业《电商图像编辑》课程为例,探讨以云班课和翻转课堂结合的教学方法;通过陈述云班课教学流程、课程结构、教学设计来阐述该种混合式教学方法。较好地探索"互联网+职业教育"的现代教学理念,并积累相关教学经验,利于推广和同行借鉴。(本文来源于《计算机产品与流通》期刊2017年08期）
王刘涛,李肖立[5]（2014）在《自商图像优化加权LBP直方图的光照变化人脸识别》一文中研究指出针对光照变化环境下人脸识别难度大的问题,提出了一种基于自商图像(SQI)和加权局部二值模式(LBP)的光照变化人脸识别方法。首先,利用SQI方法消除光照变化;然后,将两个加权的多区域LBP分别应用于各个图像以提取光照不变特征;最后,将自商图像方法和加权LBP算法提取的直方图融合形成最终的特征向量并用于人脸识别。在扩展YaleB和CMU-PIE人脸数据库上的实验结果表明,相比其他几种人脸识别方法,取得了更好的识别效果。(本文来源于《科学技术与工程》期刊2014年28期）
施水才,杨忱,王涛,吕学强[6]（2013）在《基于自商图像的人脸图像增强》一文中研究指出为了降低光照对人脸识别效果的影响,通过多层次自商图像的方法获得反射系数。将原图作为输入图像采用反锐化掩模滤波的方式进行增强,再通过自商图像方法获得反射系数和光照成分;把光照成分作为输入图像,重复以上操作,对每次得到的反射系数按比例融合得到最终的反射系数。YaleB人脸库上的实验结果表明,该方法能在一定程度上去除光照的影响,使人脸识别率有一定的提高。(本文来源于《计算机工程与应用》期刊2013年13期）
龚赟,曾庆山[7]（2011）在《独立分量分析法改进商图像》一文中研究指出商图像方法是一种处理人脸识别中光线变化问题的简便方法,但其存在理想类假设不准确以及叁维点光源无法很好地近似任意光照情况两个问题。针对这些不足,本文利用最小二乘法解决不准确理想类的问题,并提出了一种基于独立分量分析的商图像改进方法,解决叁维点光源模型无法很好地近似任意光照情况的问题。仿真实验结果表明:所提方法与原方法相比具有更好的图像合成效果和人脸识别性能。(本文来源于《河南科技大学学报(自然科学版)》期刊2011年03期）
葛国强[8]（2010）在《基于商图像光照补偿的改进》一文中研究指出人脸识别作为模式识别的一种已经在信息安全、门禁系统等领域得到了广泛的应用。影响其性能的因素有很多,其中光照、姿态和表情是影响人脸识别性能的叁大主要因素,这其中光照问题对人脸识别的影响尤为明显,已有诸多研究表明同一光照下的不同人脸的光照图像比不同光照下同一个人脸图像的相似性系数更大。本文正是针对人脸识别中的光照补偿问题展开理论和应用研究。本文首先对人脸识别技术及光照问题的研究现状做了较全面的概述,然后重点介绍了SFS法和商图像法这两种经典的基于二维图像样本合成的方法,其中商图像法以其需要样本少和计算简便等特点优于SFS法。本文的主要研究工作是对商图像法进行改进和应用。通过对传统商图像法理论和实验上的分析,发现商图像法本身所存在的一些不足(如对阴影处理效果特别差)限制了它在实际应用中的作用。本文针对传统商图像法中一些不合理的假设条件和算法实现进行了如下改进：(1)通过增加点光源的数量,把原来3个点光源增加至9个点光源,使得任何复杂光照能够被更精确的逼近；(2)用PCA方法合成逼近待测人脸来取代原商图像法的平均人脸,使其更好地满足商图像法中所有人脸外形相同这一条件假设；(3)通过给出光照补偿的适用条件来预估人脸是否需要光照补偿来减少不必要的运算；(4)在计算商图像时,利用对数变换将原方法中的矩阵商运算转化成差运算,这样不仅减少了运算量,而且也减少了因矩阵的商运算造成的截断误差。最后本文在Extended Yale B人脸库上进行实际测试,实验结果表明本文改进的方法在大大降低运算量的同时,有效地提高了光照变化下的人脸识别率,特别是对于光照条件大范围变化时,本文方法优势更加明显。(本文来源于《大连理工大学》期刊2010-11-01）
刘丽华,王映辉,邓方安[9]（2009）在《基于小波商图像的人脸光照补偿》一文中研究指出复杂光照条件下的人脸识别是一个困难但需迫切解决的问题,为此提出了一种有效的光照补偿算法。该方法根据人脸光照线性变换子空间理论——商图像理论,构造了小波低维训练集,实现了对待识别图像的光照条件估计,并且通过加光和去光策略增强了光照补偿效果。与传统商图像理论相比,该方法利用小波分解,提高的算法执行效率,实验结果表明,该算法以较小的代价取得了较高的识别性能。(本文来源于《计算机工程与设计》期刊2009年14期）
刘丽华[10]（2008）在《基于线性子空间和商图像理论的人脸光照补偿》一文中研究指出光照是影响人脸识别率的主要因素,它已成为人脸识别技术发展的瓶颈。根据商图像理论,在所构造的低维训练集上对待识别的图像进行光照条件估计,通过加光和去光两种方法,实现了光照补偿的目的,并通过识别实验验证了其补偿效果。(本文来源于《计算机工程与应用》期刊2008年25期）
商图像论文开题报告
（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：
人脸识别作为计算机视觉和模式识别领域的重要研究课题之一,具有非常广泛的应用价值。近年来人脸识别技术发展迅速,稀疏表示分类(Sparse Representation Classification,SRC)作为一个新兴领域,因具有表现形式简单、重构信号精确度较高以及鲁棒性更强等诸多优势,已被成功地应用到人脸识别中,且取得了较好的识别效果。然而,目前的稀疏表示分类算法大部分都是基于全局特征,这就使其很难克服人脸图像中存在的遮挡、姿态、表情和光照等一系列变化,同时实时性不高也制约了 SRC在实际生产生活中的应用。针对SRC算法的不足,本文深入研究数据的局部结构信息并将其引入到SRC模型中,旨在提升识别算法的准确性和鲁棒性。本文的主要研究内容如下:1.针对SRC算法在较大类内变化下表现不足的问题,给出了改进的加权稀疏表示分类算法(WSRC_DALM)。该算法借助高斯核距离度量训练样本与测试样本之间的相似度,并对高斯核参数进行改进,通过对图像进行分块处理实现特征降维,之后采用对偶增广拉格朗日乘子法(Dual Augmented Lagrange Multiplier,DALM)来求解稀疏表示系数和重构测试图像,最后通过重构残差进行分类识别。2..针对复杂光照变化下的人脸识别问题,给出自商图像(Self-QuotientImage,SQI)和WSRC_DALM算法相结合的人脸识别方法,通过利用自商图像算法先消除光照的影响,获取标准光照条件下的人脸图像,然后利用WSRC_DALM算法进行识别分类。所提出的人脸识别方法可同时解决存在较大类内和复杂光照等变化的人脸识别问题。3.借助ORL和FEI人脸库,对比了 SRC、加权稀疏表示分类算法(Weighted Sparse Representation Classification,WSRC)和 WSRC_DALM 算法的识别率和时间效率,并在Yale B和CMU-PIE人脸库上验证自商图像和WSRC_DALM算法相结合的人脸识别方法的有效性。实验结果表明:(1)WSRC_DALM算法能够有效提高较大类内变化下(多姿态)人脸识别的准确率和鲁棒性;(2)自商图像法可有效的消除光照对人脸图像的影响,提高识别效率;(3)自商图像和WSRC_DALM算法相结合不仅提高了复杂光照变化下的人脸识别率,而且对于光照和姿态、表情等混合干扰的人脸图像识别问题,具有较强的鲁棒性。
（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。
商图像论文参考文献
[1].曹洁,朱晶晶,李伟,王进花.基于自商图像和随机投影的人脸识别方法[J].传感器与微系统.2019
[2].邓芳娟.稀疏表示和自商图像在人脸识别中的应用研究[D].西安理工大学.2018
[3].汪亚楠.基于卷积神经网络的电商图像识别研究[D].华中科技大学.2018
[4].陈俊.基于云班课的翻转课堂教学研究与实践——以电商专业《电商图像编辑》课程为例[J].计算机产品与流通.2017
[5].王刘涛,李肖立.自商图像优化加权LBP直方图的光照变化人脸识别[J].科学技术与工程.2014
[6].施水才,杨忱,王涛,吕学强.基于自商图像的人脸图像增强[J].计算机工程与应用.2013
[7].龚赟,曾庆山.独立分量分析法改进商图像[J].河南科技大学学报(自然科学版).2011
[8].葛国强.基于商图像光照补偿的改进[D].大连理工大学.2010
[9].刘丽华,王映辉,邓方安.基于小波商图像的人脸光照补偿[J].计算机工程与设计.2009
[10].刘丽华.基于线性子空间和商图像理论的人脸光照补偿[J].计算机工程与应用.2008
论文知识图
