导读:本文包含了特征块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:特征,视觉,表情,机器,长波,神经网络,电子。
特征块论文文献综述
江渊广,张鹏,王栋,张二东,战茜[1]（2018）在《特征块权重化的面部表情识别研究》一文中研究指出立足于提高表情识别的正确率,对提取的特征进行分块权重化处理。首先提取面部表情的Gabor纹理特征以及几何特征,并采用PCA降低Gabor特征的维度。针对面部关键轮廓点组成的几何特征,提出将整个面部的几何特征分成左眼、右眼、嘴巴叁个特征块,分别进行Procrustes Analysis,将各个特征块进行对齐,解决不同人面部器官大小、位置不一致的问题。针对不同特征、不同特征区域对表情识别贡献率不同的问题,提出基于特征块权重化的Bp神经网络(Feature Block Weighting Bp,FBWBp),在Bp神经网络的输入层前增加了一层权重层,实现对各个特征块的权重化,将特征块的权重化与分类器结合起来,通过训练样本的训练,权重层的权重值和Bp神经网络各层的权重值同时进行搜索优化。选择JAFFE表情库进行表情分类实验验证,实验结果表明该方法可以提高准确率2%到4%左右,该实验提出方法可以提高面部表情的识别正确率。(本文来源于《工业控制计算机》期刊2018年02期）
王丹[2]（2017）在《中层特征块分类的运动视频运动员检测模型》一文中研究指出针对单一的特征提取算法在运动员检测中还存在漏检较多的问题,本文提出了一种中层特征块分类的运动视频运动员检测模型。首先采用中层特征块作为描述运动员的特征,然后采用SLIC算法进行超像素分割,利用像素的CIELAB颜色空间和XY空间坐标构建像素的5维特征,最后采用高斯分量的全协方差混合高斯模型建立前景背景像素描述模型,提高检测精度。仿真实验结果表明,本文提出的改进模型,相比较HOG算法和SVM算法,检测结果更准确的表示了运动员区域。(本文来源于《科技通报》期刊2017年12期）
张淮,吴秦,王念兵,许洁[3]（2017）在《协同表示下显着特征块筛选的人脸表情识别》一文中研究指出针对人脸不同区域对于各种表情具有不同程度的区分性这一发现,提出一种基于协同表示(Collaborative Representation,CR)筛选特征块的人脸表情识别新方法.首先,通过协同表示学习训练样本,筛选出使得认证样本集中各类表情识别率达到最高的若干候选特征块;之后,在测试阶段,针对每个测试样本从候选块中自动筛选出独立的样本特征块,用于对该测试样本进行分类.与以往的块筛选方法不同,本文针对单个测试样本筛选出区分性的块.本文方法在CK+和JAFFE人脸表情库上的表现超越了其他特征块相关方法,并在不同分辨率和多种强度表情下取得了较好的识别效果.(本文来源于《小型微型计算机系统》期刊2017年10期）
张昊[4]（2017）在《基于多尺度金字塔特征块提取HOG特征的新型人脸识别算法》一文中研究指出人脸识别作为一项具有挑战性的课题和长期存在的学术问题,在越来越多的方向被应用,如:信息安全、金融、法律约束、门禁系统以及诸多智能领域。作为一种非接触性、远距离、隐蔽性很强的生物识别手段,人脸识别技术能够在现实场景中迅速地辨别出人类个体的身份。然而,人脸识别在实际使用中,所获取到的人脸图片经常来源于复杂的环境,在图片中可能充斥着光照变化,人脸表情的变化或者遮挡情况等等。在这些情况下,要正确识别待分类的人脸图片对于计算机来说是一种巨大的挑战和困难。本文利用HOG(Histogram of Oriented Gradients)特征的优点,提出了基于多尺度金字塔特征块的人脸识别算法(Multi-Layer Pyramid Feature Blocks)。首先,对于已经预处理好的人脸图片如AR人脸库或Yale人脸库的图片,本文对其进行向上和向下降采样,以模拟人眼在观察物体时不同尺度下的观察过程。这个过程的本质是人为地增加了图像信息的丰富程度,获得了图像在空间上更多维度的信息并且很好地模拟了人眼的工作过程。此外,人脸图片的关键部位如眼睛、眉毛、鼻子、鼻梁、嘴巴等含有大量具有区分度的特征信息,同时这些部位之间的结构性和全局性的信息也具有很强的区分度,也是人类在识别不同个体时最重要的区分依据。为了突出人脸图片这些关键部位的特征信息以及相互之间的结构信息,同时也为了弱化人脸图片中的次要信息并增强人脸识别算法对于遮挡、人脸表情变换等情况的鲁棒性,本文提出了人脸特征块这一概念并使用融合的人脸特征块特征作为一张人脸图片的更有效表达方式以获得整体和细节信息。在每层金字塔上,本文进行了多组实验来测试特征块数量、大小和位置等变量对于识别效果的影响并取出识别效果最理想的一组,从预处理好的图片中提取HOG特征以获取更具区分度和代表性的表达方式。紧接着,本文把每一张图片的所有特征块按照一定顺序进行融合以获得更加有代表性和整体性的特征。除此之外,本文还使用多尺度金字塔来构建邻近图(Neighbor Graph)并运用于局部保留投影(Locality Preserving Projection)算法中,以减少特征的维度、使分类器不容易过度拟合,同时加快算法匹配过程的速度。最终,本文使用最近邻分类器,在着名的人脸数据库AR人脸库和Yale人脸库验证了提出的人脸识别算法具有良好的鲁棒性和识别效果。(本文来源于《吉林大学》期刊2017-05-01）
李艳荻,徐熙平,陈江,王鹤程[5]（2017）在《动态特征块匹配的背景更新在运动检测的应用》一文中研究指出为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。(本文来源于《仪器仪表学报》期刊2017年02期）
阮峰,张辉,李宣伦,李若云[6]（2016）在《基于特征块匹配的医用注射液图像位移补偿应用》一文中研究指出针对机器视觉药液异物检测机器人由于机械振动或跟踪不同步,导致所拍摄的序列图像产生位移偏差、影响后续异物分割与提取的问题,本工作采取特征点匹配与块匹配相结合的方法,对序列图像进行配准,求出运动矢量进行图像位移补偿,克服了传统特征点匹配产生空间位置偏差较大误匹配、传统块匹配需对背景静止块进行预处理以及单独使用特征点对匹配或块匹配均难以满足实时需要的问题。首先,对参考帧进行FAST特征点检测,再利用Hessian矩阵、非极大值抑制、熵值差法和特征点距离约束选取稳定的特征点;然后,根据特征点位置信息,选取以特征点为中心的待匹配宏块,再采用一种改进的偏水平方向的六边形搜索策略(HHS)与当前帧进行块与块的匹配,找到最佳匹配块;最后,利用匹配块之间的坐标参数求出运动参数,再利用求出的运动矢量进行帧间补偿。实验结果表明,该算法实时性能能达到72ms,远快于点对匹配中ORB算法的140ms,比直接用原有的六边形搜索算法(HS)进行块匹配快了近20%,兼顾了速度与精度,能快速补偿药瓶在图像中的位移偏差,抑制图像位移偏差所引起的各种干扰。(本文来源于《影像科学与光化学》期刊2016年06期）
王凡,邢彦文[7]（2016）在《基于地面特征块匹配的机器视觉用于平整地面AGV行驶轨迹计算方法》一文中研究指出利用机器视觉技术检测地面特征,将块匹配算法用于AGV导航。首先,该方法对每2帧图像的重迭部分进行识别;然后,利用块匹配算法寻找2幅不同帧图像的重迭部分;最后,通过计算重迭部分图像在前一帧的偏移量来计算AGV移动的距离,从而完成AGV行驶轨迹的计算。实验结果表明,样车系统在不同的地面情况下达到了预期的效果,验证了该方法的有效性。(本文来源于《计算机与现代化》期刊2016年10期）
徐一鸣,顾菊平,刘晓利,陆观[8]（2013）在《基于特征块角点检测的电子稳像方法》一文中研究指出针对稳像过程中的局部运动干扰,提出了一种基于特征块角点检测的电子稳像算法。该算法采用SUSAN算子,对均匀分布的大尺寸特征块进行检测,并构造特征块及对应检索区域角点集合。通过计算基于角点响应函数的修正Hausdorff距离实现背景局部遮挡下的特征块配准,进而通过运动矢量一致性检测得到有效运动矢量。实验结果表明,该方法对实测抖动视频序列的平均峰值信噪比在稳像后提高了19.83 dB,对局部运动干扰下的抖动图像序列具有较好的稳像性能。(本文来源于《计算机应用研究》期刊2013年10期）
银召利[9]（2011）在《正则长波方程的特征块中心差分方法》一文中研究指出正则长波方程简称RLw(Regularised Long wave)方程，是流体力学中一个着名的非线性波动方程．在偏微分方程以及许多物理现象中，如孤立子理论，浅水波和离子声波等问题中，正则长波方程占据着十分重要的地位．首先，简要介绍了本文所研究问题的背景和现状，并简单介绍本文所做的工作及用到的基本理论知识．其次，针对正则长波方程的初边值问题，分别给出了一维线性和二维线性正则长波方程的特征块中心差分方法．不但得到了方程的近似解，也得到了解的一阶导数的近似值及其误差估计，其近似解按照离散L2。范数达到最优阶误差估计．所讨论方法的近似解和基于二次插值的特征差分法的近似解具有相同阶的误差估计，解得一阶导数的近似值则具有超收敛性，达到了同近似解相同的精度．最后，结合特征块中心差分方法，给出实际的数值试验算例．结果表明解的一阶导数的近似值同近似解具有相同的精度，数值试验说明了该方法的有效性和可行性．(本文来源于《河南师范大学》期刊2011-04-01）
许静,许廷发[10]（2010）在《一种特征块与点结合的高精度电子稳像方法》一文中研究指出针对传统电子稳像方法的稳像精度低的问题,提出一种基于特征块与点结合的高精度电子稳像方法。该算法首先将图像分块,检测其每一块的特征,确定和整幅图像灰度均值差异最大的特征块,在特征块中寻找极值点,检测k阶极值点作为特征点用于运动矢量的估计。并且计算这组极值点的特征代表点。然后根据帧与帧之间特征代表点的位置确定帧间的位移矢量,并对其补偿。实验表明,该方法能准确地标定帧间的特征点,提高了稳像的精度。(本文来源于《第九届全国光电技术学术交流会论文集（下册）》期刊2010-05-29）
特征块论文开题报告
（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：
针对单一的特征提取算法在运动员检测中还存在漏检较多的问题,本文提出了一种中层特征块分类的运动视频运动员检测模型。首先采用中层特征块作为描述运动员的特征,然后采用SLIC算法进行超像素分割,利用像素的CIELAB颜色空间和XY空间坐标构建像素的5维特征,最后采用高斯分量的全协方差混合高斯模型建立前景背景像素描述模型,提高检测精度。仿真实验结果表明,本文提出的改进模型,相比较HOG算法和SVM算法,检测结果更准确的表示了运动员区域。
（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。
特征块论文参考文献
[1].江渊广,张鹏,王栋,张二东,战茜.特征块权重化的面部表情识别研究[J].工业控制计算机.2018
[2].王丹.中层特征块分类的运动视频运动员检测模型[J].科技通报.2017
[3].张淮,吴秦,王念兵,许洁.协同表示下显着特征块筛选的人脸表情识别[J].小型微型计算机系统.2017
[4].张昊.基于多尺度金字塔特征块提取HOG特征的新型人脸识别算法[D].吉林大学.2017
[5].李艳荻,徐熙平,陈江,王鹤程.动态特征块匹配的背景更新在运动检测的应用[J].仪器仪表学报.2017
[6].阮峰,张辉,李宣伦,李若云.基于特征块匹配的医用注射液图像位移补偿应用[J].影像科学与光化学.2016
[7].王凡,邢彦文.基于地面特征块匹配的机器视觉用于平整地面AGV行驶轨迹计算方法[J].计算机与现代化.2016
[8].徐一鸣,顾菊平,刘晓利,陆观.基于特征块角点检测的电子稳像方法[J].计算机应用研究.2013
[9].银召利.正则长波方程的特征块中心差分方法[D].河南师范大学.2011
[10].许静,许廷发.一种特征块与点结合的高精度电子稳像方法[C].第九届全国光电技术学术交流会论文集（下册）.2010
论文知识图
