导读:本文包含了直线特征检测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:直线,特征,跑道,算法,卷积,图像,边缘。
直线特征检测论文文献综述
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）
宋怀波,姜波,吴倩,李通,何东健[2]（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[3]（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）
郭文俊,常桂然,乔世东[4]（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[5]（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[6]（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[7]（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[8]（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）
陈仁杰,刘利刚,董光昌[9]（2010）在《图像主特征直线的检测算法》一文中研究指出直线特征的检测是计算机视觉与图像处理的基本任务之一。主特征直线是图像中最显着而且被人们最为关心的一些直线。本文提出了从图像中自动检测主特征直线的算法。首先利用图像分割算法分析得到图像的特征边缘,然后用短线段逼近这些边缘像素,接着用动态聚类算法对这些线段进行聚类,并用直线拟合聚类中的线段得到所有可能存在的直线,最后根据直线有效性度量找到其中有效性最高的直线就是主特征直线。最后本文给出了主特征直线在图像自动修复和自动美学构图中的应用实例。(本文来源于《中国图象图形学报》期刊2010年03期）
邸男,朱明,王毅楠[10]（2009）在《提取直线特征实现机场跑道实时检测》一文中研究指出考虑基于链码跟踪和霍夫变换的传统直线检测方法对噪声敏感且计算量大的缺点,提出了将改进的链码跟踪与分层霍夫变换相结合的方法来提取直线,成功实现了航拍图像中机场跑道的实时高精度检测。采用改进的链码跟踪剔除短的和弯曲的线段,减少霍夫变换处理的点数,同时确定直线的近似方向,缩小霍夫变换的角度搜索范围。对霍夫变换进行金字塔分层计算,减小计算量。在程序设计方面,为图像建立链表结构数组,固定内存空间大小,避免了动态分配内存方式生成链表产生的越界问题。该算法已经成功嵌入TMS320C6416硬件平台。实验结果表明,本算法比传统霍夫变换算法运算量减少了约29倍,与单纯的链码跟踪直线检测相比,能够克服图像的模糊、遮挡等干扰,成功实现了机场跑道的实时精确检测。(本文来源于《光学精密工程》期刊2009年09期）
直线特征检测论文开题报告
（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：
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。
（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。
直线特征检测论文参考文献
[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].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
[3].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
[4].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
[5].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
[6].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
[7].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
[8].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
[9].陈仁杰,刘利刚,董光昌.图像主特征直线的检测算法[J].中国图象图形学报.2010
[10].邸男,朱明,王毅楠.提取直线特征实现机场跑道实时检测[J].光学精密工程.2009
论文知识图
