导读:本文包含了兴趣点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:兴趣,灰度,滤波器,信息,算法,群体,图像。
兴趣点检测论文文献综述
张宏根[1]（2019）在《基于眼动跟踪的人眼兴趣点检测》一文中研究指出眼动跟踪技术已经成为人机交互、心理测试、虚拟现实、人工智能等领域的重要关注技术。人的眼睛是人心理和思想在外观上的重要表现形式,而眼动跟踪技术通过提取人眼信息进而反应出人的心理变化。利用机器视觉和图像处理技术对人眼信息进行提取是本文的研究重点。在传统的人眼跟踪上,本文的主要创新和研究有如下几点:1、本文提出了一个基于深度学习的人眼跟踪方法。该方法采用的网络为一个包含叁个卷积层,叁个池化层和两个全连接的新网络,利用卷积神经网络(CNN)能够简洁和高效的对人眼关键点位置进行检测,准确率达到88%。实验结果表明该模型相比传统级联分类更加准确。2、本文在传统的最大类间方差的基础上改进并提出了一个新的瞳孔和光斑提取方法。该方法将边缘检测与阈值处理相结合。基于对瞳孔位置的先验知识,可以忽略图像边缘的梯度值。利用提出的梯度检验算子确定梯度点坐标的最大值点,根据图像像素大小,确定以最大值为中心的感兴趣矩形区域。该方法在该区域进行阈值处理可以更好地避免环境和噪声的干扰。3、本文将基于眼动跟踪的兴趣点检测算法应用于兴趣测试系统,对人眼注视点进行实时估计。系统通过同时检测人眼注视点和人脸表情变化,对受试者的兴趣爱好进行判断,表明了本文算法的应用价值。4、本文提出了基于阵列相机的图像超分辨算法,该方法能够比较好的提高实验图像的分辨率,并且多镜头可以为确定叁维空间位置坐标提供基础,克服二维平面下眼动跟踪需要保持头与镜头的位置保持不变和距离较短的缺点,为阵列相机应用到眼动跟踪中提供算法基础。(本文来源于《北方工业大学》期刊2019-05-23）
陈晓宁,赵健,杨润丰[2]（2017）在《基于兴趣点检测的视觉关键词提取新方法研究》一文中研究指出基于内容的图像检索的一个突出问题是提取整幅图像的全局特征,而用户通常只关注一幅图像中的局部区域。对于如今海量的数据库,提取图像的全局特征使得数据库的信息量变得非常大。这样,从巨大的图像特征库中查找匹配的图像特征时检索准确率将大大降低。针对用户感兴趣的局部区域,提出视觉关键词的概念。一幅图像用若干个视觉关键词替代,这样一幅图像的特征量将大大减小。视觉关键词是用户感兴趣的图像区域,这样使得检索更加具有针对性。实验结果表明检索准确率有明显提高。(本文来源于《现代电子技术》期刊2017年21期）
王清,丁赤飚,付琨,任文娟[3]（2017）在《基于膨胀运算的移动对象兴趣点检测方法》一文中研究指出针对传统兴趣点检测算法在准确性和效率方面的不足,提出基于膨胀运算的移动对象兴趣点检测方法(DMDO)。通过矩阵二值化操作滤除停留点噪声,提高预测准确率,并用膨胀运算替代传统方法中的聚类算法提高算法效率。将DMDO在开放空间数据集AMSA和IMIS3Days上进行仿真实验,结果表明:DMDO相比基于密度的空间聚类算法,在数据集AMSA上准确率平均提高17.94%,算法效率提高6.63倍;在数据集IMIS3Days上准确率平均提高19.98%,算法效率提高9.13倍;相比以聚类点排序结果确定聚类结构算法,DMDO在数据集AMSA上准确率平均提高20.04%,算法效率提高14.61倍;在数据集IMIS3Days上准确率平均提高16.60%,算法效率提高42.19倍;DMDO相比传统方法均表现出较高的预测准确性、较低的时间开销,适用于解决大数据背景下的移动对象兴趣点检测问题。(本文来源于《兵工学报》期刊2017年10期）
李云红,陈双双[4]（2016）在《基于多尺度Gabor滤波器的兴趣点检测》一文中研究指出为了提高兴趣点的定位准确性,提出一种基于边缘轮廓的兴趣点检测算法。首先利用Canny边缘检测器提取边缘,将提取的边缘进行间隙填补。然后利用多尺度Gabor滤波器的虚部与输入图像卷积运算较好的提取灰度变化信息,并获得不同尺度下边缘轮廓线上像素点的归一化信息熵值。最后利用不同尺度下边缘轮廓线上像素点归一化信息熵的乘积作为新的兴趣点测度提取兴趣点。与Harris,CPDA,He&Yung叁种经典算法相比较,实验结果表明论文提出的算法是最优的,图像经过加噪后仍能很好的提取到兴趣点,具有较好定位准确性。(本文来源于《计算机与数字工程》期刊2016年12期）
丁松涛,曲仕茹[5]（2016）在《基于改进时空兴趣点检测的人体行为识别算法》一文中研究指出提出了一种基于改进时空兴趣点检测的人体行为识别算法。旨在针对复杂环境的时空特性,在传统兴趣点检测算法的基础上,加入背景点抑制和时空兴趣点约束,以减少无用兴趣点对有效兴趣点信息的干扰。为此,首先对Harris-Laplace算法进行改进,以克服兴趣点检测过程中遇到的多尺度问题和冗余点过多问题,提取筛选后的有效兴趣点作为目标的运动坐标信息。然后基于Bag-of-words模型思想,使用HOG算子对兴趣点进行特征提取,建立视觉词典,使用AIB算法合并词义相近的视觉词汇,作为单词表中的基础词汇。最后使用SVM进行人体行为分类并实现复杂环境下的人体行为识别。为了验证新算法的有效性,分别在现有的公开人体行为基准数据库和一些复杂场景下进行实验。试验结果表明,通过对无用兴趣点的抑制,能够有效降低单帧图像的计算复杂度,减少特征提取时间,提高行为识别准确度。(本文来源于《西北工业大学学报》期刊2016年05期）
吕岚[6]（2016）在《基于随机森林的快速兴趣点检测》一文中研究指出本文把兴趣点检测问题归结为模式识别中的分类问题,采用机器学习中的随机森林作为分类器,利用随机森林分类器检测一个点是否为兴趣点。在对图片进行检测之前,需要对图片进行滤波预处理,滤波预处理可以极大的减少需要进行随机森林检测的点,然后采用训练好的随机森林来检测一个点是否为兴趣点。采用机器学习的方法进行兴趣点检测可以极大的降低检测时间,更有利于实时性较强的应用。本文将提出的算法和当前经典的四种兴趣点检测算法相比,检测算法的可重复性,定位误差和时间叁个指标。实验结果表明,本文提出的基于随机森林的兴趣点检测算法相比于其他四种经典的兴趣点检测方法具有更优异的性能。不仅在可重复性能上有所提高,并且大大降低检测时间。(本文来源于《自动化技术与应用》期刊2016年09期）
周来恩,王晓丹[7]（2016）在《基于非监督特征学习的兴趣点检测算法》一文中研究指出由于兴趣点是图像中的基础、关键特征,因此兴趣点检测是图像配准、图像检索以及图像识别的关键步骤。基于兴趣点对于图像特征响应较为强烈的特性,结合非监督特征学习算法可以自主地从无标签的样本中提取特征的思想,提出了UFL-ID兴趣点检测算法。该算法无监督学习了图像的底层特征,对特征进行信息量和各向同性的评价,并利用特征的卷积响应及评价参数寻找图像中的兴趣点。与其他常见的兴趣点检测算法的对比实验表明,该算法具有良好的重复性与抗噪能力。(本文来源于《计算机科学》期刊2016年09期）
卢健,黄杰,潘峰[8]（2016）在《第二小方向导数信息熵的兴趣点检测》一文中研究指出目的为了提高兴趣点检测的定位准确性和对噪声的鲁棒性,提出利用图像轮廓线及其邻域内像素点方向导数信息熵检测兴趣点的方法。方法首先利用多方向Gabor虚部滤波器提取图像灰度变化信息得到第二小方向导数。然后利用Canny边缘检测器提取边缘映射,并填补断裂边缘映射提取边缘轮廓线。最后求解图像边缘轮廓线及其邻域内像素点对应的第二小方向导数所对应的信息熵归一化值并作为新的兴趣点测度。和直接由灰度变化信息及分析边缘轮廓形状或曲率提取兴趣点的方法相比,本文算法结合了两种算法的思想,利用轮廓线上及其邻域内的像素点梯度方向信息熵值作为兴趣点测度。同时不同于同质及边缘区域的梯度方向变化,兴趣点处的梯度方向变化信息呈现各向异性的特性,利用兴趣点第二小方向导数(第一小方向导数可能为零)对应的信息熵值作为新的兴趣点测度可提高算法的定位准确性.结果通过对检测图像进行仿射变换和加入高斯噪声处理后,分别利用Harris算子、CSS算子、He&Yung算子和本文算法提取图像兴趣点,并比较各算法在仿射变换和高斯噪声情况下检测到的兴趣点的平均重复率和定位误差两个性能指标的平均值。其中本文算法的性能指标平均值为1.625,远高于Harris(3.25)、He&Yung(2.625)和CSS(2.5)叁大兴趣点检测算子。结论通过与典型的3种算法相对比,本文算法具有较好的平均重复率及噪声鲁棒性,尤其是图像在外界干扰的旋转变换和尺度变换下对兴趣点的定位性有着更好的检测性能。(本文来源于《中国图象图形学报》期刊2016年01期）
李鹏俊,李建增[9]（2015）在《基于重心偏移量的无人机图像兴趣点检测算法》一文中研究指出针对使用定位与方向系统(POS)参数进行空间姿态校正后的无人机侦察图像在处理时容易受光照、模糊、压缩及噪声影响的问题,提出了一种基于重心偏移量(Oo B)的无人机图像兴趣点检测算法。该算法首先计算局部区域的Oo B,并将其作为兴趣点的响应函数值;然后,在5×5的邻域内采用非极大值抑制的方法获取兴趣点,并将局部区域的重心坐标作为兴趣点的位置坐标,使其定位精度达到了亚像素级。通过实验对比表明:该算法对于光照、模糊、压缩及噪声的影响都表现出较强的鲁棒性,更适合用于无人机图像兴趣点的检测。(本文来源于《传感器与微系统》期刊2015年07期）
梁玉[10]（2015）在《基于ORB兴趣点的异常行为检测技术研究》一文中研究指出异常行为检测是基于视频的行为分析和理解的第一步也是至关重要的一步。随着场景中目标数量的增加,因遮挡重迭等容易造成运动目标丢失。传统的基于目标的行为检测和追踪方法在稠密场景中具有一定的局限性,仅适合目标数量较少的场景。为了克服稠密场景中检测个体目标的困难,基于粒子平移或兴趣点追踪的整体分析的方法,能够从宏观和微观两个方面分析图像和视频的有效特征,为稠密场景中基于视频的异常行为检测提供一种不同的研究思路。本文以视频序列中个体行为和群体行为为研究对象,探索和改进以兴趣点为基础的异常行为检测方法。从图像中具有稳定特征的定向二进制简单描述符(Oriented BRIEF,ORB)兴趣点入手,结合基于金字塔模型的光流法,提取图像中ORB兴趣点在空间和时间上的基本特征,表征运动目标的行为动态特征。通过分析兴趣点光流和空间位置的关系,根据监控场景的不同进行矫正,建立正常行为基准,检测出特征尺度高于基准线的异常行为。本文主要研究结果如下:(1)针对个体异常行为检测,分析正常行走行为和异常奔跑行为视频序列中ORB兴趣点特征在空间和时间上的不同。统计个体行为的ORB兴趣点在空间区域的宽高比中位数特征和连续视频序列中的平均动态光流特征,从空时两方面表征个体行为的差异,进行个体异常行为检测。实验结果表明该方法能够准确的检测出异常行为。(2)根据异常行为适用性的不同,群体异常行为分为群体全局异常行为和群体局部异常行为。针对群体全局异常行为,利用ORB兴趣点的平均动能衡量每一帧的运动剧烈程度,根据异常发生位置,建立双阈值正常行为基准,利用K-均值聚类方法,对兴趣点的空间位置进行聚类,根据聚类中心所在的位置,提出一种自适应的选择正常行为基准的方法。针对群体局部异常行为,通过对不同空间位置处的正常兴趣点光流进行统计分析,建立一条正常行为兴趣点光流基准线,检测和定位出高于基准线的兴趣点所覆盖的运动区域,作为异常行为的发生位置。实验结果表明,基于ORB兴趣点的方法,具有较高的性能,对目标遮挡、尺度变化具有较强的适应性。并且检测精度和最新的研究方法相近。(本文来源于《郑州大学》期刊2015-05-01）
兴趣点检测论文开题报告
（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：
基于内容的图像检索的一个突出问题是提取整幅图像的全局特征,而用户通常只关注一幅图像中的局部区域。对于如今海量的数据库,提取图像的全局特征使得数据库的信息量变得非常大。这样,从巨大的图像特征库中查找匹配的图像特征时检索准确率将大大降低。针对用户感兴趣的局部区域,提出视觉关键词的概念。一幅图像用若干个视觉关键词替代,这样一幅图像的特征量将大大减小。视觉关键词是用户感兴趣的图像区域,这样使得检索更加具有针对性。实验结果表明检索准确率有明显提高。
（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。
兴趣点检测论文参考文献
[1].张宏根.基于眼动跟踪的人眼兴趣点检测[D].北方工业大学.2019
[2].陈晓宁,赵健,杨润丰.基于兴趣点检测的视觉关键词提取新方法研究[J].现代电子技术.2017
[3].王清,丁赤飚,付琨,任文娟.基于膨胀运算的移动对象兴趣点检测方法[J].兵工学报.2017
[4].李云红,陈双双.基于多尺度Gabor滤波器的兴趣点检测[J].计算机与数字工程.2016
[5].丁松涛,曲仕茹.基于改进时空兴趣点检测的人体行为识别算法[J].西北工业大学学报.2016
[6].吕岚.基于随机森林的快速兴趣点检测[J].自动化技术与应用.2016
[7].周来恩,王晓丹.基于非监督特征学习的兴趣点检测算法[J].计算机科学.2016
[8].卢健,黄杰,潘峰.第二小方向导数信息熵的兴趣点检测[J].中国图象图形学报.2016
[9].李鹏俊,李建增.基于重心偏移量的无人机图像兴趣点检测算法[J].传感器与微系统.2015
[10].梁玉.基于ORB兴趣点的异常行为检测技术研究[D].郑州大学.2015
论文知识图
