导读:本文包含了奇异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:奇异,滤波器,方向,小波,图像,指纹,尺度。
奇异点检测论文文献综述
李海燕,程龙,宗容,陈建华[1]（2019）在《基于叁方向图的多尺度平滑指纹奇异点检测》一文中研究指出为解决低质量指纹图像定位奇异点位置偏移及定位区域过大的问题,提出了一种基于叁方向图的多尺度平滑奇异点检测算法.首先,计算指纹图像的方向场和频率场估计并用Gabor滤波器对指纹图像进行增强.然后,计算指纹图像中脊线上像素点的方向并对其进行叁方向划分得到指纹脊线方向图.最终,去掉噪点并填补非脊线区域,同时检测多个平滑尺度下的奇异点位置并通过信息融合剔除伪特征点,精确定位奇异点.对FVC2002,FVC2004和FVC2006指纹图像库进行实验,结果表明:该算法对低质量指纹图像奇异点检测的准确率有明显提升,奇异点检测的总准确率达92.35%,可将奇异点精确定位在2×2像素区域内.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年03期）
王唐宇,周丽萍,李海燕,余鹏飞,陈建华[2]（2018）在《多尺度复数滤波器及PI值相结合的奇异点检测》一文中研究指出为了有效检测指纹奇异点,提出了一种结合多尺度复数滤波器及PI(Poincare Index)值的奇异点检测算法.首先,计算多个尺度下的指纹图像方向场并对每个尺度的方向场进行复数滤波;其次,计算各个尺度的方向场的中心点和叁角点滤波器响应,若响应值是邻域内的极大值且大于某一阈值,则进一步计算PI值,并依据PI值是否满足奇异点判定条件,则将其标记为候选奇异点;最后,将多个尺度下的奇异点进行信息融合,检测出指纹的奇异点.将提出算法和同类算法进行主客观的实验比较,对公用指纹数据库FVC2004DB1检测的实验结果表明:算法能很好地应用于低质量指纹图像中,正确的奇异点检测率为93%,高于同类算法,且检测到的奇异点位置不发生偏移.(本文来源于《云南大学学报(自然科学版)》期刊2018年04期）
程龙[3]（2018）在《基于叁方向图的多尺度平滑及低质量指纹奇异点检测》一文中研究指出指纹作为一种独特的生物特征,通过计算机等自动化设备的采集、识别后可广泛应用于门禁、考勤等智能控制系统。另外,相关的生物学者的研究还表明指纹中所包含的遗传信息与某些疾病之间有着密不可分的关系。因此,指纹识别的核心工作是完成其特征信息的提取以及分类,精准的定位指纹图像、特别是低质量指纹图像的奇异点位置是指纹特征提取和分类的前提。现有的奇异点检测方法应用在低质量指纹图像上会造成奇异点位置偏移或定位区域过大而造成不精准的问题。为了克服这一问题,本论文针对低质量指纹图像的奇异点检测做了大量的研究工作,论文主要的工作和贡献如下:(1)在指纹图像方向场计算的基础上,提出基于方向场的灰度条形统计图的频率估计算法。首先,该算法利用局部有效脊骨-谷线灰度条形统计图结果计算出的频率,实现对指纹频率场的估计和构建。其次,低质量指纹图像中多噪声:脊线不连续、模糊或者直接丢失,会导致计算机无法准确识别到奇异点位置,因此用二维Gabor滤波器对低质量指纹图像进行增强,从而有效的消除噪声的影响。最后,通过对指纹增强图像的归一二值化处理,简化算法的计算过程。(2)提出了一种指纹脊线像素点方向的计算方法。利用各脊线像素点分布的相对位置计算其相对斜率,再通过计算领域所有相对斜率的分布得到指纹图像中脊线上像素点的方向。该方向计算方法能有效的处理图像中纹理形式分布的方向性问题,能够有效的控制局部方向信息的丢失。而后对脊线上像素点的方向进行叁方向划分,得到指纹脊线方向图。最终,利用叁方向平滑处理方式处理指纹叁方向图,能高效的消除噪点并准确的填补非脊线区域。(3)提出基于指纹叁方向图的多尺度检测指纹奇异点的算法。通过对叁方向图中像素交汇块的寻找和叁色块方向序列的计算,能确定指纹中的候选奇异点。而针对叁方向图使用多个不同的有效平滑尺度可以获得多组候选奇异点,在此基础上同时检测多个平滑尺度下的奇异点位置并逐级筛,最终达到精确定位奇异点和剔除伪特征点的目的。有效解决低质量指纹图像中奇异点检测不精准的问题。通过对FVC2006指纹图像库的检测,实验结果为:中心点检测的准确率是91.93%,叁角点检测的准确率是93.36%,奇异点检测的总准确率是92.35%,本文算法所检测定位的奇异点与HDSP间距小于10个像素点范围的占到总检测结果的80%以上。充分说明了该算法对低质量指纹图像奇异点检测的准确率有明显提升,对奇异点的定位也有更高的精确性。(本文来源于《云南大学》期刊2018-05-01）
钟怀兵,熊伟丽[4]（2017）在《一种带奇异点检测和补偿的GPR在线软测量方法》一文中研究指出针对软测量方法实际应用中查询样本可能出现奇异点这一问题,提出一种带奇异点检测和补偿的高斯过程回归(Gaussian process regression,GPR)在线软测量方法。该方法首先对训练样本利用高斯过程回归方法进行建模,得到软测量模型;然后对新来查询样本采用改进拉依达准则进行奇异点检测,当新来查询样本被确定为奇异点时,利用辅助模型进行修补,然后再利用软测量模型对修补后查询样本点进行预测;否则,直接对新来查询样本点使用软测量模型进行预测,此方法能够有效确保新来查询样本点的有效性。通过对实际硫回收过程的数据进行实验仿真,进一步验证了所提方法的有效性。(本文来源于《南京理工大学学报》期刊2017年04期）
姜万录,杨凯,朱勇,郑直,胡浩松[5]（2016）在《基于奇异点检测和模糊粗糙集相结合的故障特征降维方法及应用研究》一文中研究指出针对在模式识别过程中样本的特征维数过高,模糊粗糙集特征降维方法易受奇异点影响的问题,提出了一种基于奇异点检测和模糊粗糙集相结合的特征降维方法。该方法通过计算样本基于重心的不稳定系数值的变化,据此剔除奇异点,消除了奇异点对模糊粗糙集特征降维的影响,选择出对模式分类敏感的特征子集。通过仿真数据和齿轮故障数据进行实验分析,实验结果验证了所提出的特征降维方法的有效性。(本文来源于《机床与液压》期刊2016年07期）
刘旭明,徐寅,赵海龙,关泽科[6]（2016）在《运载火箭飞行测量数据奇异点检测和降噪处理的小波方法》一文中研究指出为了提升火箭飞行跟踪测量数据处理的精确度,有效降低数据处理中的噪音问题,我们研究和使用了小波分析法。文章主要介绍了小波分析测量火箭飞行数据奇异点和降噪的原理以及具体的使用方法。(本文来源于《电子世界》期刊2016年07期）
罗淼,姚运萍[7]（2016）在《小波分析在机械故障诊断中奇异点检测的应用》一文中研究指出机械信号中的奇异点夹杂在原始故障信号中,一般不易观察,利用小波变换可以准确地检测到非平稳机械信号中奇异点的位置,为故障诊断的进一步分析提供有效依据。利用MATLAB软件对原始信号仿真进行小波分析,并准确地检测出信号中奇异点出现的时间和位置。(本文来源于《机械制造》期刊2016年01期）
张岚,赵丽霞[8]（2015）在《基于多尺度方向熵的指纹奇异点检测算法》一文中研究指出针对指纹识别过程中奇异点检测的问题,本文提出了一种基于多尺度方向熵分析的指纹奇异点检测算法。阐述了多尺度方向熵(MSOE)分析的基本原理;根据指纹奇异点区域MSOE特征和脊-谷区域MSOE特征之间存在的明显差异,给出了一种奇异点提取算法;同时提出了一种基于方向场流线的位置偏差补偿算法,以解决方向场中心点的位置偏差问题,并基于迭代策略给出了该算法的具体流程。最后,在数据库FVC2002 DB1上,对所述算法进行了实验验证。实验结果表明:基于多尺度方向熵的指纹奇异点检测算法具有比较低的误检率,同时所述位置偏差补偿算法可有效的解决方向场中心点的位置偏差问题,说明了本文所述方法的可行性和有效性。(本文来源于《激光杂志》期刊2015年12期）
牟锴钰,韦明,杨辉,彭振[9]（2015）在《基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法》一文中研究指出目的眨眼伪迹是脑电中一种常见且影响严重的伪迹。本论文提出一种基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法,无需眼电参考信号,做到自动去除单导脑电信号中的眨眼伪迹。方法首先利用小波奇异点检测特性以检测眨眼伪迹的峰值位置,然后只对眨眼伪迹区域进行小波阈值去噪。结果实验结果表明,本方法能够有效检测眨眼伪迹,避免了普通方法去噪时对非眨眼区域的影响。结论本方法使用的阈值和阈值函数优于典型的阈值和软、硬阈值函数,有效地去除了脑电中的眨眼伪迹。(本文来源于《北京生物医学工程》期刊2015年03期）
田乐[10]（2015）在《基于块方向图的指纹奇异点检测和纹型分类》一文中研究指出自动指纹识别技术在不变性、准确性和防伪性上展现出来的优势使其成为了生物识别领域最成熟的技术。然而,大数据的指纹库拥有海量的指纹样本,逐一进行指纹比对造成的工作量是难以想象的,将指纹进行纹型分类后再到相应的类型中进行识别成了指纹识别系统减轻工作量、提高速度的最佳方法。现有的纹型分类方法严重依赖指纹图像的质量,而且受到采集技术的限制,因此尽管纹型分类技术己应用在诸多领域,但现有的分类算法还难以满足实际工作对分类精确性和效率的要求。本文旨在设计一种快速、准确的基于奇异点的纹型分类系统,为此,本文在指纹图像采集、图像预处理、方向图的计算、指纹中心点与叁角点的检测、纹型分类算法等方面进行了较为深入的分析研究。经过实验和统计结果证明,本文的算法精确地检测到了奇异点,利用奇异点准确快速地实现了纹型分类。论文的主要创新点和成果有：(1)在计算指纹方向图方面,为克服传统的点方向图抗噪性不佳,块方向图窗口边界连续性差的缺点,本文提出了一种改进的分组法求点方向图,并在求块方向图之前利用连续分布方向图过渡。基于连续分布方向图计算块方向图更精确地反映了纹线特征,有效地解决了传统块方向图连续性差、临界区域误差大等问题。实验结果显示本文方法的方向图在临界区域过渡更加自然,图像整体更平滑,连续性更好,更能反映纹线的真实走向。(2)在奇异点检测方面,在现有Poincare index方法的基础提出了改进,通过两个限制条件减小了伪奇异点的干扰。本文根据奇异点区域的指纹在块方向图的方向特点提出了一种新的块方向图搜索法检测奇异点,首先在粗方向图中搜索方向锐变的区域,确定一个粗略的范围,再在细方向图中对这一范围进行进一步搜索,逐步缩小查找范围,精确定位。用该算法找到的中心点位置准确,且不容易得到伪奇异点。对叁角点的检测本文采用改进Poincare index法和块方向图搜索法相结合的算法,该算法能够从指纹图像中较准确、可靠地检测出叁角点。(3)纹型分类方面,利用中心点和叁角点的数目、相对位置和数量成功实现了纹型分类。和其他分类方法比较起来,基于奇异点的分类方法快速简单而有效。(本文来源于《云南大学》期刊2015-04-01）
奇异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：
为了有效检测指纹奇异点,提出了一种结合多尺度复数滤波器及PI(Poincare Index)值的奇异点检测算法.首先,计算多个尺度下的指纹图像方向场并对每个尺度的方向场进行复数滤波;其次,计算各个尺度的方向场的中心点和叁角点滤波器响应,若响应值是邻域内的极大值且大于某一阈值,则进一步计算PI值,并依据PI值是否满足奇异点判定条件,则将其标记为候选奇异点;最后,将多个尺度下的奇异点进行信息融合,检测出指纹的奇异点.将提出算法和同类算法进行主客观的实验比较,对公用指纹数据库FVC2004DB1检测的实验结果表明:算法能很好地应用于低质量指纹图像中,正确的奇异点检测率为93%,高于同类算法,且检测到的奇异点位置不发生偏移.
（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。
奇异点检测论文参考文献
[1].李海燕,程龙,宗容,陈建华.基于叁方向图的多尺度平滑指纹奇异点检测[J].华中科技大学学报(自然科学版).2019
[2].王唐宇,周丽萍,李海燕,余鹏飞,陈建华.多尺度复数滤波器及PI值相结合的奇异点检测[J].云南大学学报(自然科学版).2018
[3].程龙.基于叁方向图的多尺度平滑及低质量指纹奇异点检测[D].云南大学.2018
[4].钟怀兵,熊伟丽.一种带奇异点检测和补偿的GPR在线软测量方法[J].南京理工大学学报.2017
[5].姜万录,杨凯,朱勇,郑直,胡浩松.基于奇异点检测和模糊粗糙集相结合的故障特征降维方法及应用研究[J].机床与液压.2016
[6].刘旭明,徐寅,赵海龙,关泽科.运载火箭飞行测量数据奇异点检测和降噪处理的小波方法[J].电子世界.2016
[7].罗淼,姚运萍.小波分析在机械故障诊断中奇异点检测的应用[J].机械制造.2016
[8].张岚,赵丽霞.基于多尺度方向熵的指纹奇异点检测算法[J].激光杂志.2015
[9].牟锴钰,韦明,杨辉,彭振.基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法[J].北京生物医学工程.2015
[10].田乐.基于块方向图的指纹奇异点检测和纹型分类[D].云南大学.2015
论文知识图
