导读:本文包含了最近特征线法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,车牌,字符,流形,均值,分辨率,音频。
最近特征线法论文文献综述
王青博[1]（2018）在《基于二分K均值聚类和改进最近特征线的视频超分辨率研究》一文中研究指出由于受到各种环境噪声以及摄像设备自身分辨率等因素的影响,摄像设备采集到的图像可能是低分辨率的,难以满足实际应用的需求。于是,超分辨率技术应运而生,用于提升低分辨率图像或低分辨率视频的分辨率。针对基于图像块聚类和关键帧的视频超分辨率算法使用K均值算法在大规模图像块上聚类的时间开销较大,以及该超分辨率算法使用较少近邻图像块进行超分辨率重建导致重建高分辨率帧缺乏高频细节的问题。本文主要进行以下两个方面的研究。(1)为了解决上述视频超分辨率算法使用K均值聚类算法进行图像块聚类的时间开销较大的问题。本文设计了一种基于二分K均值的图像块聚类算法,用以实现快速构建高低分辨率图像块训练样本库。(2)依据待重建低分辨率图像块和其近邻图像块在流形结构上的较好局部结构相似性,本文算法在视频超分辨率重建过程中引入最近特征线思想,扩充近邻图像块样本库。针对最近特征线方法生成的投影点图像块与其所在特征线上的近邻图像块之间的相似度不高的问题,对最近特征线方法改进,使用简单的舍弃原则替换不合理的投影点图像块,选取特征线上和待重建图像块具有更好相似性的近邻图像块作为投影点图像块。本文通过改进的最近特征线方法扩充近邻图像块样本库,提升样本库的表达能力。再从样本库选取和待重建低分辨率图像块具有更高局部相似性的投影点图像块,重建出具有更丰富高频细节的高分辨率帧。本文算法对从网络上接收到的包含关键帧的低分辨率视频进行超分辨率重建,得到对应的高分辨率视频。实验结果表明,相比于基于图像块聚类和关键帧的视频超分辨率算法,本文算法对News视频第15帧重建所得高分辨率帧的PSNR提升了1.3db,本文算法重建每一帧的时间减少了275.9秒。本文算法在取得更好视频帧重建效果的同时,提升了重建高分辨率帧的时间效率,很大程度减少了视频在网络上传输的数据量,满足了实际应用的需求。(本文来源于《河南大学》期刊2018-06-01）
渠慎明,王青博,刘珊,张东生[2]（2018）在《基于二分K均值聚类和最近特征线的视频超分辨率重建方法》一文中研究指出提出一种基于二分K均值聚类和最近特征线的视频超分辨率重建方法.该方法在生成图像块训练样本库阶段,为了解决传统K均值算法对图像块聚类时间复杂度较大的问题,设计一种基于二分K均值图像块聚类算法,用以实现快速构建初始训练样本库;在视频帧超分重建阶段,通过改进的最近特征线方法扩充样本库,并舍弃其中的不合适样本,提升样本库的表达能力.该视频超分辨率重建方法应用于基于关键帧的视频超分辨率重建,首先对时序上近邻的两个关键帧下采样并分块,然后使用图像块聚类算法构建初始训练样本库;对于这两个关键帧之间的低分辨率帧,使用改进的最近特征线方法扩充的训练样本库重建出对应的高分辨率帧.实验结果表明,提高了视频超分辨率重建的时间效率,同时也提升了每一帧重建图像的主客观质量,证明了算法的有效性.(本文来源于《河南大学学报(自然科学版)》期刊2018年03期）
张旭,张向群,赵伟,何岩峰[3]（2012）在《基于最近特征线的二维非参数化判别分析算法》一文中研究指出提出一种基于最近特征线(NFL)的二维非参数化判别分析算法,用于人脸识别等模式分类问题。该算法在子空间学习阶段运用NFL思想计算训练集中各样例的最近特征距离,计算得到低维投影空间,在低维投影空间中进行分类。通过ORL标准人脸数据库进行实验,结果表明该算法的鲁棒性优于传统算法。(本文来源于《计算机工程》期刊2012年14期）
练芝飞,徐荣聪[4]（2011）在《最近特征线在音频分类中的应用》一文中研究指出通过提取基音频率、明亮度、带宽、过零率、响度、均方根、相邻点之间距离的均值和方差及Mel倒谱系数这8个特征构造特征集,在此基础上提出一种基于最近特征线的音频分类算法,对其进行枪声、鞭炮声、喇叭声及说话声的分类实验中,结果表明,该算法的分类效果较好,错误率可低至11.76%。(本文来源于《计算机工程》期刊2011年02期）
谭冠群,丁华福[5]（2008）在《改进的K最近特征线算法在文本分类中的应用》一文中研究指出KNFL算法是一种近年来在人脸识别领域得到广泛应用的算法,这种算法认为类中两点的连线也可以近似代表类的特征,把它应用于文本分类领域可以得到较好的分类效果,但是由于时间复杂度比较高,影响了其实用价值.本文提出了一种应用于文本分类的改进的KNFL算法,计算出类的中心点后再进行两次过滤,分别将离类中心点较远的特征点和特征线过滤掉,减少了训练集样本数目,在对分类精确度影响不大的情况下,改善了KNFL算法的分类效率,最后用实验验证了该算法的有效性.(本文来源于《哈尔滨理工大学学报》期刊2008年06期）
谢朝霞,穆志纯,谢建军[6]（2008）在《基于局部线性嵌入和最近特征线的人耳识别》一文中研究指出针对人耳生物特征,通过分析早期人耳识别方法的不足,提出了一种局部线性嵌入(LLE)和最近特征线(NFL)相结合的人耳识别方法。首先依据流形学习思想,采用局部线性嵌入算法提取人耳图像特征,然后采用最近特征线分类器进行人耳识别。实验结果表明,该方法在人耳姿态变化时能够取得非常理想的识别率,提高了人耳识别的鲁棒性,增强了人耳识别技术的实用性。(本文来源于《计算机工程与应用》期刊2008年25期）
贺云辉[7]（2008）在《矩阵空间中的最近特征线分类器及人脸识别应用》一文中研究指出将最近特征线分类方法推广到矩阵空间,避免了将图像样本拉直成高维矢量,无需时图像矢量降维就可直接对图像矩阵进行分类识别。为降低计算量,进一步得到矩阵空间中的最近邻特征线方法。在 ORL 标准人脸数据库上的实验显示,两种方法可获得和最近(邻)特征线相近的识别性能,且在每类取不同训练样本数时优于 Fisherfaces 方法。(本文来源于《中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）》期刊2008-07-01）
余华[8]（2007）在《基于快速最近特征线(NFL)的车牌字符识别方法》一文中研究指出本文提出一种基于最近特征线(Nearest Feature Line,NFL)法的车牌字符的识别方法.这种方法以 NFL 为基础,充分考虑各个模式类中的原始样本信息,把待识别字符划分到最相匹配的类别中.在对最近特征线的搜索中,采用了一种快速的计算方法,使得其计算量大大减少.实验结果表明,采用基于快速最近特征线搜索方法能有效地提高字符的识别效率.(本文来源于《2007’促进西部发展声学学术交流会论文集》期刊2007-09-01）
余华[9]（2006）在《基于快速最近特征线(NFL)的车牌字符识别方法》一文中研究指出本文提出一种基于最近特征线(Nearest Foature Line,NFL)法的车牌字符的识别方法.这种方法以 NFL 为基础,充分考虑各个模式类中的原始样本信息,把待识别字符划分到最相匹配的类别中.在对最近特征线的搜索中,采用了一种快速的计算方法,使得其计算量大大减少.实验结果表明,采用基于快速最近特征线搜索方法能有效地提高字符的识别效率.(本文来源于《2006’和谐开发中国西部声学学术交流会论文集》期刊2006-08-01）
谢建平[10]（2006）在《一种基于快速最近特征线的汽车牌照识别方法》一文中研究指出提出一种基于快速最近特征线法(NFL)的车牌识别方法。根据颜色的视觉一致性,采用Munsell颜色空间的NBS颜色距离的概念对色彩进行聚类,再采用不同的结构元素,对于聚类后的图像进行一系列的数学形态学运算,准确定位出车牌的位置后,以NFL为基础,采用一种快速的计算方法,把待识别字符划分到最相匹配的类别中。实验表明,提出的车牌分割与识别新方法快速,准确,能有效地提高汽车牌照的识别效率。(本文来源于《电视技术》期刊2006年04期）
最近特征线法论文开题报告
（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：
提出一种基于二分K均值聚类和最近特征线的视频超分辨率重建方法.该方法在生成图像块训练样本库阶段,为了解决传统K均值算法对图像块聚类时间复杂度较大的问题,设计一种基于二分K均值图像块聚类算法,用以实现快速构建初始训练样本库;在视频帧超分重建阶段,通过改进的最近特征线方法扩充样本库,并舍弃其中的不合适样本,提升样本库的表达能力.该视频超分辨率重建方法应用于基于关键帧的视频超分辨率重建,首先对时序上近邻的两个关键帧下采样并分块,然后使用图像块聚类算法构建初始训练样本库;对于这两个关键帧之间的低分辨率帧,使用改进的最近特征线方法扩充的训练样本库重建出对应的高分辨率帧.实验结果表明,提高了视频超分辨率重建的时间效率,同时也提升了每一帧重建图像的主客观质量,证明了算法的有效性.
（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。
最近特征线法论文参考文献
[1].王青博.基于二分K均值聚类和改进最近特征线的视频超分辨率研究[D].河南大学.2018
[2].渠慎明,王青博,刘珊,张东生.基于二分K均值聚类和最近特征线的视频超分辨率重建方法[J].河南大学学报(自然科学版).2018
[3].张旭,张向群,赵伟,何岩峰.基于最近特征线的二维非参数化判别分析算法[J].计算机工程.2012
[4].练芝飞,徐荣聪.最近特征线在音频分类中的应用[J].计算机工程.2011
[5].谭冠群,丁华福.改进的K最近特征线算法在文本分类中的应用[J].哈尔滨理工大学学报.2008
[6].谢朝霞,穆志纯,谢建军.基于局部线性嵌入和最近特征线的人耳识别[J].计算机工程与应用.2008
[7].贺云辉.矩阵空间中的最近特征线分类器及人脸识别应用[C].中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）.2008
[8].余华.基于快速最近特征线(NFL)的车牌字符识别方法[C].2007’促进西部发展声学学术交流会论文集.2007
[9].余华.基于快速最近特征线(NFL)的车牌字符识别方法[C].2006’和谐开发中国西部声学学术交流会论文集.2006
[10].谢建平.一种基于快速最近特征线的汽车牌照识别方法[J].电视技术.2006
论文知识图
