导读:本文包含了形状编码论文开题报告文献综述、选题提纲参考文献，主要关键词:形状,特征,视觉,轮廓,射影,卷积,对象。
形状编码论文文献综述写法
卢勇强,栗志扬,陈祎楠,刘朝斌,黄一鸣[1]（2019）在《结合轮廓及骨架序列编码的二维形状识别》一文中研究指出二维形状识别是物体识别中的一个基本问题,被广泛地应用于商标检索、指纹识别、物体定位、图像检索等多个领域。其中,基于生物信息学的二维形状识别是近期一个新的研究方向,基本思想是把二维形状的轮廓转化为生物信息序列,借助标准的生物信息序列分析工具来进行二维形状的匹配和识别。不过,利用轮廓进行信息序列编码存在编码冗余和编码准确性不高的问题,本文提出了一种新型的结合形状轮廓和骨架的序列编码方法。该方法利用骨架表示形状的细长分支,减少编码的冗余;并分别对轮廓和骨架进行不同类型的编码,具备编码简洁、后续匹配准确性高等优点。最后,本文在叁个公开数据集上进行大量的形状识别实验,并与多种通用形状识别方法进行了比较。实验表明,本文方法在多个实验中均取得了较高的识别准确率,相比基本的形状特征描述方法,准确率提高了近5%。(本文来源于《北京航空航天大学学报》期刊2019年12期）
朱仲杰,王玉儿,蒋刚毅[2]（2018）在《多模式3维视频形状编码》一文中研究指出目的具有立体感和高端真实感的3D视频正越来越受到学术界和产业界的关注和重视,未来在3D影视、机器视觉、远程医疗、军事航天等领域将有着广泛的应用前景。对象基3D视频是未来3D视频技术的重要发展趋势,其中高效形状编码是对象基3D视频应用中的关键问题。但现有形状编码方法主要针对图像和视频对象,面向3D视频的形状编码算法还很少。为此,基于对象基3D视频的应用需求,提出一种基于轮廓和链码表示的高效多模式3D视频形状编码方法。方法对于给定的3D视频形状序列逐帧进行对象轮廓提取并预处理后,进行对象轮廓活动性分析,将形状图像分成帧内模式编码图像和帧间预测模式编码图像。对于帧内编码图像,基于轮廓内链码方向约束和线性特征进行高效编码。对于帧间编码图像,采用基于链码表示的轮廓基运动补偿预测、视差补偿预测、联合运动与视差补偿预测等多种模式进行编码,以充分利用视点内对象轮廓的帧间时域相关性和视点间对象轮廓的空域相关性,从而达到高效编码的目的。结果实验仿真结果显示所提算法性能优于经典和现有的最新同类方法,压缩效率平均能提高9.3%到64.8%不等。结论提出的多模式3D视频形状编码方法可以有效去除对象轮廓的帧间和视点间冗余,能够进行高效编码压缩,性能优于现有同类方法,可广泛应用于对象基编码、对象基检索、对象基内容分析与理解等。(本文来源于《中国图象图形学报》期刊2018年07期）
李晶,郁舒兰,吴晓莉[3]（2018）在《人机界面形状特征编码对视觉认知绩效的影响》一文中研究指出随着人机界面中信息量的不断增加,为了通过形状编码有效地引导视觉注意的先后次序,提高信息搜索和目标认知效率,提出形状突显编码方法.首先利用形状相似性进行形状基本特征描述,采用语义差异法对不同主题的两两形状进行差异性比较,通过相关分析和回归方程获取高辨别性形状特征;其次根据形状特征的属性表现构建面状、条状和环状3类形状,执行在不同形状编码组合下的视觉搜索实验;最后结合方差分析和最小显着性差异检验,分析形状特征、特征属性和特征复杂性对认知绩效的影响.实验结果表明,拓扑差异及其差异程度对认知绩效有决定性影响;圆弧比其他轮廓的注意捕获程度高;随着形状复杂度增加,认知绩效的增长幅度随形状特征而变化.以多媒体统一监控系统为例,验证了不同复杂度形状组合设计有利于降低视觉混乱和提高认知绩效.(本文来源于《计算机辅助设计与图形学学报》期刊2018年01期）
贾棋,于美玉,樊鑫,高新凯,郭禾[4]（2018）在《基于曲率分级的形状编码及识别方法》一文中研究指出形状识别是计算机识别领域中的基本问题,可以广泛地应用于对象识别、图像检索、图像配准、目标追踪等各个领域.现在的形状识别方法主要利用形状轮廓上采样点的相关性形成特征描述子,在实际应用中由于缩放、旋转、仿射、射影等变换,无法获取采样点之间的对应关系,形状匹配时间长,识别率低.为了克服基本的特征描述子的局限性,该文提出了一种基于曲率分级的形状编码方法.首先,将射影不变量引入到形状的基本表示中,以保证形状描述在各种变换下的稳定性;其次,以形状轮廓段为基本编码单位,对基本的描述子进行聚类编码;最后,为了使编码结果更好地代表形状轮廓信息,作者采用一种对轮廓段曲率分级的方式,将不同曲率级别的编码用max_pooling的方式提取特征作为形状的最终编码.在通用数据库上的实验表明,该方法可以有效地识别在射影变换下的形状,识别率高达98%,较基本的特征描述子提高了近10%,与其它基于编码的方法相比也有一定的优势.(本文来源于《计算机学报》期刊2018年11期）
赵厚强[5]（2017）在《基于稀疏编码形状分类和随机游走模型的运动目标检测与跟踪研究》一文中研究指出在对复杂背景视频中的目标进行跟踪时,目标失败的很大一部分原因是受到目标周围背景以及目标本身外观变化的干扰,而且,当摄像机运动时,运动目标的初始检测也会变得更加复杂,这些因素综合起来使得视频中的鲁棒跟踪问题变得十分困难,本文以稀疏表达理论和随机游走模型为基础,以目标跟踪过程中的背景信息抑制为切入点,并融合目标形状特征信息,对运动目标检测与跟踪进行了深入的研究。论文的主要内容如下:第一章阐述了视觉目标跟踪研究的背景、意义和目的,对目标跟踪中相关理论方法的研究现状做了归纳总结,分析了跟踪中仍然存在的一些问题,并针对这些问题给出了本课题的主要研究内容。第二章对运动云台摄像机下的运动检测方法做了研究,提出了 一种基于时空图像异常边缘分析的运动检测算法,为运动摄像机下的运动目标检测开拓了新的思路,并在实际测试中取得了较好的效果。算法的主要流程为首先根据中值流跟踪法估计出相邻视频帧间的垂直运动位移,将连续几帧图像中的相对应的行组合在一起形成时空图像,然后对时空图像中的边缘根据其斜率做聚类分析,分析每个类中的边缘数量和边缘分布的离散度,得到边缘分布比较集聚的类,将这些类所在的区域判定为真正的运动目标所在的区域。算法在多种实际场景下采集的视频序列中做了测试,实验结果表明,算法比其他经典的算法在遮挡、背景干扰、不同的相机旋转速度等方面更加鲁棒。第叁章在最新的形状特征分类方法的基础上提出了一种更加快速有效的形状特征描述算子。新的描述子由轮廓段重心与轮廓段中不同部分的轮廓点之间的距离和组成,在本质上具有旋转、平移、缩放不变性。此外,利用能够有效模拟哺乳动物视觉系统V1区简单细胞响应机制的稀疏编码理论来对每个轮廓段的特征向量进行编码,并且通过空间金字塔匹配对编码值进行空间最大值池化,以充分挖掘目标的全局与局部空间结构信息。最后,使用SVM分类器来实现形状分类。提出的算法在一些国际着名形状数据库上做了实验,结果表明,提出的算法比其他的相关算法效果更好,在保证较高分类准确度的同时大大提高了执行效率。第四章针对复杂背景下目标跟踪的背景信息抑制问题,提出了基于结构化局部稀疏表达的背景分析方法,能够对目标周围的区域进行正确的分析与判别,找出其中真正属于背景的区域。提出在跟踪目标周围生成若干个粒子群区域,通过结构化局部稀疏表达理论计算这些粒子的权重,综合粒子的权重形成各个区域权重,根据各区域的权重大小筛选出几个最有可能属于背景的区域,在目标模型中将这几个区域中的信息加以抑制来增强目标模型的抗干扰能力。而且,在每一帧中根据跟踪结果的可靠性程度决定是否将新的目标信息添加进模型之中,在保证模型信息全面的前提下尽可能的避免受到背景信息的污染。此外,还提出一种反向投影图中的加权搜索方法,将大概率的点赋予更高的权重,通过在目标周围较大区域中的搜索来解决传统跟踪中的局部最优问题。提出的跟踪算法在国际标准数据集及实际场景中采集的视频序列中做了测试,实验结果表明,算法可以适应目标外观的变化,并对背景的干扰较为鲁棒。第五章针对监控视频中较小的人体目标跟踪问题将具有弱边界特性的随机游走图像分割方法引入到跟踪之中,能够根据分割结果的分布形态判别出人体目标区域,提高跟踪鲁棒性。提出在目标及其周围背景区域均匀的选取四层种子点,每层六个种子点,分别分配六个标签,然后利用随机游走算法分别对每层种子点进行图像分割,最后合并四层种子点的分割结果作为最终的结果。然后在分割结果中选取与人体形态相近的区域作为目标区域,并利用主成分分析的方法进一步筛选出在垂直方向上分布的人体区域,并在目标模型中将非目标区域中的信息加以抑制,凸显出目标的特有特征。提出的算法在一些标准数据集和在停车场采集的视频序列中做了实验,取得了较好的跟踪结果。第六章将提出的形状特征表达方法融入到跟踪框架中,形成一套完整的跟踪策略。具体的融合方法是在跟踪过程中对跟踪结果根据其边缘曲线的形状特征进行分类,收集一定数量的分类结果作为分类结果集合,将当前帧中得到的分类结果与集合中的结果进行比较,判断其是否与之前的目标类型一致,根据分类结果和跟踪结果的可靠性来决定是否更新目标模型。融合了形状特征表达方法的跟踪策略在极具挑战性的航拍视频中做了测试,算法表现出了很好的鲁棒性。第七章对全文做了总结。简要论述了本课题的主要研究内容、结论以及创新点,并对接下来的研究工作做了展望。(本文来源于《浙江大学》期刊2017-04-01）
朱仲杰,王玉儿,蒋刚毅[6]（2016）在《空时形状预测与高效编码》一文中研究指出目的形状是视觉对象的关键特征,形状编码是对象基图像和视频处理中的关键技术,但现有无损形状编码方法压缩效率普遍不高。为此,提出一种基于链码表示和空时预测的高效无损形状编码新算法。方法首先逐帧提取视觉对象的形状轮廓并转化为链码表示;然后基于对象轮廓的帧间活动性将形状视频序列分成帧内预测编码帧和帧间预测编码帧,并基于轮廓链码的空域相关性和时域相关性对二者分别进行空域和时域补偿与预测;最后基于链码的方向约束特性对预测后的位移矢量和预测残差进行高效编码压缩。结果为了检验所提算法的性能,基于MPEG-4标准形状测试序列进行了编码实验测试。与现有主要方法相比本文算法能提高压缩效率6%到71.6%不等。结论本文算法可广泛应用于对象基编码、基于内容的图像检索、图像分析与理解等领域。(本文来源于《中国图象图形学报》期刊2016年01期）
谢智歌,王岳青,窦勇,熊岳山[7]（2015）在《基于卷积-自动编码机的叁维形状特征学习》一文中研究指出叁维形状特征在叁维物体分类、检索和语义分析中起着关键的作用.传统的叁维特征设计过程繁复,而且不能从已有的大量叁维数据中自动学习而得.在深度神经网络的研究领域中,卷积神经网络和自动编码机是比较流行的2种网络结构.在超限学习机的框架之下,将两者结合起来,提出一种基于卷积-自动编码机的叁维特征自动学习方法.实验结果表明,文中方法的特征学习速度比其他深度学习方法提高约2个数量级,且提取的特征在叁维模型分类、叁维物体检测等任务中都取得了良好的结果.(本文来源于《计算机辅助设计与图形学学报》期刊2015年11期）
朱仲杰,王玉儿,蒋刚毅[8]（2014）在《基于轮廓和链码表示的高效形状编码》一文中研究指出提出一种基于轮廓和链码表示的高效无损形状编码方法。首先提取对象轮廓并细化成单像素宽度;然后将其转换成链码表示并基于方向相关性分割成若干子段,使每个子段最多包含2个基本方向码,同时结合线性检测,分离出对象轮廓中的长线性子段;最后对线性子段和非线性子段结合链码的空域相关性进行差异化编码以获得最佳编码性能。实验结果显示,所提算法的性能优于现有的常用方法,与最新的同类方法相比能平均提高压缩效率36.5%左右。(本文来源于《通信学报》期刊2014年08期）
杨锋林[9]（2014）在《基于形状自适应的证件照片编码系统研究》一文中研究指出传统的图像编码，是将整幅图像作为一个编码对象用一种编码方式进行压缩，但是人眼观察一幅图像是有选择性的，只会关注图像的某些区域，因此图像编码时对关注区域和非关注区域采用不同的编码质量，这样既满足人的视觉特性又提高图像压缩效率。近年来，对任意形状图像的编码技术越来越受到人们的重视，其编码方法是根据某种规则将图像分割成不同的区域，对不同的分割区域采用不同的编码方案。证件照片就是一类特殊的图像，它的前景与背景区分十分明显，文中引入基于轮廓的形状自适应的图像编码方法实现对证件照片的编码，它不仅能提高照片编码效率，还能保证照片良好的人眼视觉效果，同时支持对前景区域的单独访问与存取。本文主要工作包括以下五个方面：1、设计基于形状自适应证件照片编码系统。该编码系统涉及到简单背景图像的精细分割、前景轮廓编码、提升自适应小波变换、任意形状零树编码以及自适应整数算术编码等方面的内容。2、研究证件照片精细分割方法。结合四叉树分裂合并分割方法与边缘检测方法对证件照片进行分割，较好的解决了证件照片头发区域毛刺的问题，并且提高了证件照片的压缩比。3、研究基于轮廓的形状自适应编码方法，这类方法区别于JPEG2000中的一般位移法和最大位移法编码任意形状区域。这类方法的优势在于对编码区域能进行随机存储、访问和传输，不足的是需要编码区域的轮廓线。4、在Windows7操作系统环境和Matlab2010软件平台仿真了基于形状自适应证件照片编码系统，包括分割子系统、轮廓编码子系统和前景区域编码子系统。5、进行了对比实验及其结果分析。将JPEG、EZW、SPIHT叁种编码方法与本文编码系统进行比较，通过实验对比分析得出一个结论：在峰值信噪比小于30dB时，本文编码系统对证件照片的压缩比和视觉效果比其他叁种方法都具有优势。(本文来源于《华南理工大学》期刊2014-05-20）
赖重远[10]（2013）在《形状部分的视觉显着度与形状编码》一文中研究指出现代多媒体信息处理要求计算机能够模拟人脑的功能实现对海量图像和视频数据的检索、分类、识别、编辑、交互和存储。而形状作为物体识别的关键特征，对于上述应用起着不可或缺的作用。因此，如何准确而高效地实现形状的计算和存储，成为本文研究的重点。现实物体姿态和视角的变化，使得形状的外观千变万化。人眼对形状的区域选择性和多尺度特性，极易导致实际形状度量与视觉感知之间的差异。更不用说由形状获取导致的量化和分割噪声。这些都给形状的计算和存储带来了极大的挑战。为迎接上述挑战，本文深入研究了基于部分和轮廓的形状表示理论及应用。提出了形状部分的视觉显着度，改进了可操作率失真轮廓编码框架的失真度量和编码结构，并通过双重失真规则化优化了原有的框架。上述成果应用于形状解析、指尖检测和手势识别，均取得了良好的效果。下面给出具体的研究成果。1、提出了形状部分的视觉显着度。首先，将形状部分的视觉显着度简化成叁角形的视觉显着度。然后，将叁角形的视觉显着度建模成叁角形的两邻边长度和、长度比和转角的函数。再利用这叁个因素之间的完备性、独立性和直观性，推导出叁角形的视觉显着度。实验结果表明，该度量优于现有度量，能显着提升形状解析和手势识别的准确度。2、提出了基于解析法的精确失真度量。首先，将该度量定义为原始轮廓点到参数曲线的最短距离。接着，利用最短距离线段与参数曲线段垂直这一几何关系，给出对应的参数方程。然后，通过解析法求解参数空间，获得最终的距离。为减少执行时间，提出了混合允许失真检验算法。实验结果表明，该度量能精确度量实际失真，且计算复杂度与现有度量的最低计算复杂度持平。3、提出了两种任意方向边编码结构。首先，将数字平面分成八个或者十六个扇区，然后用扇区序号、短分量和长分量表示近似边。实验结果表明，该编码结构能有效地节省近似多边形的顶点数目，在提高编码效率的同时，使得形状描述更加简洁。4、提出了基于失真双重规则化的可操作率失真形状编码方法。将基于2-范数的失真规则项引入原有的目标函数，以期在边码率与边失真之间寻求更好的平衡。为避免噪声干扰，给出了规则化参数的取值范围。并将该组合优化问题转化为带权重的有向无环图中的最短路径问题求解。实验结果表明，该方法不仅能够在保持编码效率不变的情况下减少近似边失真，同时对噪声也具有很好的鲁棒性，因而非常适用指尖检测和手势识别等应用。本文的贡献主要有两点：第一，形状部分的视觉显着度使得物体形状部分之间的视觉显着性比较成为可能，第二，基于解析法的精确失真度量、任意方向编码结构，以及双重失真规则化策略使得可操作率失真轮廓编码结果更准确、简洁而高效。这些都为基于形状的物体识别奠定了良好的基础。(本文来源于《华中科技大学》期刊2013-05-01）
形状编码论文开题报告范文
（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：
目的具有立体感和高端真实感的3D视频正越来越受到学术界和产业界的关注和重视,未来在3D影视、机器视觉、远程医疗、军事航天等领域将有着广泛的应用前景。对象基3D视频是未来3D视频技术的重要发展趋势,其中高效形状编码是对象基3D视频应用中的关键问题。但现有形状编码方法主要针对图像和视频对象,面向3D视频的形状编码算法还很少。为此,基于对象基3D视频的应用需求,提出一种基于轮廓和链码表示的高效多模式3D视频形状编码方法。方法对于给定的3D视频形状序列逐帧进行对象轮廓提取并预处理后,进行对象轮廓活动性分析,将形状图像分成帧内模式编码图像和帧间预测模式编码图像。对于帧内编码图像,基于轮廓内链码方向约束和线性特征进行高效编码。对于帧间编码图像,采用基于链码表示的轮廓基运动补偿预测、视差补偿预测、联合运动与视差补偿预测等多种模式进行编码,以充分利用视点内对象轮廓的帧间时域相关性和视点间对象轮廓的空域相关性,从而达到高效编码的目的。结果实验仿真结果显示所提算法性能优于经典和现有的最新同类方法,压缩效率平均能提高9.3%到64.8%不等。结论提出的多模式3D视频形状编码方法可以有效去除对象轮廓的帧间和视点间冗余,能够进行高效编码压缩,性能优于现有同类方法,可广泛应用于对象基编码、对象基检索、对象基内容分析与理解等。
（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。
形状编码论文参考文献
[1].卢勇强,栗志扬,陈祎楠,刘朝斌,黄一鸣.结合轮廓及骨架序列编码的二维形状识别[J].北京航空航天大学学报.2019
[2].朱仲杰,王玉儿,蒋刚毅.多模式3维视频形状编码[J].中国图象图形学报.2018
[3].李晶,郁舒兰,吴晓莉.人机界面形状特征编码对视觉认知绩效的影响[J].计算机辅助设计与图形学学报.2018
[4].贾棋,于美玉,樊鑫,高新凯,郭禾.基于曲率分级的形状编码及识别方法[J].计算机学报.2018
[5].赵厚强.基于稀疏编码形状分类和随机游走模型的运动目标检测与跟踪研究[D].浙江大学.2017
[6].朱仲杰,王玉儿,蒋刚毅.空时形状预测与高效编码[J].中国图象图形学报.2016
[7].谢智歌,王岳青,窦勇,熊岳山.基于卷积-自动编码机的叁维形状特征学习[J].计算机辅助设计与图形学学报.2015
[8].朱仲杰,王玉儿,蒋刚毅.基于轮廓和链码表示的高效形状编码[J].通信学报.2014
[9].杨锋林.基于形状自适应的证件照片编码系统研究[D].华南理工大学.2014
[10].赖重远.形状部分的视觉显着度与形状编码[D].华中科技大学.2013