导读:本文包含了均值漂移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:均值,邻域,目标,图像,算法,直方图,中值。
均值漂移论文文献综述
张霞,张春亢,李红梅,罗竹,林健云[1]（2019）在《结合笔画宽度变换与均值漂移的遥感影像道路提取》一文中研究指出针对在高分辨率遥感影像进行道路提取时,笔画宽度变换算法受周围地物的影响较大,无法直接获取高精度道路信息的问题,提出一种结合笔画宽度变换与均值漂移的道路提取方法:首先,利用均值漂移算法对遥感影像进行分割,以减少笔画宽度变换的错提取现象;其次,运用笔画宽度变换将不同类别的像素分为道路类和非道路类;最后,为进一步提高道路提取精度,减小斑点和非道路区域干扰,采用数学形态学方法进行提取后处理。实验结果表明:该方法可以从遥感影像中准确完整地提取出道路信息,且比直接使用笔画宽度变换算法和均值漂移算法的提取精度更高。(本文来源于《测绘科学技术学报》期刊2019年03期）
韩高格,方周,夏盼,葛东东[2]（2019）在《基于均值漂移的车道线检测模型》一文中研究指出无人驾驶、辅助驾驶是目前人工智能领域最火热的前沿研究方向之一,它具有巨大的商业价值和发展前景.道路车道线检测是无人驾驶系统中几个重要核心技术之一,它可以为无人驾驶系统提供行驶决策规划、外部感知.本文提出了一种基于均值漂移的道路车道线检测算法,首先对道路图像的车道线区域进行感兴趣区域(ROI)选取,再进行下采样处理和逆透视变换.再进一步采用基于均值漂移算法对道路图像进行图像分割,对分割所得的车道线进行非线性回归方法拟合车道线.实验表明,该方法可以有效检测出道路车道线,可以适应复杂道路场景中的阴影、遮挡、模糊、弯曲道路等情况中的车道线检测,并且具有鲁棒性好、精确度高的特点.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年11期）
张晓磊,潘卫军,陈佳炀,张智巍,王思禹[3]（2019）在《基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法》一文中研究指出作为图像数据结构分割的重要工具,模糊C均值已被广泛应用于计算机视觉领域;然而模糊C均值在图像分割过程中不能有效地保留边缘和抑制噪声,往往得不到理想的分割结果;为解决这一问题,文章利用导向滤波器推导出一种新的改进模糊C均值算法;该算法的第一个创新点是其线性平移不变滤波过程,利用边缘保持平滑特性来保留分割中的边缘结构;第二个创新点是该技术通过将空间信息引入目标函数来改善对噪声的鲁棒性,空间信息通过导向滤波的平均输出获得;为了解决聚类算法中初始聚类中心问题,在图像分割过程中使用均值漂移算法选取初始聚类中心;文章方法的主要优点在于其对边缘保留和噪声具有鲁棒性,进而提高分割精度;基于合成图像和真实遥感图像的实验结果表明,与其他主流分割算法相比,该方法在分割性能方面表现出了良好的性能。(本文来源于《计算机测量与控制》期刊2019年11期）
赵华茗,余丽,周强[4]（2019）在《基于均值漂移算法的文本聚类数目优化研究》一文中研究指出【目的】探索最佳文本聚类数目的优化方法,为提升文本聚类算法的有效性和质量提供参考。【方法】结合TF-IDF和Word2Vec算法,提取TopN关键词向量作为语料库文本特征表达;结合均值漂移算法、聚类有效性指标(Silhouette)和均方误差(MSE)指标,确定最佳文本聚类数目。【结果】Top 4 500关键词向量规模能较好呈现文本特征;基于均值漂移算法确定的最佳文本聚类数与人工研判优化的聚类数相符。【局限】选取的实验数据集合不够充足,缺少在其他领域的应用对比。【结论】本文方法可以在无监督方式下高质量完成文本聚类个数的确定。(本文来源于《数据分析与知识发现》期刊2019年09期）
曾爱萍,黄山[5]（2019）在《基于LRNP纹理特征的均值漂移目标跟踪》一文中研究指出针对传统均值漂移(Mean Shift)目标跟踪算法在复杂背景和变光强场景中容易丢失跟踪目标的问题,提出局部菱形邻域(LRNP)纹理特征提取算子,在3*3模板中利用像素与其邻域像素之间的局部关系获得二进制编码,根据模板中心像素水平和垂直方向4个像素的编码值得到纹理特征;提取HSV颜色空间的H分量和S分量,进行非均匀量化作为颜色特征。融合颜色纹理特征作为目标模型的描述嵌入到Mean Shift算法中。实验结果表明,该算法在复杂背景、光照变化等场景下能实现目标的准确跟踪,具有较强的抗干扰性和鲁棒性。(本文来源于《计算机工程与设计》期刊2019年09期）
温宗周,程少康,李丽敏,刘亮,李璐[6]（2019）在《改进粒子滤波与均值漂移特征融合的目标跟踪》一文中研究指出针对复杂场景下目标因光照变化、部分遮挡以及相似颜色区域影响的稳定跟踪问题,提出一种改进粒子滤波与均值漂移(Mean Shift)特征融合的目标跟踪方法。样本粒子在多次更新迭代后,无限逼近目标的后验概率分布。采取自适应融合策略将颜色与轮廓特征相融合,在重采样之前将核函数进行加权调整。与经典Mean Shift算法和粒子滤波算法进行对比,实验结果表明,该方法在处理目标跟踪过程中受光照、遮挡与相似颜色等影响时,跟踪效果最佳。(本文来源于《计算机工程与设计》期刊2019年08期）
黄星寿,赵培信[7]（2019）在《高维线性均值漂移模型的异常值检测》一文中研究指出文章结合经验似然统计推断技术,对带有均值漂移的高维线性模型,给出了一个基于经验似然的模型异常值检测方法,该方法允许模型参数的维数随样本量的增加而趋于无穷,数据模拟表明所提出的异常值检测方法是行之有效的。(本文来源于《统计与决策》期刊2019年14期）
金延薇[8]（2019）在《基于均值漂移的面向对象图论图像分割算法研究》一文中研究指出图像中包含有多种既有差异性,也有相关性的特征,图像分割就是研究如何有效地利用这些特征将图像内不同类别的目标区分开,并确定各目标边界的方法。本文研究则基于均值漂移的面向对象图论分割算法,在MATLAB中进行实验,实验结果表明此方法对于均值漂移图像过分割现象有优化作用。(本文来源于《资源信息与工程》期刊2019年03期）
王旭东,王屹炜,闫贺[9]（2019）在《背景抑制直方图模型的连续自适应均值漂移跟踪算法》一文中研究指出针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的迭加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显着性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。(本文来源于《电子与信息学报》期刊2019年06期）
孔令讲,陈国浩,崔国龙,杨晓波[10]（2019）在《基于均值漂移的穿墙雷达多目标跟踪》一文中研究指出针对穿墙成像雷达中多人体目标跟踪的问题,提出了一种基于均值漂移的多目标图像域跟踪方法。首先,通过基于双轴投影的变尺度模板创建方法进行航迹起始;其次该文利用均值漂移算法进行航迹更新,并对不同幅度像素点的加权处理使得迭代过程能收敛于目标图像中心;最后,结合M/N准则,实现了对航迹的管理。通过对多组实测数据的处理可以看出,该算法具有稳健的跟踪性能。(本文来源于《电子科技大学学报》期刊2019年03期）
均值漂移论文开题报告
（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：
无人驾驶、辅助驾驶是目前人工智能领域最火热的前沿研究方向之一,它具有巨大的商业价值和发展前景.道路车道线检测是无人驾驶系统中几个重要核心技术之一,它可以为无人驾驶系统提供行驶决策规划、外部感知.本文提出了一种基于均值漂移的道路车道线检测算法,首先对道路图像的车道线区域进行感兴趣区域(ROI)选取,再进行下采样处理和逆透视变换.再进一步采用基于均值漂移算法对道路图像进行图像分割,对分割所得的车道线进行非线性回归方法拟合车道线.实验表明,该方法可以有效检测出道路车道线,可以适应复杂道路场景中的阴影、遮挡、模糊、弯曲道路等情况中的车道线检测,并且具有鲁棒性好、精确度高的特点.
（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。
均值漂移论文参考文献
[1].张霞,张春亢,李红梅,罗竹,林健云.结合笔画宽度变换与均值漂移的遥感影像道路提取[J].测绘科学技术学报.2019
[2].韩高格,方周,夏盼,葛东东.基于均值漂移的车道线检测模型[J].赤峰学院学报(自然科学版).2019
[3].张晓磊,潘卫军,陈佳炀,张智巍,王思禹.基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法[J].计算机测量与控制.2019
[4].赵华茗,余丽,周强.基于均值漂移算法的文本聚类数目优化研究[J].数据分析与知识发现.2019
[5].曾爱萍,黄山.基于LRNP纹理特征的均值漂移目标跟踪[J].计算机工程与设计.2019
[6].温宗周,程少康,李丽敏,刘亮,李璐.改进粒子滤波与均值漂移特征融合的目标跟踪[J].计算机工程与设计.2019
[7].黄星寿,赵培信.高维线性均值漂移模型的异常值检测[J].统计与决策.2019
[8].金延薇.基于均值漂移的面向对象图论图像分割算法研究[J].资源信息与工程.2019
[9].王旭东,王屹炜,闫贺.背景抑制直方图模型的连续自适应均值漂移跟踪算法[J].电子与信息学报.2019
[10].孔令讲,陈国浩,崔国龙,杨晓波.基于均值漂移的穿墙雷达多目标跟踪[J].电子科技大学学报.2019
论文知识图
