绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
导航
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 29344 条结果
[硕士论文] 陈令刚
计算机科学技术 安徽理工大学 2018(学位年度)
摘要:自动识别圆形目标是现实生活以及工业制造业中的实际需求,也是计算机视觉中最基本和最重要的领域之一。圆形目标自动识别的算法,目前最常用包括Hough变换算法、圆度检测算法、模板匹配,以及近年来提出的通过线性分割识别圆形目标的算法。针对复杂背景情况下识别效率低,识别精度不高两个问题,本文采取了支持向量回归模型三点拟合圆相联合的形式,来识别图像视场中的圆形目标。本文主要研究工作如下:
  (1)分析比较了常用的图像预处理方法,包括图像对比度增强、边缘检测算子、图像阈值化方法等。选取高效合理的预处理方式是改善图像视觉效果和提高计算机识别效率的第一步,也是重要的一步。
  (2)从国内外学者在圆形识别方面的现状出发,深入研究了经典的自动识别圆形目标的算法。提出了支持向量回归模型三点拟合圆相联合的算法,该算法通过支持向量回归模型训练不同类型的圆形样本,在高维空间中得到逼近圆形的回归函数,以该回归函数为中心线,构建一个近似圆环形的间隔带,在此间隔带内的点都认为属于圆形边界上的点,然后运用三点拟合圆几何算法计算出圆心和半径,从而达到识别圆形的目的。
  (3)通过VS2010+OpenCV2.4.9平台,将本文提出的算法经典的圆形目标识别方法进行对比,从识别圆形目标的准确度时间复杂度两个方面分析。实验结果表明,本文提出的算法通过对训练样本的学习,能够在噪声比较大的背景图像中得到圆形的边界信息,从而确定圆的位置,较仅使用某一种圆形识别算法有一定的优势。在以圆形作为定位的计算机视觉领域,具有重要的理论研究价值实践意义。
[硕士论文] 徐龙阳
计算机科学技术 安徽理工大学 2018(学位年度)
摘要:基于位置信息服务(Location Based Service,LBS)技术已经被广泛应用在导航、救援以及定位追踪等领域。由于室内环境复杂易变,无法很好感知卫星信号,GPS定位难以满足人们的定位需求,国内外学者提出多种室内定位技术如红外线定位、超声波定位、RFID定位、WIFI定位,移动传感器定位等,这些技术取得较好的定位效果,但普遍存在各自的局限性,难以实现大规模推广应用。
  本文针对移动智能手机内嵌的多种传感器(加速度计、陀螺仪以及磁力计等)实现行人航位推算(Pedestrian Dead Reckoning,PDR)存在的传感器漂移、累计误差等问题,展开研究工作,具体研究为以下三个方面:
  (1)BP神经网络模型预测移动距离。传统PDR技术通过行人步数检测、步长估计来实现行人移动距离计算,步骤繁琐,容易出现检测和计算误差。本文引入BP神经网络模型,利用大量数据对模型进行训练和测试,实现较好的预测效果,从而有效减少传统PDR技术计算移动距离带来的计算误差。
  (2)设计一种微航向角融合算法。行人行走方向可以通过陀螺仪和磁力计计算得到,由于传感器自身测量不精确性和环境的干扰,单一传感器计算角度具有较大的累积误差。因此,本文提出了一种微航向角融合算法,通过将行人行走过程划分四类微场景,利用三种微航向角进行分类加权融合获得行走航向角,有效降低传感器的累积误差。
  (3)行人室内位置追踪。通过行人移动距离和航向角,实现位置追踪。本文一共测试16个人,实验结果表明,相对于使用单一的陀螺仪或磁力计计算方向角,定位误差保持在1~4m范围内,PDR(BP+陀螺仪)方法有7个人。PDR(BP+磁力计)方法仅有4个人。提出的定位方法PDR(BP+微航向角融合)结果有12个人的,占总人数的75%,其中,最好的定位误差仅有2.16m,表明提出的定位方法能够有效降低误差累积影响。
[硕士论文] HADI-LAI BAKARY
计算机科学技术 重庆交通大学 2018(学位年度)
摘要:较传统遥感图像而言,多光谱遥感图像能够获取更多的光谱信息,从而为识别边界和地物创造更加良好的条件,因此具有更高的研究意义和应用价值。随着地理信息系统技术中多光谱图像在空间分辨率上的高速提升,针对多光谱图像的处理及应用也逐渐增加。然而,在多光谱图像的采集过程中不可避免地会引入噪声,影响图像的清晰度,从而给后续的图像处理和分析工作带来困难。目前的图像去噪方法多针对多光谱图像单个通道进行分别去噪,无法有效的利用多光谱图像间的相关信息,往往去噪效果不好,或者引入新噪声点的问题。本文基于构建的张量正则化框架对遥感多光谱图像进行降噪及图像重建研究。通过张量模型,对不同通道间的相关性进行建模。本文的研究内容及创新点可总结如下:
  1.对传统的图像去噪方法进行实验分析,对添加了高斯、椒盐或者斑点噪声的原始多光谱图像利用传统的图像去噪方法进行去噪。通过对不同噪声来源以及不同去噪方法的结果进行分析,比较了现有去噪模型对不同噪声的去噪结果的差异,结果表明,传统的去噪方法无法满足现有的多光谱图像去噪应用的要求,会丢失一部分的边缘等细节信息。一些图像去噪方法如高斯滤波和双边巴特沃斯滤波会引入新的伪影,并造成图像失真的问题。
  2.将张量正则化框架引入到图像去噪模型中,对现有图像去噪模型进行改进。通过正则化框架中的数据拟合项和正则项分别对图像的噪声机制以及图像的先验信息进行建模,从而在新的角度尝试提出一个稳定和系统的图像去噪建模框架。以低秩假设作为一个先验,引入了低秩正则项。并在原始图像上增加了泊松噪声(κ=6)和高斯噪声(∑=0.2),根据模型进行仿真实验,对噪声图像进行恢复,并对恢复图像进行客观评价,验证了模型的有效性。另外,本文将current learning模型引入到正则化框架并低秩化先验结合,进一步提升了图像去噪效果。
  3.基于多光谱图像在空间上的非局部相似性和整个频谱上的全局相关性,将字典学习转化为新的正则项并引入到图像去噪模型中,构建了具有组块相似以及字典的稀疏约束的基于字典学习的张量正则化学习模型。通过这种方式使得相同的全频带由空间共享谱词典约束。此外,通过利用多光谱图像的谱相关性和假设字典的过度冗余的约束,受限的非局部多光谱图像字典学习模型可以分解为一系列容易求解的低秩约束来逼近问题的解。
  本文采用了传统的评价标准如峰值信噪比(PSNR)计算和运行时间来评估恢复的图像。实验结果表明,本文方法能够有效提升这些度量结果,并且从主观上看,图像去噪效果良好。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部