特征描述
- 三分支空間變換注意力機制的圖像匹配算法
征提取、圖像特征描述、圖像特征匹配這3個步驟。對于傳統(tǒng)的圖像特征提取與描述算法,根據(jù)特征點的類型不同,可以分為基于斑點的特征提取與描述算法和基于角點的特征提取與描述算法[2]?；诎唿c的特征提取與描述的算法中,最具有代表性的算法是Lowe提出的尺度不變特征變換(scale-invariant feature transform, SIFT)算法[3],該算法在構建尺度空間時候采取高斯核函數(shù)進行濾波,使原始圖像保存最多的細節(jié)特征,經(jīng)過高斯濾波后細節(jié)特征逐漸減
系統(tǒng)工程與電子技術 2023年11期2023-10-29
- 一種基于階陣列的BRIEF特征描述子
像處理領域,特征描述子對目標物的不變性研究具有重要意義。一個好的描述子應該能夠抵抗目標物的尺度變化、光線變化、旋轉變化、仿射變化和噪聲干擾。一般而言,一個描述子的構成首先是從圖像中提取一些特征點,然后根據(jù)特征點周圍的區(qū)域形成描述子,最后,采用適當?shù)木嚯x度量方法來比對描述子的相似程度,判定描述子與目標物之間是否同一。對于視覺分類問題而言,常用的方法是通過特征向量來描述一類具有共同點的物體,然后形成可查找的視覺關鍵字[1-2]。假定關鍵點是已知的,理想的描述子
計算機技術與發(fā)展 2023年5期2023-05-19
- 基于局部特征描述的圖像匹配方法分析
習的圖像局部特征描述已被證明具有更好的匹配性能和更大的潛力。一般基于局部特征描述的圖像匹配方法通常分為如圖1所示的3個步驟。圖1 基于局部特征描述的圖像匹配方法流程圖文章全面客觀的比較與分析當前主流傳統(tǒng)經(jīng)驗驅動的基于手工設計的圖像局部特征描述方法和由數(shù)據(jù)驅動的基于深度學習的圖像局部特征描述方法，總結圖像局部特征描述的現(xiàn)狀，以期為未來該領域研究者給出一定的參考。1 手工設計的圖像局部特征描述方法1.1 基于梯度的圖像局部特征描述方法基于梯度的圖像局部特征描述
信息記錄材料 2022年10期2022-12-21
- 基于深度學習的兩階段細粒度車輛檢索算法
具有判別力的特征描述子，但該方法在車輛檢索方面效果不理想。Ahmad等[10]提出了一種基于對象的圖像檢索方法，通過設置閾值去除了無效的特征信息，并采用了哈希方法進行了大規(guī)模圖像檢索。以上方法主要是對全局特征的相似度進行比較，隨著檢索類別數(shù)量的增多，檢索效果會變得不理想。為了解決這種問題，本文利用Faster R-CNN[11]對目標區(qū)域進行定位和類別判斷，并結合這兩項數(shù)據(jù)結果進行二次檢索。本文方法首先對全局特征描述子進行檢索，再利用局部特征描述子和類別得
計算機應用與軟件 2022年10期2022-11-07
- 基于改進的ResNet與IMU位姿圖像特征描述子
且區(qū)分度高的特征描述子。目前，基于深度學習的圖像特征描述子（如：SuperPoint、LF-Net），展現(xiàn)出比人工設計的特征描述子具有更好的性能。然而，一些研究表明，當把SuperPoint等特征描述子應用于有遮擋的現(xiàn)實世界時，存在泛化能力弱的問題。存在這種局限性的一個重要原因，就是無法獲取圖像對之間特征點真實的對應關系。之前，許多方法都采用SFM數(shù)據(jù)集作為替代方案，但這些數(shù)據(jù)集提供的匹配特征點并不是真實的對應關系。針對上述問題，本文方法不要求特征點之間具
智能計算機與應用 2022年9期2022-09-28
- 變電土建項目工程量清單特征描述策略研究
化及固化清單特征描述，提高最高投標限價和結算審核效率，降低結算審核清單重組率，避免結算審核風險[1]，提高造價管理工作的邏輯性、科學性、規(guī)范化、標準化水平，適應“三型兩網(wǎng)”的建設要求，是目前急需解決的問題。工程量清單項目特征作為工程量清單計價體系的重要組成部分，在招投標及后續(xù)竣工結算的過程中，均起到十分重要的作用。首先，項目特征是區(qū)分清單項目的依據(jù)，對于相同或相似的清單項目名稱，必須通過項目特征的描述才能加以區(qū)別；其次，項目特征是確定綜合單價的前提，直接決
四川水泥 2022年9期2022-09-24
- 基于球形網(wǎng)格劃分的二值化點云特征描述子
024)局部特征描述子是三維點云特征的局部表達，反映了點云一定鄰域范圍內(nèi)的局部表面特征，通常通過將局部表面的幾何或空間信息轉化為特征向量而得到。由于對遮擋、噪聲和點密度變化具有強魯棒性和強描述性，局部特征描述子在點云配準、三維重構、形狀檢索、人臉特征識別等計算機三維視覺領域有著廣泛的應用。隨著低成本傳感器和高速計算系統(tǒng)的蓬勃發(fā)展，三維數(shù)據(jù)的獲取變得更加便利，這進一步提升了局部特征描述子在計算機視覺領域的重要性。盡管大量優(yōu)秀的點云局部特征描述子被提出[1-4
哈爾濱工程大學學報 2022年8期2022-09-11
- 融合弱監(jiān)督目標定位的細粒度小樣本學習
題，本文提出特征描述子表示與語義對齊距離。特征描述子表示假設每個特征描述子是獨立的，用篩選得到特征描述子集合作為圖像的表征。相比使用一個高維向量作為表征，特征描述子表示更加細粒度，能更好地捕獲和利用圖像豐富的局部特征，因此特征描述子表示是一種表達能力更強的數(shù)據(jù)表征。此外，為了適應特征描述子表示，受樸素貝葉斯最近鄰(naive Bayes nearest neighbor，NBNN)(Boiman等，2008)和DN4(deep nearest neighb
中國圖象圖形學報 2022年7期2022-07-15
- 結構光相機點云圖與CT 圖像配準算法對比研究
云提取、點云特征描述和圖像配準算法。Johnson[9]于1997年引入了自旋圖像（spin images，SI），通過圖像的相關性建立2 個曲面之間點的對應關系，SI 在包含雜波和有遮擋場景的目標識別中有較高的準確性。2004年Frome 等提出了3D 形狀上下文特征（3D shape context，3DSC）[10]，實驗評估發(fā)現(xiàn)該算法對嘈雜、混亂場景中的車輛識別率較高。2008年Rusu 等[11]提出點特征直方圖（point feature hi
醫(yī)療衛(wèi)生裝備 2022年3期2022-04-22
- 高中地理特征描述類試題
例析高中地理特征描述類試題一般要求同學們描述事物的形態(tài)或者狀態(tài)。此類試題按對象可分為對地理事物特點的描述、對地理事物分布特點的描述和對地理事物發(fā)展變化過程特點的描述。高中地理特征描述類試題一般以區(qū)域地理圖文材料為載體，考查地形特征、地理位置特征、河流的水文特征、河流的水系特征、氣候特征等。高中地理特征描述類試題常見的設問形式有：說明……地理事物的特點;描述……地理事物的狀況;歸納……地理事物的特征;簡述……地理事物的特點;概括……地理事物的主要特征;從……
中學政史地·高中文綜 2022年1期2022-03-14
- 高中地理特征描述類試題解法例析
鳳鳴高中地理特征描述類試題一般要求同學們描述事物的形態(tài)或者狀態(tài)。此類試題按對象可分為對地理事物特點的描述、對地理事物分布特點的描述和對地理事物發(fā)展變化過程特點的描述。高中地理特征描述類試題一般以區(qū)域地理圖文材料為載體，考查地形特征、地理位置特征、河流的水文特征、河流的水系特征、氣候特征等。高中地理特征描述類試題常見的設問形式有：說明……地理事物的特點；描述……地理事物的狀況；歸納……地理事物的特征；簡述……地理事物的特點；概括……地理事物的主要特征；從……
中學政史地 2022年2期2022-03-11
- 基于半球形鄰域的激光雷達點云局部特征提取
識別過程中，特征描述是其中最為關鍵的一步，一個好的特征描述子能夠以極少的特征維度來最大限度的表征目標，為后續(xù)高效準確的特征匹配奠定基礎?；谑止ぬ卣鞯姆椒ㄖ饕ㄟ^分析提取物體的特征點的幾何屬性［1］、形狀屬性［2］、結構屬性［3］或者多種屬性組合等特征進行對比、學習，從而完成目標的識別與分類［4］。在現(xiàn)有的手工特征描述算法中基于直方圖的方法得到了最為廣泛地研究。這類方法首先利用點云的某些信息（如點坐標、幾何屬性）定義直方圖的一個或多個維度，然后采用鄰域點的
信號處理 2022年2期2022-03-07
- 面向三維特征描述子的自適應二進制簡化方法
為設計合理的特征描述方法來表征3D點云數(shù)據(jù)，之后通過場景和模型之間的特征匹配實現(xiàn)正確的識別，只要能夠實現(xiàn)有效的特征表征，即可實現(xiàn)較好的在線環(huán)境感知。所以，目前基于手工計算的方法在3D 視覺領域的研究和應用仍然是研究的熱點。根據(jù)數(shù)據(jù)特征表征方式的不同，基于手工計算的3D環(huán)境感知又可分為基于全局特征描述子的感知方法和基于局部特征描述子的感知方法?；谔卣骶植棵枋鲎拥母兄椒ㄒ驗樗谡趽?、重疊、背景雜亂以及視角變化等場景中具有較好的魯棒性而被廣泛地研究?；谔卣?/div>
計算機應用 2021年7期2021-07-30
- 結合點云紋理信息的快速點特征直方圖描述子算法
處理技術中，特征描述子的檢測和描述能力直接影響著后繼的點云配準、識別定位等環(huán)節(jié)，使用合適的特征描述子進行特征提取往往能夠取得更好的效果[1- 2]。因此，如何運用點云的形狀和紋理信息進行高效率的特征提取是一個很有意義的研究課題[3]。點云特征描述技術發(fā)展至今已有多種多樣的局部特征描述子。在基于空間分布直方圖的局部特征描述子方面[4]，F(xiàn)rome等[5]提出三維形狀上下文(3D Shape Context,3DSC)描述子，將特征點的領域劃分為三維球形網(wǎng)格，華南理工大學學報（自然科學版） 2021年6期2021-07-12
- 基于改進SIFT 的室內(nèi)全景圖像配準算法研究
的SIFT 特征描述子，將矩形區(qū)域改為圓形區(qū)域來降低描述子的維度[8]。陳抒瑢等人提出Contourlet-SIFT 算法，該算法對尺度不變的特征進行Contourlet 變換，并建立全局紋理描述子，適用于尺度和方向等變換比較明顯的場景[9]。李欽等提出PCA-SIFT 特征匹配算法，對SIFT 特征描述子進行主成分分析,降低了SIFT 特征描述子的維度，從而提高配準速度，但是PCA 算法的引入也增加了計算量[10]。許佳佳等提出基于Harris的SIFT電子設計工程 2021年6期2021-04-20
- 探究招標工程量清單項目特征描述不符的預防措施
程量清單項目特征描述不符極易造成合同雙方產(chǎn)生經(jīng)濟糾紛，進而為項目開展、管理以及工程造價控制等工作造成影響。因此，應探究有效預防招標工程量清單項目特征描述不符問題的措施，從而保證投標報價的準確合理性。1 研究招標工程量清單項目特征描述不符的情況招標工程量清單項目特征能夠為清單項目的區(qū)分、綜合單價的確定以及合同義務的履行奠定良好基礎，為使其能夠充分發(fā)揮作用，需要對項目特征進行規(guī)范、準確、全面描述。但是，從目前招標工程量清單項目特征描述現(xiàn)狀來看，存在以下兩種情況建筑與裝飾 2021年10期2021-04-03
- 正交Gaussian-Krawtchouk不變矩的構建及在圖像匹配中的應用研究
不變矩的圖像特征描述存在信息冗余，計算復雜，圖像表征能力不強等問題，本文深入研究了正交的Gaussian-Krawtchouk矩及其不變矩的表達形式。依據(jù)不同的尺度因子特點，提出了基于多尺度Gaussian-Krawtchouk不變矩的圖像局部特征描述方法，并用于五種不同類型圖像的特征匹配。實驗結果表明，這種不變矩較其他傳統(tǒng)的特征描述方法具有更好的圖像表征能力，更強的數(shù)字穩(wěn)健性。該不變矩用于圖像匹配是有效可行的，具有良好的實用價值。正交Gaussian-K井岡山大學學報(自然科學版) 2021年2期2021-03-27
- 基于AGAST角點域特征的垃圾識別算法
T;角點域;特征描述;FAST;垃圾分類中圖分類號：T18 文獻標識碼：A文章編號：1009-3044（2020）20-0183-04Recognition Algorithm of Garhage Based on Feature of AGAST ComerSHEN Xin-jie， LAN Hao， ZENG Yu（College of Engineering and Design， Hunan Normal U niversity， Changsh電腦知識與技術 2020年20期2020-08-26
- 基于視覺傳達的青銅器鳳紋圖像缺陷檢測系統(tǒng)
的集合參數(shù)和特征描述與處理，對青銅器鳳紋圖像邊緣檢測，最后利用視覺傳達技術對青銅器鳳紋圖像缺陷檢測，以此完成基于視覺傳達的青銅器鳳紋圖像缺陷檢測系統(tǒng)的設計。實驗對比結果表明，此次設計的基于視覺傳達的青銅器鳳紋圖像缺陷檢測系統(tǒng)比傳統(tǒng)系統(tǒng)的圖像缺陷檢測時間短，能夠有效檢測青銅器鳳紋圖像缺陷特征。關鍵詞： 青銅器; 鳳紋圖像; 缺陷檢測; 系統(tǒng)設計; 視覺傳達; 特征描述Abstract： The visual communication technology現(xiàn)代電子技術 2020年16期2020-08-14
- 交互場景下的動態(tài)環(huán)境設計系統(tǒng)開發(fā)應用
采用SURF特征描述方法，在交互場景中利用靜止物體特征點，匹配動態(tài)環(huán)境特征，完成姿態(tài)位置估計。還原成像關系示意圖，計算特征向量，區(qū)分動靜態(tài)特征，利用計算機程序實現(xiàn)動態(tài)環(huán)境設計系統(tǒng)的開發(fā)。設計對照實驗，利用Framer Studio軟件模擬系統(tǒng)運行狀態(tài)，測試系統(tǒng)性能。實驗結果表明，所開發(fā)的系統(tǒng)運行響應時長與原有系統(tǒng)相比明顯縮短，能夠充分滿足用戶需求。關鍵詞： 動態(tài)環(huán)境設計; 交互場景; 中控電路; 特征描述; 系統(tǒng)設計; 響應時長中圖分類號： TN99?34現(xiàn)代電子技術 2020年13期2020-08-07
- 大規(guī)模復雜場景下基于ResNet的回環(huán)檢測技術研究
通過計算圖像特征描述子與其所屬的聚類中心的差矢量來聚合圖像特征。如果給定N個D維的本地特征描述子{Xi}作為輸入，K個聚類中心{Ck}作為VLAD的元素，VLAD的輸出是一個D×K維的矩陣V。位置元素V(j,k)的計算公式如下：(1)式中：xi(j)和Ck(j)分別是第i個本地特征描述子和第k個聚類中心的第j維元素。1.3 詞袋法詞袋法(Bag-of-Words,BoW)[13]最早出現(xiàn)在自然語言處理和信息檢索領域。該模型忽略文本的語法和語序等要素，將其僅計算機應用與軟件 2020年7期2020-07-13
- 基于HOG和特征描述子的人臉檢測與跟蹤
基于HOG和特征描述子的人臉檢測與跟蹤算法。實驗前先對視頻幀進行預處理操作，利用直方圖均衡化進行光照補償，利用中值濾波進行圖像降噪；然后基于HOG特征檢測人臉；最后通過ResNet生成特征描述子，利用結合特征描述子的校正策略獲得跟蹤結果。筆者算法能夠減少光照和噪聲的影響，而且可以在多人臉干擾和人臉姿態(tài)不斷變化的情況下區(qū)分不同的人臉。算法分為基于HOG特征的人臉檢測過程和基于特征描述子的人臉跟蹤過程，下文將按照上述思路分別進行說明。1 基于HOG特征的人臉檢浙江工業(yè)大學學報 2020年2期2020-04-09
- 更正
以下內(nèi)容：“特征描述：藻體暗褐色，半球形。基部由薄壁細胞組成墊狀假膜體。著生于假膜組織細胞上的同化絲可分成長同化絲和側絲(短同化絲)。無毛。單室囊和多室囊同體。習性和產(chǎn)地：在中潮帶附著于Sargassumconfusum藻體上，與Halothrixgracilis等混生。產(chǎn)于大連。地理分布：中國渤海。模式標本產(chǎn)地：中國大連。2.4 細枝短毛藻（新種）（圖 2）Elachista tenuissimaLuan et Ding sp.nov.”。謹向作者和讀者廣東海洋大學學報 2020年1期2020-03-03
- 基于興趣點密度加權的圖像美學質量評價
點檢測并提取特征描述子，然后統(tǒng)計超像素塊內(nèi)的興趣點個數(shù)，根據(jù)興趣點密度對超像素塊內(nèi)的特征描述子進行加權并進行局部約束線性編碼處理，最后利用機器學習方法進行圖像美學質量評價。實驗結果表明該方法用來圖像美學質量評價大大減少了特征維度和計算時間，提高了評價模型的準確率。關 鍵 詞 圖像美學;質量評價;超像素分割;興趣點密度加權中圖分類號 TP391.4? ? ?文獻標志碼 AAbstract The aesthetic evaluation model has河北工業(yè)大學學報 2019年3期2019-09-10
- 基于固定數(shù)采樣的輪廓特征描述子方法
的選取和計算特征描述子過程中話費大量的時間，嚴重影響算法的效率。本文在特征點的選取中使用固定數(shù)采樣，降低特征點數(shù)目并且保存特征點的整體信息，然后采用質心邊界距離描述子對輪廓進行描述，最后再將位置信息降維，生成一維的輪廓特征對目標運動狀態(tài)進行描述。1 固定數(shù)采樣固定數(shù)采樣法，是在等間隔采樣方法的基礎上提出的新的采樣方法，當各組數(shù)據(jù)長度不同的情況，等間隔采樣法計算出來的間隔是不同的，并且大多情況下不是整數(shù)，如果將采樣間隔近似，就會造成采樣不均勻，存在區(qū)域遺漏，電子技術與軟件工程 2019年7期2019-06-11
- 顧及幾何特征相似性的多源等高線匹配方法
V)作為混合特征描述測度，提取等高線幾何形態(tài)特征，將等高線節(jié)點序列轉化為空間幾何形態(tài)特征描述序列，并引入最長公共子序列算法(longest common subsequence solution,LCSS)，量化計算多源等高線之間在幾何形態(tài)上的相似和差異程度，實現(xiàn)同名等高線匹配，并利用模擬數(shù)據(jù)和真實數(shù)據(jù)進行試驗驗證。試驗結果證明本文提出的基于幾何特征相似性的等高線匹配策略具有較高匹配精度和運行效率，并具有較好的適用范圍，實現(xiàn)了融合位置特性和幾何形態(tài)特性的等測繪學報 2019年5期2019-06-10
- 基于局部哈希學習的大面陣CCD航拍圖像匹配方法
特征點并構建特征描述子；在此基礎上，根據(jù)相似性度量實現(xiàn)匹配。其中，特征描述子構建是實現(xiàn)快速匹配的關鍵[1-5]。針對特征描述子構建，文獻[6]提出將SIFT(scale-invariant feature transform)[7]與KDES-G(gradient kernel descriptor)特征[8]進行級聯(lián)融合獲取聯(lián)合向量，以提高特征描述子的魯棒性。SURF(speed up robust features)算法[9]針對SIFT算子實時性不高應用光學 2019年2期2019-03-23
- 基于B-SHOT特征和3D-NDT的點云自動配準
ns）3 D特征描述子，速度和精度都優(yōu)于FPFH[10]、3D-SURF[11]等3D特征描述子。2015年，Prakhya等[12]對SHOT 3D特征描述子進行改進，提出了二進制SHOT(binary signatures of histograms of orientations,b-SHOT)的3D特征描述子，提高了SHOT特征描述子的速度和精度。本文主要研究利用B-SHOT特征描述子進行點云粗配準并結合3D-NDT實現(xiàn)點云數(shù)據(jù)的自動配準。1 B-地理空間信息 2018年12期2018-12-26
- 小學科學優(yōu)質微課程的特征描述
學；微課程；特征描述科學微課程作為一種新生事物，以其“微而精”為廣大學生提供了一個嶄新的學習平臺，優(yōu)化了傳統(tǒng)的科學課堂教學，提升了知識傳輸?shù)男?，逐步實現(xiàn)自主高效學習策略，將碎片化的知識與信息在最短的時間內(nèi)整合成壓縮餅干式的精華信息，減少了課堂的時間消耗，成為小學科學課堂教學的合理補充、學生學習的新手段、教師專業(yè)發(fā)展的重要載體。一、選題體現(xiàn)先進的科學思想，實現(xiàn)動手動腦做實科學科學微課程選題應體現(xiàn)先進的科學課改思想，利于學生動手動腦做科學，能關注學生的生活經(jīng)贏未來 2018年4期2018-09-27
- 基于粒子群優(yōu)化的圖像自適應尺度空間劃分方法研究
特征和健壯的特征描述.從20世紀80年代開始，人們已經(jīng)開始進行簡單的圖像領域研究.但是由于計算機硬件的限制，當時的圖像領域研究只能采用一些特征點的對應關系做射影幾何，選擇一些線條作形狀的分析，Harris角點探測子[9]就屬于其中有關圖像特征的研究成果.到了90年代末本世紀初，隨著計算機硬件的革新，大批高效的圖像描述子提取方法被提出，其中包括Lowe提出的SIFT特征檢測和局部描述子[10]，其通過收集梯度直方圖來得到最終的圖像描述.直至今日，仍有大批的學小型微型計算機系統(tǒng) 2018年6期2018-07-04
- 結合碼本優(yōu)化和特征融合的人體行為識別方法
列的底層局部特征描述子，然后將這些局部特征描述子作為視覺詞袋模型(BoVW)[8]的輸入獲得視頻序列的全局表達，最后將這種視頻全局表達作為支持向量機的輸入進行分類識別，取得了較好的識別效果。在目前的行為識別算法中，基于視覺詞袋模型的方法是研究熱點之一。在傳統(tǒng)的視覺詞袋模型中，對所有視頻的一部分局部特征描述子進行一次k-means聚類而形成的碼本，其視覺詞匯并不具有很好的代表性。而有效的字典學習是視覺詞袋模型的關鍵步驟，文中提出對視頻中提取的局部特征描述子根計算機技術與發(fā)展 2018年2期2018-03-05
- 面向視覺導航的圖像特征評價方法研究
】特征檢測；特征描述；評價方法中圖分類號： TG485 文獻標識碼： A 文章編號： 2095-2457（2018）32-0090-002DOI：10.19694/j.cnki.issn2095-2457.2018.32.041【Abstract】Rational evaluation of the performance of various feature algorithms is helpful to guide people to make co科技視界 2018年32期2018-02-21
- 改進的SIFT算法圖像匹配研究
是SIFT的特征描述子向量是128維[4]的，導致運算量過大，計算過于復雜，這對于實時性要求比較高的情況，如目標在線識別、機器人單目視覺等存在一定的局限性。為降低特征描述子維數(shù)并提高匹配精度，科研人員提出了多種基于SIFT的改進算法[5]。將主成分分析法（Principal Component Analysis，PCA）與SIFT算法相結合[6]，可以對SIFT算子進行降維，特征描述子的維數(shù)可以從128維降到20維，但是匹配精度較差；國外的Mikolajc計算機工程與應用 2018年3期2018-02-07
- 基于馬氏度量的圖像譜特征描述
度量的圖像譜特征描述張詩清1，鮑文霞1，2，余國芬1（1.安徽大學電子信息工程學院，安徽 合肥 230601；2.偏振光成像探測技術安徽省重點實驗室，安徽 合肥 230031）傳統(tǒng)的譜特征描述過程中采用的是不能反映樣本間潛在關系的歐式距離進行度量的.為更好地區(qū)分數(shù)據(jù)之間的聯(lián)系，提出基于馬氏度量的圖像譜特征描述算法.首先，對特征點及其周圍特征點按照馬氏距離進行分層，并在每層上面構造相應的結構圖及計算其關聯(lián)矩陣；接著，對關聯(lián)矩陣進行譜分解得到其特征值向量和譜隙淮北師范大學學報(自然科學版) 2017年4期2017-12-20
- 初中化學高效課堂中評價行為特征的研究
；評價行為；特征描述【課題項目】本文為福建省教育科學規(guī)劃十二五規(guī)劃2013年度課題課題（立項編號：FJJKXB13-173）研究成果。【中圖分類號】G633.8 【文獻標識碼】B 【文章編號】2095-3089（2017）06-0285-02一、問題的提出在教育主管部門和學校的重視和推動下，一輪又一輪的新課程培訓得以相繼展開，教師的教育教學理念和課堂教學行為呈現(xiàn)了許多積極的新變化。但在深入課堂聽課和組織開展教研活動時發(fā)現(xiàn)，部分一線教師在對教學目標的表述和落課程教育研究·新教師教學 2017年6期2017-10-17
- 基于FisherVector的圖像精細分類方法
圖像集RGB特征描述的混合高斯參數(shù)；求取匹配圖像塊集的Fisher Vector特征矢量；求取訓練圖像集的最終特征描述和測試圖像集的最終特征描述；利用SVM對訓練圖像集的最終特征描述進行訓練，得到分類模型；利用分類模型對測試圖像集的最終特征描述進行分類。該發(fā)明具有分類準確率較高的優(yōu)點，可應用于互聯(lián)網(wǎng)通信、交通和公共安全領域。科技資訊 2016年32期2017-03-31
- 用于三維點云表示的擴展點特征直方圖算法*
標框架以獲得特征描述子對旋轉和平移的不變性；將關鍵點局部鄰域劃分成多個子空間，并依據(jù)每個子空間中的點對不變量構建一個直方圖；將所有直方圖串聯(lián)起來得到擴展點特征直方圖特征描述子。采用Bologna公共數(shù)據(jù)集對擴展點特征直方圖特征描述子的性能進行測試，并與多個現(xiàn)有算法進行對比。結果表明，擴展點特征直方圖特征描述子獲得了良好的性能，其結果優(yōu)于多個現(xiàn)有的特征描述子。點云；局部特征；特征表示；點集；特征直方圖特征提取是計算機視覺和模式識別領域的一個核心基礎問題，目前國防科技大學學報 2016年6期2017-01-07
- 例談如何做好高考區(qū)域地理的復習方法
;空間定位;特征描述;原因分析;問題及治理中圖分類號：G633.55 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1992-7711（2016）02-001-01一、區(qū)域地理復習的宏觀把握區(qū)域地理問題是一個綜合性很強的問題，它是以相對獨立的地理知識點為基礎，以地理環(huán)境的內(nèi)在聯(lián)系性和人類與地理環(huán)境的相互影響關系為脈絡的。因此，在指導學生復中學課程輔導·教師教育（上、下） 2016年2期2016-05-30
- 基于中醫(yī)目診的虹膜圖像特征表示方法研究
斑塊、坑洞的特征描述和表示方法。初步實驗結果顯示，該方法能較有效地支持虹膜圖像特征的表示與度量?！碴P鍵詞〕中醫(yī)目診;虹膜診斷;虹膜圖像特征;特征描述Study on Description Method of Iris Image Features Based on TCM Eyes DiagnosisMU Jun, YAN Junfeng, PENG Qinghua*(Hunan University of Chinese Medicine, Chang湖南中醫(yī)藥大學學報 2015年11期2016-01-06
- 基于局部顏色直方圖的SIFT 算法研究＊
不變性的局部特征描述算子。文獻［3］通過實驗證明了SIFT 算法對光照、幾何變形、分辨率差異和旋轉具有一定的不變性，是識別率最佳的算法之一。大多數(shù)圖像匹配算法是將彩色圖像轉化為灰度圖像，利用灰度信息尋找圖像中的幾何不變量，進行圖像的匹配。SIFT 算法也只使用圖像的灰度信息，忽略顏色信息，導致對彩色目標匹配能力降低。為了對彩色目標獲得更高的識別率，研究者提出了各種彩色SIFT 描述子，特別是根據(jù)各種光照不變性模型提出的各種彩色SIFT 描述子，如HSVSI貴州大學學報(自然科學版) 2015年2期2015-11-22
- 基于2008版《知網(wǎng)》的詞語相似度計算方法
義原和概念的特征描述2個方面綜合計算詞語相似度。運用義原樹的樹形層次結構，得到義原的深度信息量，再考慮義原的路徑計算得到義原相似度。通過層次特征類型匹配計算概念特征描述的相似度。綜合主類義原相似度、概念特征描述相似度以及義原之間的對義、反義關系計算得到詞語相似度。實驗結果表明，該方法得到的詞語相似度計算結果與人的主觀認識趨于一致。詞語相似度；2008版《知網(wǎng)》；義原；深度信息量；路徑；特征描述1 概述在自然語言處理領域，詞語相似度計算被廣泛地應用于信息檢索計算機工程 2015年9期2015-11-04
- 中國貴州芽串孢屬一新種
進行了形態(tài)學特征描述和圖解。研究標本保存在遵義師范學院真菌標本室（HMZNC）。關鍵詞 分類；火棘芽串孢中圖分類號 Q939 文獻標識碼 A1 IntroductionDuring a continuing exploration for saprobic microfungi in Xishui National Nature Reserve of Guizhou， China， Blastocatena pyracanthae as one new s熱帶作物學報 2015年4期2015-10-21
- 客戶評論中用戶體驗信息自動提取研究
產(chǎn)品特征詞及特征描述詞,將其結合組成用戶體驗信息,自動獲取信息能夠迅速、準確地從客戶評論中提取信息。實驗結果證明了該方法的有效性,并且能夠保證較高的準確率與查全率?？蛻粼u論;特征挖掘;情感分析;語義片段提取;用戶體驗;語義相似度1 概述隨著電子商務、微博的興起,人們的衣食住行與互聯(lián)網(wǎng)的關系越來越密切,互聯(lián)網(wǎng)中的信息也隨之飛速增長。電子商務中的客戶評論數(shù)量急劇增長使得用戶想要在評論中快速準確的獲取到其他用戶的體驗信息變得困難?？蛻粼u論的特點有:數(shù)量大,在主流計算機工程 2015年1期2015-06-27
- 面向單視頻超分辨率重建的改進的SIFT配準算法
計算128維特征描述子的時間最長這一缺點，提出了一種改進的SIFT配準算法，該算法的原理為通過放棄對128維特征描述子的計算，采用特征點之間的灰度相關系數(shù)來進行初始匹配，以期大大減少計算時間，提高特征匹配速度。實驗結果證明，該算法在配準結果、時間消耗上明顯優(yōu)于傳統(tǒng)配置算法。特征點檢測;特征匹配;SIFT配準算法;超分辨率重建單視頻超分辨率重建中，只涉及到空間分辨率的增強。由于單視頻超分辨率重建的特殊性，傳統(tǒng)的基于SIFT特征點檢測的配準只是一種通用解決方案河北科技師范學院學報 2015年3期2015-04-11
- 基于點特征算子的紅外圖像實時拼接系統(tǒng)
及BRISK特征描述算子的性能最符合畫幅式紅外拼接系統(tǒng)的需要。最后在CPU＋GPGPU平臺上實現(xiàn)了以ORB＋BRISK算子為特征算子的紅外圖像實時拼接系統(tǒng)，并利用熱紅外遙感圖像進行了拼接的性能驗證。紅外圖像；點特征算子；實時拼接；GPGPU；ORB；BRISK0 引言在機載的對地觀測領域，熱紅外波段是重要的遙感波段。隨著紅外遙感觀測的發(fā)展，大視場高空間分辨率的熱紅外圖像在軍事偵察、快速災情監(jiān)測、大視場地質勘探等方面的應用越來越廣泛。由于紅外材料和工藝的限制紅外技術 2015年3期2015-03-28
- 基于譜特征的圖像匹配算法*
;局部特征;特征描述;線圖圖像匹配是指通過一定的匹配算法尋找兩幅或多幅圖像中像素點之間的匹配關系,是計算機視覺、圖像處理、模式識別等領域的研究熱點,也是眾多相關理論研究的基礎.根據(jù)匹配基元的不同,可以將圖像匹配方法分為3類:區(qū)域匹配、相位匹配和特征匹配方法[1],其中特征匹配方法相對于另外兩類方法具有計算量小、速度快、魯棒性高等優(yōu)點,是應用較多的一種方法.特征匹配方法首先對圖像進行預處理以提取其高層次的特征,然后建立兩幅圖像之間特征的匹配關系,通常使用的特華南理工大學學報（自然科學版） 2015年9期2015-02-18
- 一種魯棒的基于圖像對比度的局部特征描述方法
引言圖像局部特征描述子是近年來計算機視覺領域的研究熱點之一，被廣泛地應用于圖像匹配，目標跟蹤，圖像檢索等視覺應用中[13]-。局部特征描述方法為局部特征點構建魯棒的鄰域信息表示，對尺度、旋轉、視角等圖像變換，以及噪聲、遮擋等因素具有很強的適應性。局部特征描述子研究一個基本問題是：如何在特征點鄰域內(nèi)尋找到相關信息并對其進行有效的編碼[4]，本文將著重探討局部特征描述子的構建方法。目前，研究者已經(jīng)提出多種局部特征描述方法來定量化描述特征區(qū)域的形狀和紋理特性。最電子與信息學報 2014年4期2014-11-18
- 基于Gaussian-Hermite矩的圖像局部特征描述與匹配研究
1）圖像局部特征描述是圖像處理與計算機視覺領域的研究熱點[1-3]。圖像局部特征描述是指用一定的方法描述圖像特征點周圍一片區(qū)域的特征信息。描述方法要使得相同特征或相同場景的描述盡可能的一致，而不同的特征或不同場景的描述差異性盡可能的大。近幾年，有很多圖像的特征描述方法被提出。這些方法主要可以分為三類：基于濾波的方法[4-5]、基于矩的方法[6-7]與基于像素分布的方法[8-9]。其中基于像素分布的方法被應用較多，尤其是 SIFT[10]與形狀上下文[11]圖學學報 2014年3期2014-07-11
- 結合空間金字塔局部特征的譜匹配算法
間金字塔局部特征描述，該特征描述在性能上優(yōu)于 SIFT［8］、GLOH［9］、CS-LBP［10］等描述，并以該局部特征描述作為特征點之間相似性的度量方式，重構鄰接矩陣，通過譜分解獲取特征點匹配關系.1 改進的CS-LBP特征值CS-LBP描述子是在局部二元模式（Local Binary Pattern，LBP）［11］描述子基礎上，為了減少二進制模式，而僅通過比較基于中心對稱的兩個鄰域點的灰度值來進行編碼的紋理描述子.為了使特征描述進一步具有旋轉不變性，淮北師范大學學報(自然科學版) 2014年3期2014-07-04
- 基于圓環(huán)域描述的改進快速SIFT算法
FT算法中的特征描述子進行了改進，用圓形代替矩形并對區(qū)域進行分層，越靠近關鍵點層數(shù)越多，相當于對中心區(qū)域進行了加權，并通過仿真給出了最佳加權層數(shù)和特征描述子方向數(shù)。仿真實驗表明:該算法不但滿足了匹配正確率和實時性的要求，而且具有很高的穩(wěn)定性和魯棒性，能夠滿足目標跟蹤的實時性要求?？焖賁IFT算法;特征匹配;目標跟蹤;實時性視覺跟蹤是計算機視覺和人工智能領域的重要研究課題之一，在視頻監(jiān)控、智能人機交互、精確制導武器成像制導等諸多領域具有廣闊的應用前景?；谔?/div>兵器裝備工程學報 2014年7期2014-06-28
- 基于灰度階的特征描述子研究
00240）特征描述的方法已經(jīng)廣泛應用于計算機視覺的許多領域,比如目標識別與跟蹤、紋理識別、寬基線匹配、圖像檢索和全景圖像拼接等.其基本思想是在檢測感興趣點或感興趣區(qū)域的基礎上計算不變特征描述子.通過計算獲得特征描述子,可以使得不同圖像之間的特征匹配在一些相似性度量下得到自動確定.特征描述的方法主要分為3類：基于灰度值、基于灰度階以及基于灰度值與灰度階結合的方法.基于灰度值的特征描述方法中最著名的是SIFT（Scale Invariant Feature河南科技學院學報(自然科學版) 2014年5期2014-05-10
- 一種改進的SIFT圖像特征匹配算法
T算法構造的特征描述算子具有128維，高維度造成了計算復雜度過高。因此，許多學者對其進行了相關改進。文獻[5]提出了 SURF(Speeded Up Robust Features)算子，將Hessian矩陣和Haar小波相結合，使得特征描述算子的維度降為 64維。在文獻[6]中，主成分分析法 PCA(Principal Components Analysis)將傳 統(tǒng)SIFT算法的128維的特征描述算子降低至36維，但是PCA方法在構造特征描述算子的計算計算機工程與應用 2014年9期2014-04-03
- 淺談從招標階段做好對工程結算審核的把關
程量清單項目特征描述不完整或錯誤項目特征是用來描述項目名稱實質內(nèi)容，直接影響工程實體的自身價值，用于區(qū)分清單條目下各具體的清單項目，是對體現(xiàn)分部分項工程量清單、措施項目清單價值的持有屬性和本質特征的描述，由于項目特征描述不準確所導致竣工結算糾紛比比皆是，下文將對項目特征描述不完整和錯誤進行分析。1）特征描述不完整項目特征描述不完備主要指對于清單計價規(guī)范中規(guī)定必須描述的內(nèi)容展開了全面的描述。對其中任何一項必須描述的內(nèi)容而沒有進行描述時都將影響綜合單價的確定。科技視界 2013年26期2013-10-19
- 改進的SURF 算法及其在目標跟蹤中的應用
，SURF 特征描述子應用在目標跟蹤中也獲得了良好的效果［1～3］。與 GLOH，SIFT［4，5］等經(jīng)典局部不變特征描述子相比較，SURF 具有區(qū)分度好，運算速度快等優(yōu)點。但是在描述子生成階段，SURF［6］需要求取特征點鄰域像素的主方向，在區(qū)域內(nèi)以主方向為基準求取采樣點的Haar 小波響應，從而生成局部特征描述子，運算過程包含大量浮點運算，并且邏輯復雜，優(yōu)化難度大，基于SURF 的算法難于在嵌入式系統(tǒng)中實時實現(xiàn)。而在實際應用中目標跟蹤算法常常需要在嵌入傳感器與微系統(tǒng) 2012年12期2012-04-21
- 基于改進SIFT的視頻超分辨率重建快速配準算法研究
中128維的特征描述子向量的計算上.并且，在多對一的歧義消除中，還發(fā)現(xiàn)利用特征描述子的歐式距離的消除法出現(xiàn)了錯誤選擇.因此，要想對算法的效率進行大的優(yōu)化，就必須從特征描述子進行改進.目前圖像的配準主要有四個步驟:SIFT特征點檢測，初始配對，歧義誤匹配消除和變換參數(shù)矩陣計算.其中，除了變換參數(shù)矩陣計算之外，其余的都用到了SIFT算法的特征描述子.特征描述子是一個128維的歸一化向量，能夠表達豐富的圖像梯度信息，總共包含了特征點周圍16個4×4鄰域內(nèi)的8個方湖北民族大學學報(自然科學版) 2010年2期2010-01-18
- 結合點云紋理信息的快速點特征直方圖描述子算法