导读:本文包含了复原特征论文开题报告文献综述及选题提纲参考文献,主要关键词:无损复原系统,硬件设计,数据传输,动画建筑场景
复原特征论文文献综述
王庄[1](2019)在《基于几何特征的动画建筑场景无损复原系统设计》一文中研究指出传统的复原系统在对动画建筑场景进行复原时,会出现一定程度的损坏,很难达到无损复原,影响人们的视觉体验。为了解决这一问题,设计一种新的动画建筑场景复原系统,该系统引用几何特征原理。文中仅针对硬件进行设计,并给出硬件结构图。系统主要由显示器、存储器、处理器和传输器四部分组成,处理器选用48位处理器,能够同时处理简单指令集和复杂指令集;存储器选用OYR存储器,能够实现多类型存储;传输器采用隔层结构、上层结构和网络结构,实现数据的多方位传输;显示器选用彩色二极管为核心装置,解决闪烁问题。为验证系统的工作效果,与传统系统进行实验对比,结果表明,基于几何特征的复原系统能够实现动画建筑场景的无损复原,使人们拥有完美的观赏体验。(本文来源于《现代电子技术》期刊2019年21期)
闫钧华,白雪含,张寅,吕向阳,侯平[2](2019)在《融合多特征的无参考复原遥感图像质量评价》一文中研究指出针对现有的无参考复原遥感图像质量评价方法特征提取不够充分的问题,文中提出一种融合多特征的无参考复原遥感图像质量评价算法GEDIQA(No-Reference Recovered Remote Sensing Image Quality Assessment Based On Fusion of Multiple Features(Gradient、Entropy and Difference Images),GEDIQA)。在复原遥感图像上,提取梯度特征、频域熵特征、差分图特征,并利用AdaboostBP神经网络,实现无参考复原遥感图像质量评价。创建了复原模糊光学遥感图像数据库RBORSID2(Recovered Blur Optics Remote Sensing Image Database2),在其上与其他图像质量评价算法进行了一致性比较,实验结果表明GEDIQA算法对复原遥感图像评价的SROCC(Spearman Rank Correlation Coefficient)在0.95以上,性能优于其它算法。(本文来源于《电子设计工程》期刊2019年12期)
高静美,何卫平[3](2019)在《销售人员工作特征与复原力的交互影响——基于内在动机理论的视角》一文中研究指出伴随着组织效能、结构和任务的日益复杂化,销售职能的战略性演化趋势日益明显,人们对销售人员的绩效贡献能力预期愈来愈高,销售人员的压力应对问题成为关注焦点。本研究从销售工作的特点出发,以JDCS模型为基础,从内在动机理论的视角探究了工作情境特征变量和社交情境变量对销售人员复原力的影响效应以及基于销售人员自我选择行为的内在压力缓解机制。研究表明,感知到的工作需求作为危险因子,会使销售人员产生压力和紧张感,而工作控制和社会支持则为销售人员应对工作需求带来的压力提供了足够的资源和环境,成为员工复原力的保护因子;叁者的交互作用能够通过提升销售人员的复原力达到内在激励的效果,进而促进销售人员的学习。研究同时也证明了工作经验对于工作控制和复原力之间的调节作用机制。研究结论不仅有助于了解销售人员如何克服压力并将其转化为学习动力的深层诱因,同时也有助于将复原力的相关研究推广到日常管理工作实践中来,使管理者更充分地理解与这些行为相关的作用机理和行为机制,从而采取能够提高员工激励效果和资源应对水平的有效管理措施。(本文来源于《经济管理》期刊2019年06期)
王飘[4](2019)在《基于表面几何纹理特征的碎片复原技术研究》一文中研究指出在大量破损陶质非薄壁文物的修复与复原过程中,由于其历史年代久远,历经自然界风化、挖掘与运送过程的损伤,文物碎片易受损缺失,断裂部位难以保证完整性,且大部分缺损情况严重。应用传统断裂轮廓线及断裂面作为匹配特征,具有一定局限性,效果不显着。因此,针对断裂面严重缺损导致基于单一特征匹配局限性大的问题,本文就表面具有几何纹理特征的陶质碎片虚拟复原技术展开研究。主要研究进展如下:(1)选取表面几何纹理作为主要匹配特征,提出两种纹理特征形状定义方式。针对传统叁维破碎物体复原方法对缺损严重的碎片复原效果不佳的问题,选取表面几何纹理作为主要特征,将碎片的邻接匹配问题转化为表面纹理形状间的互补问题,能减少对断裂面几何信息的依赖性。提取碎片表面几何纹理特征,对纹理形状信息进行计算与判定,提出基于完整性、基于顶点边长VE元组的两种纹元定义方式。(2)提出一种基于纹元完整性及断裂轮廓弦长的匹配方法。将破碎文物表面的几何纹理信息作为初步匹配特征,依据基于完整性的纹元定义,通过纹元之间互补关系构造邻接碎片匹配约束规则,并对潜在匹配对加入约束权值因子,避免穷举和随机选择带来的迭代冗余;再结合断裂边界轮廓进行二次约束,利用轮廓角点集合,相邻两点连接成弦,形成弦长序列描述子,通过最长公共子序列的求解方法计算邻接碎片轮廓的匹配程度。将表面纹理与轮廓弦长结合进行多特征匹配,避免了单一特征的局限性,达到相对合理可靠的匹配结果。(3)提出一种基于VE元组及轮廓点集遗传算法的匹配方法。依据纹理形状基于VE元组的定义方式,构建VE元组匹配关系。对于断裂轮廓边界提取离散点,构造离散点集合,在文物实体已然缺损的情况下保留了边界轮廓的主要特征。利用边界离散点集构建基因染色体描述子,通过遗传算法适应度函数计算匹配程度。实验结果表明,通过断裂轮廓边界的匹配加强了基于纹理的匹配结果判定。(本文来源于《西北大学》期刊2019-06-01)
刘小通[5](2019)在《面向文物复原的残差网络识别与多特征拼接技术研究》一文中研究指出计算机辅助文物复原可以提高文物修复工作效率并降低文物二次破坏。对兵马俑类复杂文物,碎片的部位识别和匹配拼接是其关键技术。在碎片部位识别中,深度学习有较好的识别效果,但浅层网络识别精度较低而深层网络会出现一定程度的网络退化问题;在碎片匹配拼接中,对于具有复杂几何轮廓的碎片,基于单一特征往往难以取得较好的拼接效果。针对这些问题,本文以兵马俑文物碎片为研究对象,展开相关研究。主要包括:(1)针对兵马俑文物碎片部位类型难以判断的问题,提出了一种基于残差学习的叁维卷积神经网络模型并应用于文物点云类型识别领域。本文对叁维卷积神经网络进行了优化改进,引入了残差学习,有效避免了深层叁维卷积神经网络退化问题,一定程度上提高了物体点云类型识别的精度,并将叁维残差神经网络应用到兵马俑碎片点云数据中,进行兵马俑碎片类型识别。实验结果表明,叁维残差神经网络方法在兵马俑点云碎片识别任务中,识别准确率达到83.59%,满足碎片类型识别要求。(2)针对具有复杂几何轮廓特征文物碎片,使用单一特征进行碎片匹配精度不高的问题,提出了一种基于轮廓线多特征约束的碎片拼接算法。该算法对碎片散乱点云数据进行Delanuay叁角剖分,并对构建的叁角网格数据提取叁维轮廓曲线及曲线上的特征点;然后针对提取的特征点的不同特征构造特征矢量,并引入逻辑回归方法融合多特征构造特征点匹配约束函数;其次使用构造特征点匹配约束函数以及叁维轮廓线形成特征矢量建立多碎片动态匹配算法;最后通过碎片匹配算法进行叁维轮廓线匹配,并通过刚体变化及ICP配准算法将轮廓匹配的碎片进行拼接。实验表明,该算法针对碎片轮廓线保存完整的碎片具有较好的拼接效果,且能够一次性完成多个碎片的拼接工作。(3)设计并实现了兵马俑文物复原系统。将算法应用于兵马俑文物复原过程中,支持兵马俑文物碎片从类型识别到整体拼接的流程,为文物实体拼接提供指导。(本文来源于《西北大学》期刊2019-06-01)
李叁仟[6](2019)在《基于多视觉特征和卷积神经网络先验信息的图像复原》一文中研究指出图像复原是计算机视觉处理中最经典的问题之一,由于它的重要性,研究者们已经在各种应用中研究了半个多世纪。但在图像应用的过程中,其总是不可避免的受到噪声污染等问题的影响,其技术的本质目标便成为在图像复原过程中尽可能地去除噪声的同时保留原图像的细致结构和纹理信息。众所周知的是,图像复原问题是一个欠定的逆问题,如何挖掘先验信息成为其最关键的技术之一,而图像的多特征域先验信息被广泛利用于图像处理领域,也是图像复原的关键研究点。本文基于图像复原算法理论方法和卷积神经网络模型的讨论,针对传统数学模型和深度学习网络模型在不同图像上的应用展开了研究:(1)在自然图像填充方面,首先通过不同的多滤波器组卷积目标图像来得到几个多视图组。然后,每个多视图组可以被视为图像序列,其使用相似性搜索分组的小张量集被称为低秩张量集。接下来,可以从不同多视图组的低秩张量集获得不同填充图像结果,然后通过聚合加权函数将不同视觉的图像进行加权平均从而使得填充后的结果恢复更多的图像细节。实验部分分析了大量不同类型数据缺失的图像填充实验,所有的实验结果在视觉上和性能指标上均表明了提出的数学模型和求解算法比其他经典算法有更好的图像填充效果。(2)在医学成像的磁共振图像去噪方面,通过有监督学习网络捕获莱斯噪声图像像素级和特征级分布特性,使用渐进式网络学习策略将整个网络看成两个子网络,其中第一和第二网络分别起到粗略和重新精细训练图像估计的作用。由于莱斯噪声的非线性特性,合理的安排使用批归一化层可以标准化权重和参数同时一定程度上可以摆脱网络范围灵活性,并且考虑使用ResNet进一步增加网络的非线性同时提升网络训练的强健性从而达到图像去噪过程的鲁棒性。不同的网络模型和模型参数分析证实了提出网络的稳定性,同时大量的不同数据类型的医学图像测试证明了提出网络模型比其他经典算法有着更好的莱斯去噪性能。(3)在图像处理的图像复原方面,首先选择网络表达能力很强的去噪自编码网络作为先验信息。在网络训练阶段,选取彩色图像进行训练以便通过RGB通道之间的相关性获得多通道先验信息。并且使用加权聚合函数将训练的不同噪声水平下的网络模型修复结果进行加权平均。数学模型建立之后,使用交替迭代和近端梯度下降法来求解。迭代复原阶段,应用辅助变量技术将叁通道先验信息嵌入到单通道中去。综上所述,本论文以挖掘图像先验信息为核心点,在图像处理中的图像填充、医学成像中的磁共振图像去噪和图像复原应用中提出了叁种图像复原算法模型/卷积神经网络模型且取得了较好的效果,非常有效地平衡了计算时间复杂度和复原效果之间的矛盾并且达到了非常好的可实施性效果。(本文来源于《南昌大学》期刊2019-05-24)
史宝珠,李美安[7](2019)在《基于角边特征的纸质碎片自动拼接复原算法》一文中研究指出针对人工复原纸质文物碎片存在尝试次数多、拼接速度慢、复原准确性与完成度低等问题,提出一种依据碎片角度与边长特征进行纸质文物碎片自动拼接复原的算法。首先,将碎片图像进行预处理并根据碎片的角度值进行粗匹配,得到角度值相等的碎片图像;然后,在粗匹配的基础上,利用碎片的角边长进行细匹配减少重迭情况,得到碎片图像的基本匹配结果;最后,利用凹凸函数对方向相对的碎片图像情况进行遗漏弥补,并运用震荡函数对最终匹配图像进行缝隙弥补得到完整拼接结果。理论分析和碎片拼接仿真实验结果表明,与特征点、近似多边形拟合、角序列匹配等碎片自动拼接算法相比,所提算法的拼接准确率、拼接完成度与拼接耗时分别至少提高了12个百分点、11个百分点与10个百分点。所提基于角边特征的碎片拼接算法减少了繁琐的图像计算步骤,精确了碎片匹配结果,使得在实际文物修复等工程中能够实现非规则碎片高效、高精准的匹配。(本文来源于《计算机应用》期刊2019年02期)
刘晓利,林立强,郝贵峰,位照国,高华[8](2018)在《亚洲复原力量表在神经症患者中的适用性及其复原力特征分析》一文中研究指出目的考察亚洲复原力量表在神经症患者中的适用性,同时对神经症患者的复原力特征进行分析。方法选取神经症患者88例(研究组)和心理健康者93名(对照组),采用亚洲复原力量表、简易应对方式量表(SCSQ)、焦虑自评量表(SAS)、抑郁自评量表(SDS)对神经症患者和正常社区居民进行测查。结果复原力各分量表及总量表的内部一致性系数(α)、重测信度均较高,与SCSQ积极应对均呈正相关(P<0.01),与SAS、SDS均呈负相关(P<0.01)。验证性因素分析结果为:χ~2/df=1.373,RMSEA=0.065,CFI=0.932,IFI=0.934,NNFI(TLI)=0.922,支持原有理论模型。研究组复原力量表总分及自我可塑性、灵活应对、情绪管制评分均低于对照组(P<0.01)。多元回归分析结果显示,SCSQ积极应对对复原力具有正向预测作用,SDS对复原力具有负向预测作用(P<0.01)。结论亚洲复原力量表的信效度较高,可用于神经症患者复原力的分析和研究。神经症患者复原力水平低,积极应对和抑郁影响其复原力水平。(本文来源于《精神医学杂志》期刊2018年05期)
汤嘉立,朱广萍,杜卓明[9](2018)在《支持向量机多特征分类学习的超分辨率复原》一文中研究指出支持向量机(SVM)单一特征分类学习的超分辨率复原算法通过离线建立分类模型和减少样本库规模,降低了传统基于范例学习算法的样本块误匹配情况,增强了图像质量和计算速度.但由于图像特征的多样性,此类算法易造成复原结果的不稳定.本文给出一种以支持向量机多特征分类学习为基础的复原算法,将图像对应的颜色和纹理分类信息存储在样本库中,经过预分类筛选出样本子集,在高频预测时段直接从多特征相似的样本子集里实施准确的匹配检索.实验结果表明,相比于传统算法,本文算法的PSNR和SSIM值均有了一定提升,进一步精确匹配了低分辨率图像样本库,提高了复原效果.(本文来源于《南京师大学报(自然科学版)》期刊2018年03期)
杨剑,张涛,宋文爱,宋超峰[10](2018)在《结合卷积与转置卷积特征的模糊车牌复原方法》一文中研究指出深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。(本文来源于《科学技术与工程》期刊2018年17期)
复原特征论文开题报告
(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:
针对现有的无参考复原遥感图像质量评价方法特征提取不够充分的问题,文中提出一种融合多特征的无参考复原遥感图像质量评价算法GEDIQA(No-Reference Recovered Remote Sensing Image Quality Assessment Based On Fusion of Multiple Features(Gradient、Entropy and Difference Images),GEDIQA)。在复原遥感图像上,提取梯度特征、频域熵特征、差分图特征,并利用AdaboostBP神经网络,实现无参考复原遥感图像质量评价。创建了复原模糊光学遥感图像数据库RBORSID2(Recovered Blur Optics Remote Sensing Image Database2),在其上与其他图像质量评价算法进行了一致性比较,实验结果表明GEDIQA算法对复原遥感图像评价的SROCC(Spearman Rank Correlation Coefficient)在0.95以上,性能优于其它算法。
(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。
复原特征论文参考文献
[1].王庄.基于几何特征的动画建筑场景无损复原系统设计[J].现代电子技术.2019
[2].闫钧华,白雪含,张寅,吕向阳,侯平.融合多特征的无参考复原遥感图像质量评价[J].电子设计工程.2019
[3].高静美,何卫平.销售人员工作特征与复原力的交互影响——基于内在动机理论的视角[J].经济管理.2019
[4].王飘.基于表面几何纹理特征的碎片复原技术研究[D].西北大学.2019
[5].刘小通.面向文物复原的残差网络识别与多特征拼接技术研究[D].西北大学.2019
[6].李叁仟.基于多视觉特征和卷积神经网络先验信息的图像复原[D].南昌大学.2019
[7].史宝珠,李美安.基于角边特征的纸质碎片自动拼接复原算法[J].计算机应用.2019
[8].刘晓利,林立强,郝贵峰,位照国,高华.亚洲复原力量表在神经症患者中的适用性及其复原力特征分析[J].精神医学杂志.2018
[9].汤嘉立,朱广萍,杜卓明.支持向量机多特征分类学习的超分辨率复原[J].南京师大学报(自然科学版).2018
[10].杨剑,张涛,宋文爱,宋超峰.结合卷积与转置卷积特征的模糊车牌复原方法[J].科学技术与工程.2018