导读:本文包含了图像模式识别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:图像,神经网络,向量,特征,卷积,遥感,空间。
图像模式识别论文文献综述
朱永红,蒋超,王俊祥[1]（2019）在《一种基于火焰图像模式识别的陶瓷梭式窑温度智能检测方法》一文中研究指出陶瓷梭式窑是一种常用的间歇式陶瓷产品生产窑炉,其烧成带温度检测方法与陶瓷产品生产质量息息相关,因而研究其烧成带温度优化检测方法和算法具有重要意义。本文针对陶瓷梭式窑烧成带温度基于模式识别提出了一种优化检测方法和算法。首先对陶瓷梭式窑火焰图像进行预处理,利用L*a*b*颜色空间和灰度共生矩阵提取火焰图像的颜色特征和纹理特征构成特征向量,其次将特征向量输入到概率神经网络进行识别分类,最后利用温度信息数据与火焰图像得到的综合数据库来确定火焰图像对应的温度值从而识别陶瓷窑炉烧成带温度。实验结果表明所设计的火焰图像模式识别分类器具有较好的火焰图像识别率。因而,所提出的陶瓷梭式窑炉温度智能检测方法是可行和有效的。(本文来源于《陶瓷学报》期刊2019年03期）
张玉柱,王璇[2]（2019）在《基于特征向量提取的激光遥感图像模式识别系统设计》一文中研究指出针对当前激光遥感图像识别系统在设计上采用单一固定特征提取图像,存在丢失细节且易出现过识别、整体对比度低、细节模糊等问题,设计了特征向量提取的激光遥感图像模式识别系统。硬件上选用ADSBF535作为图像识别模块的核心,采用XC2S200 FPGA作为图像输入模块的硬件支撑,输出像是模块配置单排排针连接P2对应的IO引脚,更便于DSP和LCD的连接。软件根据模糊熵理论结合特征提取结果计算图像提取区间灰度均值,按照灰度值进行标号对灰度直方图进行均衡,依据均衡后的灰度直方图对区间内的灰度采用均衡系数平移,实现区间内灰度细节的填充,完成激光遥感图像模式识别。实验结果表明,所设计系统相比当前激光遥感图像识别系统,有效提高了图像对比度和分辨率,识别了图像局部细节,显着改善了激光遥感图像模式识别效果。(本文来源于《激光杂志》期刊2019年04期）
胡石[3]（2019）在《基于图像模式识别技术的大空间火灾报警系统设计研究》一文中研究指出城市大空间建筑的发展对建筑消防安全提出了更高的要求,传统的传感器及探测器难以满足现今大空间建筑的消防报警需求.基于此,阐述了图像模式识别技术的工作原理及主要任务,并构建了火灾报警系统的具体设计方案,包括图像模式识别技术的具体应用、火灾报警系统的软硬件设计及其发展前景,以期为相关研究提供参考.(本文来源于《西安文理学院学报(自然科学版)》期刊2019年02期）
陈凤萍,齐建华[4]（2019）在《旋转不变纹理特征在图像模式识别中应用仿真》一文中研究指出研究出一种纹理图像模式识别方法,可以提高纹理图像识别的正确性,保证识别的稳定性,在实际应用中具有重要的意义。针对当前在纹理特征图像模式识别方法识别图像时,由于噪声影响导致图像识别误差较大、图像不够清晰等问题,提出一种基于支持向量机的纹理图像模式识别方法,该方法是将Curvelet变换、小波变换的统计学特征和Curvelet变换之后的较细尺度子带生成的共生矩阵特征合并,提取出旋转不变纹理特征向量;利用支持向量机分线性,将纹理图像分成两类训练样本,同时对纹理图像分类面进行阈值计算,取得最佳纹理图像分类函数值,完成纹理图像模式识别。仿真表明,上述方法能够提高纹理图像识别的准确率、提高识别的稳定性、降低噪声信号干扰、增强了识别图像的收敛效果。(本文来源于《计算机仿真》期刊2019年02期）
李昌珑,李宗超,吕红山,高孟潭[5]（2019）在《基于叁维图像模式识别的西藏东南部地震灾害损失风险评估》一文中研究指出本文在对西藏东南部各县的建筑类型、数量、易损性调查的基础上,对不同类型的建筑建立了模式类向量,使用叁维图像模式识别技术估计了各类型建筑在西藏东南部各县市的数量分布,建立了不同建筑物的结构易损性和人口易损性模型,并且估算了西藏东南部各县在遭遇一次设定地震时的损失分布和基于危险性的未来50年可能的损失分布情况.本文研究表明,若曲松—桑日发生7.5级地震,可能造成拉萨、山南两市较重的人员伤亡,其中曲松县和乃东区伤亡最重.西藏东南部未来50年建筑地震风险最高的地区是拉萨市区、林芝市区和错那县,其中拉萨市区的建筑财产损失风险最高.(本文来源于《地球物理学报》期刊2019年01期）
陈春燕,黄晁,蒋婵[6]（2018）在《基于图像模式和特征点模式结合的面部表情识别》一文中研究指出针对目前直接利用图像进行表情识别而造成正确率不高的问题,本文提出了一种基于图像模式和特征点模式结合的表情识别方法。首先检测人脸特征点,得到面部图像;接着将各个特征点的位置、特征点之间的距离作为人脸表情的特征点特征,并把得到的特征点特征转换为特征点图像;最后用神经网络分别对面部图像和特征点图像进行预测,将预测的结果进行加权融合,得到最终的表情识别结果。在JAFFE和CK+数据库的实验结果表明了上述方法的有效性,在正确率上,相对于直接对图像进行识别提高了约2%,相对于现有的正确率最高的方法提高了约1%。(本文来源于《数据通信》期刊2018年06期）
申希兵,韦容,杨毅[7]（2018）在《塔式GPCA张量线性子空间图像模式低秩识别》一文中研究指出数据维数对计算复杂度产生较大影响,降维会导致图像模式的拓扑和几何特征信息丢失,为提高降维后的数据保真度,提出一种基于塔式随机映射广义主成分分析(GPCA)的张量线性子空间图像模式低秩识别方法。在理论上给出塔式变换与随机映射特性分析,推导出随机映射是一个线性和拓扑保持的降维映射;在模式张量的线性降维中,对图像模式识别映射情形进行研究,利用迭代最小二乘算法进行GPCA步骤设计;基于塔式变换降维、随机映射和GPCA构建张量子空间低秩逼近分类过程,实现图像模式高效识别。实验结果表明,所提算法在能量消耗、距离相对误差均值、识别率和计算时间指标上优于对比算法。(本文来源于《计算机工程与设计》期刊2018年12期）
万晓琪,宋辉,罗林根,李喆,盛戈皞[8]（2019）在《卷积神经网络在局部放电图像模式识别中的应用》一文中研究指出随着大数据平台的建立,数据中心积累了大量现场检测存储的图像等非结构化数据。传统的局部放电模式识别方法一般针对结构化数据,无法直接应用于非结构化数据。为解决该问题,提出一种基于一维卷积神经网络的局部放电时域波形图像的模式识别方法。利用图像处理技术对输入图像进行预处理,获取数据一维特性并进行线性归一化。基于深度学习,利用网络直接进行模式识别。通过变电站现场带电检测和实验室模拟实验,建立了5种局放缺陷类型的时域波形图像数据集,并进行了对比实验。实验结果表明,使用一维卷积神经网络对局放缺陷进行模式识别的正确率为88.9%,显着优于支持向量机、反向传播神经网络模型,且在相同时间复杂度情况下优于二维卷积神经网络。该方法通过网络自主学习特征,无需人工提取,实现了对时域波形图像类非结构化数据的直接识别,实验复杂度低,具有更高识别率和更好鲁棒性。(本文来源于《电网技术》期刊2019年06期）
张鹏琴[9]（2018）在《探究人工神经网络图像模式识别的策略》一文中研究指出新时期,图像已经成为人类感知世界的基础方式,其中信息传输作为主要的载体,为人们带来了非常广泛的信息。而在信息技术以及计算机迅速发展的过程当中,图像识别技术水平逐步提升,在进行图像识别的过程当中逐渐开始应用神经网络的理论与技术。本文正是在此背景下对基于人工神经网络的图像识别技术进行研究以及分析。(本文来源于《计算机产品与流通》期刊2018年10期）
张东东[10]（2018）在《人工神经网络图像模式识别综述》一文中研究指出本文综述了模式识别、图像模式识别、人工神经网络的原理,讨论了人工神经网络的发展历史和优点,介绍了几种常用的人工神经网络算法,并对人工神经网络的应用特点和注意事项进行了简单说明。(本文来源于《电子世界》期刊2018年09期）
图像模式识别论文开题报告
（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：
针对当前激光遥感图像识别系统在设计上采用单一固定特征提取图像,存在丢失细节且易出现过识别、整体对比度低、细节模糊等问题,设计了特征向量提取的激光遥感图像模式识别系统。硬件上选用ADSBF535作为图像识别模块的核心,采用XC2S200 FPGA作为图像输入模块的硬件支撑,输出像是模块配置单排排针连接P2对应的IO引脚,更便于DSP和LCD的连接。软件根据模糊熵理论结合特征提取结果计算图像提取区间灰度均值,按照灰度值进行标号对灰度直方图进行均衡,依据均衡后的灰度直方图对区间内的灰度采用均衡系数平移,实现区间内灰度细节的填充,完成激光遥感图像模式识别。实验结果表明,所设计系统相比当前激光遥感图像识别系统,有效提高了图像对比度和分辨率,识别了图像局部细节,显着改善了激光遥感图像模式识别效果。
（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。
图像模式识别论文参考文献
[1].朱永红,蒋超,王俊祥.一种基于火焰图像模式识别的陶瓷梭式窑温度智能检测方法[J].陶瓷学报.2019
[2].张玉柱,王璇.基于特征向量提取的激光遥感图像模式识别系统设计[J].激光杂志.2019
[3].胡石.基于图像模式识别技术的大空间火灾报警系统设计研究[J].西安文理学院学报(自然科学版).2019
[4].陈凤萍,齐建华.旋转不变纹理特征在图像模式识别中应用仿真[J].计算机仿真.2019
[5].李昌珑,李宗超,吕红山,高孟潭.基于叁维图像模式识别的西藏东南部地震灾害损失风险评估[J].地球物理学报.2019
[6].陈春燕,黄晁,蒋婵.基于图像模式和特征点模式结合的面部表情识别[J].数据通信.2018
[7].申希兵,韦容,杨毅.塔式GPCA张量线性子空间图像模式低秩识别[J].计算机工程与设计.2018
[8].万晓琪,宋辉,罗林根,李喆,盛戈皞.卷积神经网络在局部放电图像模式识别中的应用[J].电网技术.2019
[9].张鹏琴.探究人工神经网络图像模式识别的策略[J].计算机产品与流通.2018
[10].张东东.人工神经网络图像模式识别综述[J].电子世界.2018
论文知识图
