导读:本文包含了点集匹配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,分贝,张量,特征,阈值,船体,指纹识别。
点集匹配论文文献综述
管官,廖红玲,杨蕖[1]（2019）在《带工程约束且可剔除错误点船体分段点集匹配方法》一文中研究指出为了有效提高船体分段测量点集与理论点集的精准匹配技术,提出了一种自动剔除错误点且考虑工程约束的船体分段点集匹配方法.该方法分为粗匹配与精匹配两步,粗匹配采用改进的随机抽样一致性算法实现了快速剔除错误点,同时基于奇异值分解法确定了刚性变换矩阵,获得了较准确的匹配初值;精匹配利用层次分析法自动获得了工程约束权值,采用权值向量将工程约束引入多目标函数中,通过求解多目标模型获得匹配结果.实例表明,该方法可快速自动剔除错误点,在考虑工程约束的条件下获得较精确的合理结果,为船体分段后续的搭载提供了依据.(本文来源于《大连理工大学学报》期刊2019年01期）
李舫,张挺[2]（2018）在《基于深度信念网络的异常点集间的匹配算法》一文中研究指出在存在异常值、噪声或缺失点的情况下,损坏的点集中很难区分异常点与正常点,并且点集之间的匹配关系也会受到这些异常点的影响。基于正常点之间存在某种联系以及正常点与异常点之间存在差异的先验知识,提出将点集间匹配关系的估计问题模型化为机器学习的过程。首先,考虑到两个正常点集之间的误差特征,提出了一种基于深度信念网络(DBN)的学习方法来训练具有正常点集的网络;然后,使用训练好的DBN测试损坏的点集,根据设置的误差阈值在网络输出端就可以识别异常值和不匹配的点。对存在噪声和缺失点的2D、3D点集所做的匹配实验中,利用模型预测样本的结果定量评估了点集间的匹配性能,其中匹配的精确率可以达到94%以上。实验结果表明,所提算法可以很好地检测点集中的噪声,即使在数据缺失的情况下,该算法也可以识别几乎所有的匹配点。(本文来源于《计算机应用》期刊2018年12期）
杨丽娟,田铮,温金环,延伟东[3]（2018）在《基于变分贝叶斯的自适应非刚性点集匹配》一文中研究指出针对存在异常值的非刚性点集匹配问题,提出了一种基于贝叶斯混合t分布模型的匹配方法。在变分贝叶斯框架下,点集匹配问题转化为最大化对数似然的变分下界,利用变分推断确定变换参数。利用先验模型,将空间正则化约束并入贝叶斯混合t分布模型中,根据不同的点集可自适应地确定正则化参数。与高斯分布相比,t分布对异常值更加稳健。最后,在模拟点集和真实图像上的实验对比分析,验证了该方法在处理存在异常值的非刚性点集匹配问题时的有效性。(本文来源于《西北工业大学学报》期刊2018年05期）
李秀洋[4]（2018）在《基于特征点提取与点集匹配的图像匹配算法研究》一文中研究指出随着人工智能技术的迅速发展,计算机视觉科学也获得了新的契机和广泛发展,作为计算机视觉领域和众多人工智能应用的基础,图像匹配技术受到了国内外研究者和公司的广泛关注。图像匹配问题发展非常多年,诞生了各种各样的图像匹配算法,包括在整个匹配框架下的特征提取算法和特征描述方法,本论文对此领域做了总结和深入性介绍,并通过实验对比了多种技术的特点和适用性。然而,图像匹配中通常存在误匹配的问题,寻找可靠的特征的对应匹配关系是计算机视觉中重要而且有挑战的任务。匹配问题天然具有组合的性质,使得包含所有可能匹配关系的匹配空间较大。即使不考虑其中的异常点,一个简单的N点到N点的匹配问题也会有N!种置换。解决这个问题通常的做法是通过引入相似性约束构造一个假设对应关系组,从而降低可能的匹配集,这种方法约束点只能匹配和它具有相似描述子的点。这样,匹配问题就归结为在假设集合下确定每个匹配的正确性。在过去的几十年间,研究者提出了大量的鲁棒估计方法去解决误匹配剔除问题。然而,在面对很多实际应用问题时,设计一种有效的适应该问题的算法依然具有很大的挑战性。首先,仅仅适用局部描述子不可避免地带来大量错误匹配,尤其在待匹配图像具有低质量,遮挡和重复结构的时候效果更差。其次,实际世界中两幅图像之间的理论变换模型是变化多样的,因此设计一种通用的算法非常困难。最后,较高的计算代价,尤其是在面对非刚性变化时,限制了其在实际任务中的应用,尤其是实时性的任务。基于这些分析,本论文设计了一种快速有效的误匹配剔除算法。对于同一场景或者物体的一对或一组图像,随着视角的变化或者非刚性的变化,两组特征点之间的绝对距离可能发生显着的变化,然而,特征点之间的表示图像场景的拓扑结构的空间邻域关系通常会由于一些物理约束而被保持。基于这个事实,我们可以建立一个数学模型,使得内在对应关系具有相似的局部邻域结构信息。这种建模方式具有一般化性质,可以处理两个图像之间刚性变换和非刚性变换相关问题。我们导出了该模型的闭式解,并且推导发现其具有线性对数的时间复杂度。在理论建模和复杂度分析基础之上,本论文设计了几组有效性验证试验,在图像匹配的经典数据集Mikolajczyk数据集及其他复杂实际图像上的实验均验证了该方法可以处理绝大多数种类图像变换下的误匹配剔除问题,而且其运行速度较快,在几毫秒的时间可以识别处理超过1000个假定匹配中的奇异点(外点),因此该方法可以为许多复杂的特定的匹配问题提供一个快速的初始化,也可以直接应用于一些匹配问题,满足实时性应用需求。(本文来源于《西安电子科技大学》期刊2018-05-01）
杨丽娟,田铮,温金环,延伟东[5]（2018）在《基于贝叶斯学生t分布混合的稳健点集匹配》一文中研究指出针对点集匹配中异常值的干扰问题,提出了一种基于贝叶斯学生t分布混合模型(SMM)的稳健仿射点集匹配方法。在贝叶斯框架下,该算法将点集匹配问题模型化为利用SMM进行概率密度估计的问题。通过引入模型参数的近似变分后验分布,目标函数转化为最大化完全数据对数似然的变分下界,利用变分贝叶斯期望最大化(VBEM)算法迭代估计模型参数的变分后验分布。对于学生t分布的自由度参数,通过最大化完全数据的对数似然进行迭代更新,并利用斯特林公式近似计算。通过模拟点集和光学遥感图像的配准实验,验证了该方法的有效性。(本文来源于《激光与光电子学进展》期刊2018年01期）
易见兵[6]（2017）在《基于点集匹配的4D CT肺运动估计算法研究》一文中研究指出肺癌是威胁人类健康的主要肿瘤疾病之一,而图像引导放射治疗是治疗肺癌的一种重要手段。在图像引导放射治疗过程中,呼吸运动是导致图像伪影和肿瘤位置不确定的重要因素,准确的肺部运动模型可以辅助定义精确治疗的边际,计算放射剂量的分布,改进门控预测模型等。因此,对肺运动的特点进行研究,找出针对个体的肺运动模型是当前图像引导放射治疗的一个重要研究方向。图像配准是肺运动估计的重要技术,本文针对4D CT肺图像,研究基于点集匹配的四维图像配准算法。主要的研究成果如下:(1)针对传统点集匹配算法中固定点集无法进一步提高配准精度的问题,提出了一种基于动态点集匹配的肺运动估计算法。该算法首先通过点集形状关系和特征点周围局部图像信息的相关系数建立了一个模糊点对应矩阵,构建了虚拟目标点与源点集之间相互对应;在虚拟目标点附近根据图像内容对应关系对虚拟目标点进行调整,建立了有约束最小二乘模型,反向求解目标点集,该目标点集是经过原始目标点调整后的位置,可以更好地反映源点集与目标点集之间在图像内容上的对应关系。提出了一种有约束最小二乘模型的近似求解算法,可以有效减少求解时间,提高点集调整的效率。通过多次迭代求解,目标点集与源点集在图像内容对应关系上逐步改善,从而有效提高点集匹配算法在解决图像配准问题中的配准精度。该算法不但在肺实质运动估计方面的性能较好,而且也能有效估计整个胸部图像(包括肺和胸壁)的滑动运动。该算法与其它经典算法比较,其空间精度和计算速度都有较大提高。在整个胸部的滑动运动估计中,能有效对肺边界的滑动运动进行估计。(2)针对离散时间点的空间配准算法缺乏时间维相关性的问题,提出了一种基于点集匹配和时空追踪的肺运动估计算法。该算法在鲁棒性点集匹配的基础上,得到特征点在不同相位的映射位置,在时间维构建L1正则化约束的最小二乘的特征点轨迹拟合模型,该轨迹将时间维度的相关性引入四维图像配准中,可以得到更稳定的点运动轨迹;进一步地,把点的轨迹拟合后的位置作为目标点的空间mean-shift追踪的初始位置,进行目标点追踪,使目标点周围局部图像信息与其对应的源点周围局部图像的信息更相似。该算法重复上述过程,直至所有目标点不需要再调整。该算法在相对运动较小的肺运动估计时,其配准精度高于现有的其它算法;在相对运动较大的肺数据集进行评价时,该算法不但可以保证较好的空间精度,同时由于时间维轨迹拟合的引入,其空间形变域的拓扑保持性能优于现有算法。(3)针对点集匹配算法的形变函数容易受离群点干扰而出现异常形变场的问题,提出了一种基于L1范数与拓扑保持约束的点集匹配算法。该算法针对点集匹配问题,构建了一个正则化约束的最小二乘模型,分别从弹性变换的鲁棒性、仿射变换的稳定性、空间变换扭曲能量、拓扑保持性等方面引入正则约束,给出了点集匹配的正则优化模型。该模型可以在点集中存在较多离群点的情况下求解稳定的、扭曲能量较小的、拓扑保持的形变函数,该函数可以用于进行肺部运动模型估计,解决了传统点集匹配算法在离群点较多时存在的形变场容易发生异常的问题。进一步地,该算法给出了正则化约束的最小二乘模型的精确求解模型,并给出了快速求解算法。该算法在离群点较少的情况下,扭曲能量与已有点集匹配算法相当,而配准精度和体保持性能的综合评价优于已有算法;在离群点较多的情况下,该算法具有较高的配准精度,同时,剪切应变的度量表明该算法得到的形变场具有更优的拓扑保持性能。(4)针对传统基于控制点对应关系的形变模型只包含空间信息、缺乏时间维信息的问题,提出了一种基于时空径向基函数的四维形变模型。该算法将时间维引入传统的径向基函数,构建了时空径向基函数,并在此基础上,构建了基于时空径向基函数的时空形变模型,该模型可以估计出叁维体数据中任意点在任何时间的空间位置。本文详细讨论了该时空形变模型的性质,包括:可分离性,可解性,空间平滑,时间平滑等。理论分析表明,该时空形变模型可去耦合为一系列的一维变换和一个叁维变换,从而大大减少四维形变模型的计算时间。选用正定径向基函数能够保证该模型可解,同时选用的空间径向基函数决定了该模型在空间域的平滑性,而选用的时间径向基函数决定了该模型在时间域的平滑性。该时空形变模型可以描述动态器官的运动模型,确定空间域中任意点的运动轨迹,使形变结果随时间保持稳定,得到更准确、更具生物意义的形变模型。(本文来源于《深圳大学》期刊2017-06-30）
谭聪[7]（2017）在《心脏运动估计中的曲面结构点集匹配算法研究》一文中研究指出随着人们生活水平的提高,心血管疾病已经成为人类的头号杀手,严重威胁着人类的健康。心血管疾病发病急、隐蔽性强、死亡率高,因此对心血管疾病的早期诊断和风险评估尤为重要。左心室心肌的运动情况能够反映心脏的供血功能,为多种心脏疾病的诊断提供重要依据。通过对左心室的运动估计,能够确定每个心肌点的运动轨迹,得到对临床诊断有参考意义的形变函数和可视化图形。点集匹配是常见的左心室运动估计方法,但是现有的点集匹配方法仅仅考虑了点间距离,缺乏对点集形状的考虑。本文针对此问题提出了一种基于曲面结构的点集匹配算法,主要包括以下叁个部分:其一,为了描述左心室的曲面结构特征,提出了基于张量投票的曲面特征提取算法。我们将每个点作为投票点,其对应的近似曲面特征方向作为投票方向,向周围的点进行投票,然后每个点对接收到的票数进行累积分解,得出纠正后的方向。模拟数据以及真实的左心室数据实验结果验证了张量投票算法的有效性。其二,针对现有的点集匹配算法仅仅考虑点间距离,缺乏对点集形状的考虑等问题,提出了一种基于曲面结构的点集匹配算法并将其应用于心脏的运动估计。我们将左心室的曲面特征描述引入到点集匹配算法中,提出了一个即约束点间距离又约束点集形状的代价函数,详细推导了拟牛顿法(Quasi-Newton Method,QN)的求解过程以优化该代价函数,得到左心室运动的变换参数,估计左心室心肌点的运动轨迹。多组左心室的实验结果证明我们提出的代价函数是可行的。其叁,针对QN算法在高维参数空间出现的发散问题,提出了用随机梯度下降算法(Stochastic Gradient Descent,SGD)来优化代价函数的方法,推导了SGD算法的梯度和算法流程。针对SGD算法收敛精度不如QN算法这个问题,提出了SGD+QN的优化算法,先通过SGD方法来控制变换参数,使收敛于一个较稳定状态,然后运用QN算法来进一步提高其收敛精度。实验结果证明,在高维空间时,SGD+QN的方法即能保证算法的稳定性,又能保证算法的精度。本文针对左心室曲面结构的提取、左心室点集匹配的精确性及稳定性叁个方面进行了初步研究,研究成果较好地解决了基于点集匹配的左心室运动估计方法中存在的一些问题。(本文来源于《深圳大学》期刊2017-06-30）
李利红[8]（2017）在《基于高分率指纹的汗孔点集匹配算法研究》一文中研究指出近几年来,光电技术以及指纹采集仪器和方法都有巨大进步,高分辨率的指纹识别成为可能。高分辨率指纹特有的指纹第.叁层汗孔特征,不仅具有唯一性,而且其数量庞大,形状不一,还可防造假,且在残缺指纹匹配方面,汗孔拥有更多的信息量,这些特点是第叁层汗孔特征相对于第二层细节点特征的优势。但是目前的高分辨率指纹受限于指纹汗孔点多、变形、位移、指纹残缺、噪声以及依赖于指纹前两层特征点等的影响,在配准精确度和匹配速度上有待提高。目前已存在的指纹汗孔匹配研究算法,多集中于融合匹配,即根据指纹脊线、细节点、汗孔叁项特征综合匹配,汗孔的匹配结果依赖于脊线和细节点的匹配效果,如果第一层脊线特征和第二层细节点特征的匹配效果差,则对第叁层汗孔特征的匹配精度有直接的影响。本文针对指纹汗孔匹配依赖于前两层特征点匹配的问题,改善了指纹校准的奇异点校准方法,在细节点匹配的基础上对脊线和汗孔点集进行匹配,匹配效果有一定的改善。基于奇异点的指纹校准算法:指纹奇异点的提取技术比较成熟,提取得到的奇异点精确度比较高,但是依然存在奇异点提取位置偏移、误提取、漏提取的情况,因此在依赖奇异点进行指纹校准时,也要考虑到奇异点提取不佳的情况。本文针对奇异点提取偏移、误提取、漏提取的情况,通过搜索奇异点所有可能位置的方法得到其较精确的位置。这种校准方法,以细节点匹配的好坏来判断校准效果,同时考虑到了指纹纹线的特殊情况,即点集匹配得到的结果不一定是符合指纹匹配细节点对应关系。这样的校准方法提高了匹配的准确率,取得了较好的校准效果。指纹校准结束后,可得到两副指纹的校准点对和对应细节点对以及旋转角度,根据这些信息,提取两副指纹的脊线,进行脊线匹配,以两副指纹距离最近的脊线对之间脊线采样点的最近点平均距离和改进的平均Frechet距离作为评价指标,实验中脊线匹配得到了较高的准确率。汗孔匹配采用了两种方式,一种方式是选择匹配上的细节点对周围一定范围内的汗孔点集进行基于细节点的汗孔匹配,另一种是将汗孔按照脊线进行划分,做基于脊线的汗孔匹配,这两种汗孔匹配方法都获得了比较高的准确率。最后,在香港理工大学的高分辨率指纹库上进行了实验。实验表明本文采用的算法相对于同类的其它匹配算法,匹配效果有一定的改进。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
高放,陆频频,王旭[9]（2016）在《基于相似特征点集的SIFT匹配改进算法》一文中研究指出当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。(本文来源于《测绘工程》期刊2016年06期）
王田[10]（2016）在《基于高斯混合模型的快速相干点漂移点集匹配算法》一文中研究指出在图像处理技术中,图像分割和图像匹配的研究一直深受人们重视,二者的应用领域极其广泛。利用分割技术能够获得图像中指定目标的形状或者轮框描述,为下一步进行目标识别打下基础。将分割出的目标与模板图像进行比较,通过图像匹配技术最终完成目标识别。可见,图像匹配和图像分割技术之间存在着密切的联系。本文围绕着基于点集特征的图像匹配进行展开,重点介绍了相干点漂移的点集匹配算法,以及基于四象限思想的分割技术这两个图像处理的重要课题。(1)本文采用基于四象限思想的方法对序列图像中的运动目标进行分割。实验所采集的数据中的目标的运动轨迹似圆形,使用本文介绍的算法,首先对保存好的帧序列数据作预处理(图像增强、滤波和去噪),然后利用四象限分割的思想,生成背景图像,通过与原视频图像数据做似然运算来提取前景,经过阈值调整,使每一帧图像尽量都分割出完整的二值目标图像,并通过形态学运算消除边界毛刺,填补空洞位置。最后,将分割出的二值图像与数据库中的2D汽车模型做相似性匹配实验;(2)本文提出一种基于距离阈值约束的相干点漂移匹配算法。在点集进行配准前,利用欧式距离阈值法对非精确模板点集进行重采样,剔除非精确模板点集中距离目标点集过大和过小的离散点,将得到较为精确的点集作为CPD迭代的初始点集,同时在进行点集配准时鲁棒性权值ω设为趋于0的较小值。仿真实验中,通过非精确模板点集和目标点集的匹配与精确模板点集和目标点集的匹配的实验比较,可以看出使用本算法对点集进行重采样后,解决了权值的选取不当问题,提高了原CPD配准的速度和精度。(本文来源于《中原工学院》期刊2016-03-01）
点集匹配论文开题报告
（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：
在存在异常值、噪声或缺失点的情况下,损坏的点集中很难区分异常点与正常点,并且点集之间的匹配关系也会受到这些异常点的影响。基于正常点之间存在某种联系以及正常点与异常点之间存在差异的先验知识,提出将点集间匹配关系的估计问题模型化为机器学习的过程。首先,考虑到两个正常点集之间的误差特征,提出了一种基于深度信念网络(DBN)的学习方法来训练具有正常点集的网络;然后,使用训练好的DBN测试损坏的点集,根据设置的误差阈值在网络输出端就可以识别异常值和不匹配的点。对存在噪声和缺失点的2D、3D点集所做的匹配实验中,利用模型预测样本的结果定量评估了点集间的匹配性能,其中匹配的精确率可以达到94%以上。实验结果表明,所提算法可以很好地检测点集中的噪声,即使在数据缺失的情况下,该算法也可以识别几乎所有的匹配点。
（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。
点集匹配论文参考文献
[1].管官,廖红玲,杨蕖.带工程约束且可剔除错误点船体分段点集匹配方法[J].大连理工大学学报.2019
[2].李舫,张挺.基于深度信念网络的异常点集间的匹配算法[J].计算机应用.2018
[3].杨丽娟,田铮,温金环,延伟东.基于变分贝叶斯的自适应非刚性点集匹配[J].西北工业大学学报.2018
[4].李秀洋.基于特征点提取与点集匹配的图像匹配算法研究[D].西安电子科技大学.2018
[5].杨丽娟,田铮,温金环,延伟东.基于贝叶斯学生t分布混合的稳健点集匹配[J].激光与光电子学进展.2018
[6].易见兵.基于点集匹配的4DCT肺运动估计算法研究[D].深圳大学.2017
[7].谭聪.心脏运动估计中的曲面结构点集匹配算法研究[D].深圳大学.2017
[8].李利红.基于高分率指纹的汗孔点集匹配算法研究[D].哈尔滨工业大学.2017
[9].高放,陆频频,王旭.基于相似特征点集的SIFT匹配改进算法[J].测绘工程.2016
[10].王田.基于高斯混合模型的快速相干点漂移点集匹配算法[D].中原工学院.2016
论文知识图
