导读:本文包含了块分类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,纹理,稀疏,特征,阈值,复杂度,信息。
块分类论文文献综述
赵小虎,沈雪茹,李婉梅,王宽[1]（2019）在《基于块分类的矿井视频图像DCVS重构算法》一文中研究指出针对煤矿井下视频监控图像因数据量大而导致传输和存储困难等问题,引入压缩感知理论对视频图像进行编解码,提出一种新的分布式视频编解码(distributed compressed video sensing, DCVS)方案.为了获得更稀疏的表示和更普遍的适用性,提出一种基于块的自适应混合稀疏基方案.针对边信息获取过程中通常采用固定权值合成边信息而忽略不同图像块之间相关性的问题,提出一种块分类加权边信息生成方案.结果表明:与传统的视频编解码方案相比,基于块的分类编解码方案能充分利用帧间相关性,在不同采样率下视频重构的峰值信噪比均有所提高,视频帧重构的质量也得到有效提升.(本文来源于《扬州大学学报(自然科学版)》期刊2019年02期）
李小丹[2]（2019）在《基于运动目标及块分类的人群场景异常检测方法研究》一文中研究指出随着科技的进步与智慧城市概念的普及,以及诸如城市大脑等项目的实施与发展,城市监控逐渐走向自动化、智能化,而这种变革,需要结合计算机视觉等相关技术来解决传统非智能监控的一些问题,比如需要人工监控、存储信息冗余、检索困难、无法自动分析视频内容等。异常检测作为计算机视觉一大领域,由于其能够自动分析监控视频内容并监测异常,以避免灾难的发生与蔓延,对于智慧城市安全工作的建设和发展,具体重要的战略意义和研究价值。安防监控拍摄的人群场景画面十分复杂,主要体现在:(1)受天气、拍摄时间等影响,拍摄的监控画面可能十分昏暗,导致运动目标与背景很难区分;(2)异常具有场景依赖性,不同场景的异常定义不一样,且监控画面一般广角较大,景深问题严重。这些问题给异常检测算法带来了诸多挑战:(1)普通的目标检测容易漏检与背景相似的运动目标,影响后期目标状态分析;(2)监控画面里场景多样,导致不同位置异常定义不一,单一的特征或分类器极易导致异常检测分类不准。本文针对上述挑战,研究基于运动目标及块分类的人群场景异常检测方法,以提取具有语义理解的处理单元,并解决如何充分利用时空信息及摄像头广角大导致不同位置异常定义不一的问题,最终提高异常检测算法性能。本文主要的研究内容及创新点如下:1.提出了一种基于运动目标的昏暗人群场景异常检测算法,针对目前异常检测算法大多数处理单元缺乏语义理解,容易将单个目标分裂成多个,影响后续异常分析,本文使用深度目标检测提取运动目标。为了保证目标检测在昏暗场景的精度,本文将运动及外观信息结合起来形成一种新的动态图,以提高运动目标在昏暗场景里的显着性。基于检测到的目标,本文提出一种高效、对尺度不敏感的名为光流角度直方图方差的特征用于检测运动异常。同时,本文对视频场景背景进行建模,以根据获得的非活动区域进行位置异常判定。实验结果表明,与现有算法相比,本文提出的算法可以在公开数据集上具有较好的异常检测与定位效果。2.提出了一种基于多特征及块分类的人群场景异常检测算法,用来解决摄像头广角大、拍摄画面里场景多样化导致的异常定义随位置变化的问题。为了提高异常检测的精度,本文提出块分类,将拍摄场景平分为多个块,每个块学一个分类器,以解决不同位置衡量标准不一的问题。为了检测运动异常,本文同时使用短时及长时运动特征,以更加全面地对运动目标进行分析。最后,本文提出一种目标再定位算法,以重新定位由于目标过小、遮挡等导致的漏检异常目标。实验结果表明,与现有算法相比,本文提出的算法能够较好地检测异常,并且定位准确。(本文来源于《中国科学技术大学》期刊2019-05-01）
刘连,王孝通[3]（2019）在《基于多尺度图像块分类的字典学习算法》一文中研究指出针对传统字典学习算法未考虑训练数据集流形结构的问题,提出一种基于KD树分类的多尺度字典学习算法。首先在预处理阶段建立图像高斯金字塔,提取不同尺度下各层图像的角点并建立KD树进行分类;以各类角点为中心截取图像块并生成每层图像的训练数据集来完成各个子字典的学习。在字典训练阶段,提出一种基于局部保持投影的多原子更新算法,在保持字典中各类原子集的流形结构的情况下进行原子更新,高效训练出自适应稀疏字典。对测试图像进行压缩感知重构实验,仿真结果表明,该算法在保证图像重建精度的前提下,显着提高字典学习效率。(本文来源于《科学技术与工程》期刊2019年04期）
李文新,高凤兰[4]（2018）在《基于语料库的俄语学习者词块分类特征分析及教学反思》一文中研究指出本文基于自建中国高校俄语专业学习者笔语语料库,采用定量和定性分析相结合的方法,仿照Altenberg的词块结构分类,探究我国高校俄语专业学习者写作中的词块结构类型及运用情况,根据俄语学习者词块运用的特点进行教学反思,提出相应的教学建议。(本文来源于《中国俄语教学》期刊2018年04期）
杜凯敏,康宝生[5]（2019）在《基于图像块分类的图像超分辨率重建》一文中研究指出针对当前图像超分辨率重建算法中存在的字典单一而导致重建图像质量不佳的问题,提出一种将图像块分类与图像卡通纹理分解相结合的单幅图像超分辨率重建算法。首先,将图像分块,并将图像块分为边缘类、纹理类和平滑类叁类,其中纹理类用形态成分分析(MCA)算法分解为卡通部分和纹理部分;然后,对边缘类、卡通部分和纹理部分分别训练高低分辨率字典;最后,求解稀疏系数并与高分辨率字典重建图像块。仿真结果显示,与基于稀疏表示的超分辨率重建(SCSR)算法和单幅图像超分辨率重建(SISR)算法相比,所提算法的峰值信噪比(PNSR)值分别提高了0. 26 d B和0. 14 d B,表明该算法的重建效果更好,重建图像纹理细节更丰富。(本文来源于《计算机应用》期刊2019年02期）
刘小凯,姚恒,秦川[6]（2018）在《基于图像块分类阈值优化的改进可逆图像伪装》一文中研究指出为了提高数字图像伪装中生成的伪装图像的视觉质量,提出一种基于图像块分类阈值优化的可逆图像伪装方案.根据统计特征对原始图像子块和目标图像子块进行分类,通过优化分类阈值使得生成伪装图像和目标图像的均方差最小,然后进行相应类内图像块匹配、块线性变换、块旋转和翻转校正,最终使原始图像伪装成目标图像.采用可逆信息隐藏的算法将恢复原图所需的变换参数信息嵌入伪装图像,接收方提取辅助信息,从而实现原始图像的无损恢复.实验结果表明,该算法生成的伪装图像的视觉效果比未经阈值优化的伪装图像的效果更好.(本文来源于《应用科学学报》期刊2018年02期）
李淑芝,李躲,邓小鸿,胡琴[7]（2018）在《基于图像块分类的篡改定位和恢复水印算法》一文中研究指出针对现有方法所提取的特征值不能灵活适应图像的纹理变化导致被篡改图像恢复质量不高的问题,提出一种根据图像块纹理特征进行块类型划分的篡改定位和恢复水印算法。首先把宿主图像分3×3大小的子块,再利用方差和Canny边缘检测算子将图像子块划分为简单块、复杂块和边缘块;然后根据图像子块类型,自适应地生成水印信息;最后采用Torus自同构映射方式找到水印嵌入位置,并且对篡改区域进行恢复时根据图像子块类型自适应的恢复。当图像遭到篡改时,采用本文算法恢复图像的平均峰值信噪比(PSNR)较现有方法提5.60%左右。实验表明,本文算法能够对图像纹理复杂区域生成更精确的恢复信息,有效提高了图像篡改区域的恢复质量,同时降低含水印图像失真。算法适用于医学、军事和卫星等领域。(本文来源于《光电子·激光》期刊2018年02期）
潘菲菲,杨济民[8]（2018）在《基于图像块分类与自适应多字典学习的图像压缩感知》一文中研究指出自适应压缩感知(adaptive block CS,ABCS)利用方差表征图像纹理复杂度,进而对图像块进行分类并分配不同测量率,能够在总测量率一定的情况下较好重构图像。但该方法并没有考虑到图像块中的结构特性。针对这一问题,本文提出了基于图像块分类及自适应多字典学习的图像压缩感知方法,先将图像块分为平滑类、边缘类及不规则类叁类,再根据结构特性对边缘类进行进一步细分类,针对各类图像块分别训练各自对应的自适应字典。实验结果表明,与单字典和仅基于方差分类的多字典算法相比,本文设计的方法明显提高了图像的重构质量。(本文来源于《电脑知识与技术》期刊2018年05期）
王丹[9]（2017）在《中层特征块分类的运动视频运动员检测模型》一文中研究指出针对单一的特征提取算法在运动员检测中还存在漏检较多的问题,本文提出了一种中层特征块分类的运动视频运动员检测模型。首先采用中层特征块作为描述运动员的特征,然后采用SLIC算法进行超像素分割,利用像素的CIELAB颜色空间和XY空间坐标构建像素的5维特征,最后采用高斯分量的全协方差混合高斯模型建立前景背景像素描述模型,提高检测精度。仿真实验结果表明,本文提出的改进模型,相比较HOG算法和SVM算法,检测结果更准确的表示了运动员区域。(本文来源于《科技通报》期刊2017年12期）
陈卓[10]（2017）在《英语词块分类在中职英语教学中的应用研究》一文中研究指出英语教学中词汇学习是教学中词汇的学习是教学的重点,也是英语学习的主要部分,在强调中职学校英语教学实用性的前提下,词汇学习也还是英语学习的主要部分。但在中职学校英语教学实践中。词汇学习效率不高,单纯的就词汇教学学习词汇的死记硬背教学方法耗费了学生大量的学习时间,学生似乎能记住的词汇,很快就又变得模糊起来。因此需要对这种教学方法进行改进,采用更加科学的教学方法,提升教学整体质量。本文以研究英语词块分类在阅读中的应用为教法,探讨中职学校英语词汇教学效率的提高。(本文来源于《智库时代》期刊2017年15期）
块分类论文开题报告
（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：
随着科技的进步与智慧城市概念的普及,以及诸如城市大脑等项目的实施与发展,城市监控逐渐走向自动化、智能化,而这种变革,需要结合计算机视觉等相关技术来解决传统非智能监控的一些问题,比如需要人工监控、存储信息冗余、检索困难、无法自动分析视频内容等。异常检测作为计算机视觉一大领域,由于其能够自动分析监控视频内容并监测异常,以避免灾难的发生与蔓延,对于智慧城市安全工作的建设和发展,具体重要的战略意义和研究价值。安防监控拍摄的人群场景画面十分复杂,主要体现在:(1)受天气、拍摄时间等影响,拍摄的监控画面可能十分昏暗,导致运动目标与背景很难区分;(2)异常具有场景依赖性,不同场景的异常定义不一样,且监控画面一般广角较大,景深问题严重。这些问题给异常检测算法带来了诸多挑战:(1)普通的目标检测容易漏检与背景相似的运动目标,影响后期目标状态分析;(2)监控画面里场景多样,导致不同位置异常定义不一,单一的特征或分类器极易导致异常检测分类不准。本文针对上述挑战,研究基于运动目标及块分类的人群场景异常检测方法,以提取具有语义理解的处理单元,并解决如何充分利用时空信息及摄像头广角大导致不同位置异常定义不一的问题,最终提高异常检测算法性能。本文主要的研究内容及创新点如下:1.提出了一种基于运动目标的昏暗人群场景异常检测算法,针对目前异常检测算法大多数处理单元缺乏语义理解,容易将单个目标分裂成多个,影响后续异常分析,本文使用深度目标检测提取运动目标。为了保证目标检测在昏暗场景的精度,本文将运动及外观信息结合起来形成一种新的动态图,以提高运动目标在昏暗场景里的显着性。基于检测到的目标,本文提出一种高效、对尺度不敏感的名为光流角度直方图方差的特征用于检测运动异常。同时,本文对视频场景背景进行建模,以根据获得的非活动区域进行位置异常判定。实验结果表明,与现有算法相比,本文提出的算法可以在公开数据集上具有较好的异常检测与定位效果。2.提出了一种基于多特征及块分类的人群场景异常检测算法,用来解决摄像头广角大、拍摄画面里场景多样化导致的异常定义随位置变化的问题。为了提高异常检测的精度,本文提出块分类,将拍摄场景平分为多个块,每个块学一个分类器,以解决不同位置衡量标准不一的问题。为了检测运动异常,本文同时使用短时及长时运动特征,以更加全面地对运动目标进行分析。最后,本文提出一种目标再定位算法,以重新定位由于目标过小、遮挡等导致的漏检异常目标。实验结果表明,与现有算法相比,本文提出的算法能够较好地检测异常,并且定位准确。
（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。
块分类论文参考文献
[1].赵小虎,沈雪茹,李婉梅,王宽.基于块分类的矿井视频图像DCVS重构算法[J].扬州大学学报(自然科学版).2019
[2].李小丹.基于运动目标及块分类的人群场景异常检测方法研究[D].中国科学技术大学.2019
[3].刘连,王孝通.基于多尺度图像块分类的字典学习算法[J].科学技术与工程.2019
[4].李文新,高凤兰.基于语料库的俄语学习者词块分类特征分析及教学反思[J].中国俄语教学.2018
[5].杜凯敏,康宝生.基于图像块分类的图像超分辨率重建[J].计算机应用.2019
[6].刘小凯,姚恒,秦川.基于图像块分类阈值优化的改进可逆图像伪装[J].应用科学学报.2018
[7].李淑芝,李躲,邓小鸿,胡琴.基于图像块分类的篡改定位和恢复水印算法[J].光电子·激光.2018
[8].潘菲菲,杨济民.基于图像块分类与自适应多字典学习的图像压缩感知[J].电脑知识与技术.2018
[9].王丹.中层特征块分类的运动视频运动员检测模型[J].科技通报.2017
[10].陈卓.英语词块分类在中职英语教学中的应用研究[J].智库时代.2017
论文知识图
