导读:本文包含了特征建模与特征库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:特征,建模,图像,叶面积,株型,积温,模型。
特征建模与特征库论文文献综述
李振洲,贺正,贾彪,刘志,付江鹏[1]（2019）在《滴灌玉米叶面积指数归一化建模与特征分析》一文中研究指出【研究背景】叶片是作物进行光合作用的主要器官,叶面积指数(Leaf area index, LAI)是作物生长监测的重要指标。在作物生产中,理想的LAI是培养作物合理的群体结构和提高产量的基础。但传统测定法获取LAI预测作物的生长状况费时费力,破坏性强,推广应用受限。作物生长模拟模型是现代信息化手段获取作物生长发育状况的重要方法,利用叶面积估算模型是现在研究较为通用方法,可预测作物整个生长发育进程。农作物的叶面积动态易受光照和温度等条件影响,作物叶面积动态随有效积温的影响。有效积温作为作物生长的重要指标,用积温代替时间动态更具有代表性,更能反应玉米的生长状况。本研究在借鉴前人研究LAI模拟模型优点的基础上,应用"归一化"方法,以有效积温为自变量,玉米叶面积指数为因变量,建立不同氮素水平滴灌玉米LAI模型,分析平均叶面积指数(MLAI)与最大叶面积指数(LAImax)对玉米群体生长指标的影响,为宁夏滴灌玉米叶面积指数动态模拟精度提供技术途径。【材料与方法】2017年和2018年以宁夏玉米主栽品质(TC19)为试验材料,设置6个施氮水平N0(0 kg/hm~2)、N1(90 kg/hm~2)、N2(180 kg/hm~2)、N3(270 kg/hm~2)、N4(360 kg/hm~2)、N5(450 kg/hm~2)。玉米叶面积测算为叶长×叶宽×系数,展开叶系数为0.75,未完全展开叶系数为0.50。将整个生育期最大叶面积指数(LAImax)定为1,对生长期和LAI作归一化处理。【结果与分析】对玉米从苗期到成熟期的LAI和GDD进行归一化处理后,用Curve Expert 1.38软件对RLAI和RGDD模拟,得到有理方程方程模拟较好,相关系数达到0.982**。为进一步筛选玉米的RLAI随RGDD的动态模型变化结构,利用求极限值的方法对模型求拟合值。当x=0时,y=a,即为玉米出苗时RLAI值;当x=1时, y=(a+b)/(1+c+d),(a+b)/(1+c+d)即为成熟期的玉米的RLAI。方程只有一个峰值,且当x→∞时,y→0;即说明有理方程能够对玉米生长较合理地进行解释。故选择有理方程y=(a+bx)/(1+cx+dx~2)为不同N素处理玉米的生长过程。其模型参数a为出苗时的RLAI值,(a+b)/(1+c+d)为成熟时RLAI,方程模拟准确度高。如图1所示,由LAI动态模型模拟的方程为y=(-0.080+0.510x)/(1-2.191x+1.680x~2),由LAI动态模型模拟的2017年和2018年不同N素处理的玉米模拟值与实测值真实性较好,能够很好的反映这两年玉米的LAI动态变化,且相关系数高(r=0.982**)。LAI动态模型能很好的反应宁夏地区不同N素处理及不同年份栽培的玉米具有通用性。用试验2的玉米LAI测量值进行全生育期间的叶面积指数动态模拟,将得到的模拟值与实测值进行比较(图2)。分析图2得出,由RLAI模型模拟所得整个生育时期的模拟值与实测值比较接近真实,模拟结果的准确性(k)的变化范围在0.933～1.035之间,近似于1,越接近于1则准确度越高。模拟的精确度(R~2)在0.972～0.974之间。说明相对化动态模型的模拟准确度较高,模拟结果能很好地反映玉米群体LAI动态变化。【结论】对归一化处理后RLAI和RGDD来进行模拟,建立了LAI动态模型y=(a+bx)/(1+cx+dx~2),并对模型进行检验,结果表明此模型的准确度总体达到0.933以上,精确度在0.972-0.974之间,玉米LAI动态模型从玉米苗期就能准确地进行LAI动态预测。(本文来源于《2019年中国作物学会学术年会论文摘要集》期刊2019-10-27）
徐朝阳[2]（2019）在《毫米波雷达运动人体目标建模与特征提取》一文中研究指出由于人体目标运动状态复杂,散射特性多变,并且探测环境存在强地杂波干扰,所以人体运动状态分类一直是雷达领域的难题之一。本文围绕运动人体目标的探测机理展开,重点研究了步行运动状态下的行人回波模型、运动特征提取方式、运动状态分类、实测数据处理等关键技术。首先根据Boulic模型建立了简化的人体运动模型,将人体的行走过程转换为刚体平移与旋转运动的组合,将身体部件转换为椭圆刚体。建立了LFMCW雷达人体运动回波模型。通过对比模型数据与实测数据的时频图,验证了模型的正确性。其次,对于传统时频分析方式时频聚焦性差的问题,本文结合多重同步压缩算法,通过时频谱的频率维度进行压缩,实现了人体回波微多普勒的“精细刻画”。本文以Rényi熵作为时频谱能量聚焦性的评判准则,并将其作为多重同步压缩门限判定的标准。并且,针对LFMCW雷达距离像存在扩散的问题,设计了基于时频谱的扩散像检测算法,将人体目标的微多普勒信息充分利用。利用图像边缘检测的方式对人体时频谱进行了特征提取处理,并通过SVM分类器实现运动状态分类。最后依托搭建的毫米波实验平台,获取了人体运动的实测数据,验证了算法的可行性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
杨金秋[3]（2019）在《基于表情分类与特征提取的人脸建模算法研究》一文中研究指出叁维人脸模型建模技术可以广泛应用于电影、动画、游戏,室内设计以及医疗美容等各种行业。在以往的研究中,使用传统的建模技术得到的叁维人脸模型存在着建模效果不够逼真且无法达到实时性的要求等问题。针对以上问题,本文针对叁维人脸建模技术,提出一种基于表情分类与特征提取相结合的叁维人脸建模方法。首先将图像中人脸定位出来并提取特征点信息,这些特征点可以分别标记出人脸的脸部轮廓、眉毛、眼部轮廓、鼻梁、鼻孔下周和嘴部轮廓的特征信息。然后使用卷积神经网络算法通过对特征点的位移程度进行分类,完成人脸的特征点提取和表情分类工作。同时针对Candide-3人脸模型提出一种基于不同区域粒度的Candide-3人脸模型细分算法,对于细分后Candide-3模型手动移动特征点的位置建立人脸表情模型库,之后结合表情分类的结果调用相应Candide-3表情模型,最后对Candide-3表情模型使用RBF插值算法做进一步的细致形变得到实时的叁维人脸表情动画系统。通过对以上算法思路的设计与实现,完成了对人脸建模动画系统的开发与检测工作。检测实验中针对获取的视频图像,在提取人脸特征点后使用卷积神经网络进行人脸表情的分类,然后基于叁维人脸模型进行叁维模型的个性化调整,最终得到相应表情的叁维人脸模型。实验结果表明,经过提出方法的设计,人脸模型头部更加完整,面部和轮廓信息更加丰富自然,且达到了实时性建模的要求。(本文来源于《北方工业大学》期刊2019-05-06）
王文哲,刘辉,王彬,王瑞,代照坤[4]（2018）在《基于背景建模与特征匹配的工业烟尘图像分割方法》一文中研究指出针对工业烟尘在图像分割过程中容易受到背景中运动干扰物、复杂场景环境的影响,提出了一种基于背景建模与特征匹配的工业烟尘图像分割方法。通过建立背景模型并对背景进行实时更新,构造出准确的背景图像;通过差分累积出烟尘动态区域,采用形态学填充的方法,得到粗分割烟尘区域,通过特征匹配的方法,去除干扰,得到相对完整的烟尘分割区域;对实际钢铁行业的烟尘排放视频进行验证实验,并与其他分割方法进行了对比,结果表明:所提方法能够较好地区分出背景干扰物和烟尘,能够相对完整地分割烟尘区域,具有一定的适用性和抗干扰能力和较好的实用性。(本文来源于《传感器与微系统》期刊2018年08期）
赵静[5]（2017）在《飞机油箱内窥形貌建模与特征分析》一文中研究指出传统的飞机油箱检查方式是人工检查方式,工作人员往往需要钻入环境恶劣的油箱内部作业,危险性高且效率低下。为实现飞机油箱内部结构状态的视觉检测,课题对基于图像的飞机油箱内窥形貌建模方法及基于特征分析的缺陷检测方法进行研究,对提高飞机油箱检查效率,保证工作人员人身安全具有重要意义。第一,研究了飞机油箱内窥形貌全景图建模和缺陷检测过程中的图像获取问题。根据飞机油箱内部的结构特点及飞机油箱检修的需求,设计了飞机油箱内窥形貌观测系统,来完成图像采集;针对飞机油箱内窥形貌观测系统存在几何变形的问题,进行标定及畸变校正;研究了基于图像的飞机油箱内窥形貌全景图模型的叁种投影方法。第二,设计了飞机油箱内窥形貌全景图建模过程中的图像拼接方案。拼接过程首先要对飞机油箱内窥图像进行特征点检测、初匹配和筛选;针对飞机油箱内窥图像的配准过程实质上属于不同平面内的场景匹配问题,研究了一种基于结构相似度的飞机油箱内窥图像配准算法;并研究了图像拼接效果的评价指标。第叁,设计了基于特征分析的飞机油箱内窥图像缺陷判别方法。利用基于缺陷特征向量的判别方法判断飞机油箱图像中有无缺陷,而后根据复合特征分析方法找出缺陷分类依据并判断缺陷类别,最后采用基于运动恢复结构的单目定位算法对飞机油箱内部目标区域进行定位,为工作人员维修油箱提供参考。最后,对飞机油箱内窥形貌观测系统软、硬件平台进行了简要说明,并分别对本文所研究方法进行实验分析,验证了飞机油箱内窥形貌建模方法的有效性与缺陷识别方法的正确性。(本文来源于《中国民航大学》期刊2017-05-01）
罗斌[6]（2017）在《数字图像的结构图建模、特征描述和匹配研究》一文中研究指出结构是描述图像最重要的信息之一.然而,相对于传统的图像灰度和颜色等基本描述元素,以及纹理、边缘、区域等局部特征而言,对于图像中结构信息的研究相对不足.虽然结构信息描述难度较大,但是这种特征具有稳定性和稀疏性的优点,吸引了越来越多学者的研究兴趣.(本文来源于《安徽大学学报(自然科学版)》期刊2017年01期）
宋海波[7]（2016）在《高分辨SAR目标叁维参数化散射特性建模与特征提取》一文中研究指出随着合成孔径雷达(SAR)成像技术的快速发展以及对自动化SAR图像解译需求的日益迫切,研究面向SAR图像自动解译的特征提取方法具有十分重要的意义。SAR微波照射的成像方式使得散射中心特征成为高分辨SAR目标的本质特征。考虑到基于参数化散射中心模型的特征提取方法是实现散射中心特征提取的主要发展方向,因此本文重点研究了基于叁维参数化散射中心模型的高分辨SAR目标特征提取方法。散射特性建模是基于叁维参数化散射中心模型的高分辨SAR目标特征提取的基础。针对目标在双站叁维情况下的散射特性建模问题,本文推导并修正了双站SAR目标叁维属性散射中心模型。在给定双站SAR目标叁维属性散射中心模型一般表达式的情况下,对其中的类别散射响应、极化散射响应和波程差的计算公式进行了详细的推导。尤其针对类别散射响应,在分析了平板、直角和圆的平面散射机理以及双站SAR成像中相关角度关系的情况下,将典型散射中心的类别散射响应近似分解为方位向和高度向的二维平面散射,并依据散射中心的实际峰值雷达散射截面积(RCS)对散射幅度进行了修正。实验结果验证了该模型能够有效的拟合目标散射响应。参数估计是基于叁维参数化散射中心模型的高分辨SAR目标特征提取的关键。针对参数估计中目标代价函数包含较多局部最优值的情况,本文提出了一种参数初始化与参数优化相结合的参数估计方法。在参数初始化中,依据给出的散射中心位置、尺寸、姿态角和散射幅度的初始化公式,利用单个散射中心的图像域和频率域的散射响应,实现了散射中心的参数初始化。在参数优化中,依据非相干最小代价目标函数,利用单个散射中心的频率域散射响应,通过序列二次规划算法(SQP)实现散射中心参数的迭代优化。实验结果表明该方法得到的参数估计值能较好的逼近真值。结构选择是基于叁维参数化散射中心模型的高分辨SAR目标特征提取的重要步骤。针对结构选择中不同散射中心之间易混淆的情况,本文提出了一种基于多分类器组合的散射中心结构选择方法。在给定单个散射中心散射响应以及候选散射中心参数估计值的情况下,本文利用多种分类器相组合的分类策略实现散射中心结构选择。在提出的参数估计和结构选择方法基础上,基于RD-AML-CLEAN的特征提取思想,本文实现了对包含多个散射中心目标的特征提取。并基于该特征提取方法,编写了高分辨SAR目标叁维属性散射中心特征提取算法软件。实验结果分别验证了结构选择方法和特征提取方法的有效性,并进一步验证了参数估计和建模方法的有效性。(本文来源于《国防科学技术大学》期刊2016-12-01）
武坚,安宏勇,冯思桐[8]（2016）在《故障诊断中的数据建模与特征选择》一文中研究指出机器学习方法在故障诊断领域得到了广泛的运用,通过对系统数据做出分析,在最快时间内发现异常并立刻做出反应。它的主要目标是设计算法并分析采样数据,使计算机能够实现"自我学习"的过程,进行适合研究对象的特征提取和特征选择,来预测未知数据的可能行为。本文结合现有文献,以传动轴为研究对象,对机械制造业中的故障诊断特征提取与特征选择过程进行了研究。文中列出了零部件故障诊断时域和频域主要使用的故障特征函数,并给出了特征提取与特征选择的流程和方法,使用BP(Back Propagation)神经网络算法进行基于数据的建模分析,结合数据模型,进行了适用于本次评估的特征参数提取和选择。(本文来源于《电脑知识与技术》期刊2016年25期）
沈杰,蔡艳,何玉亭,李启权,杜宣延[9]（2017）在《基于归一化法的烤烟干物质积累建模与特征分析》一文中研究指出为探讨不同株型烤烟品种干物质积累动态模型和变化特征,实现不同品种烤烟干物质积累的有效预测,以不同株型品种云烟97、NC71、K326为材料,采用田间实测和数值模拟方法研究4个密度(13 890、15 150、16 660和18 510株hm~(–2))水平下烤烟干物质积累动态,分析关键生长参数特征,以期为烤烟合理密植、烟叶增产提供新的理论与方法。结果表明:(1)基于归一化法筛选并建立了相对干物质积累量与相对生长时间的干物质积累动态模型(MMF),方程表达式为y=(ab+cx~d)/(b+x~d),模拟准确度k值在0.9032~1.0482之间,决定系数R~2在0.94以上,进一步推导发现,方程具有过原点性、有界性、单调递增性等特点,符合生物学意义,能较好地模拟烤烟干物质积累动态特征;利用该模型分析积累特征参数,将烤烟干物质积累过程划分为缓慢增长期、快速增长期、减速增长期。(2)随着种植密度的增加,烤烟速率峰值出现时间(T_m)、快速增长期开始时间(RT_1)、结束时间(RT_2)均有不同程度提前;密植条件下(D3、D4),NC71和K326快速增长期持续时间(T_d)及其积累比例(R_a)明显提升;通径分析表明,T_d、R_a均能影响烤烟最终干物质积累水平,其与干物重均显着(0.6500*)或极显着(0.7758**)正相关,其中R_a对干物重直接通径系数达1.7097,对回归方程的总贡献率也达1.3264。(3)耐密性表现为筒型>鼓型>塔型,对应品种K326、NC71、云烟97的适宜密度分别为18 510株hm~(–2)(D4)、16 660株hm~(–2)(D3)、15 150(D2)~16 660(D3)株hm~(–2)。(本文来源于《作物学报》期刊2017年03期）
葛松[10]（2016）在《基于复杂网络的图像建模与特征提取方法研究》一文中研究指出计算机和信息技术的快速发展,使得图像识别技术的应用也愈来愈普遍。而图像表示作为图像处理的基础,在计算机视觉和图像识别中发挥着越来越重要的作用。近年来,复杂网络理论引起了众多研究者们的兴趣,相关的概念和方法都是当前的研究热点。论文主要研究复杂网络下的图像建模与特征提取方法,针对其中存在的问题提出了相应的改进。论文研究的主要问题概括为以下叁个方面:1.融合复杂网络与轮廓识别方法。利用复杂网络方法抽取目标的轮廓拓扑信息,形成识别参数,将复杂网络方法的优点融入到基于轮廓的目标识别方法中,简化目标网络模型的复杂程度,增强识别方法的容噪性,形成一种有效的目标识别方法。将现实中的各种轮廓以图的形式表示,利用复杂网络理论建立相应的网络模型,并计算与复杂网络相关的参数,最后通过对所有网络模型提取特征参数,汇集形成识别参数,产生图像目标识别算法用于对象目标的识别和分类。2.基于复杂网络图像建模下所提取的特征参数大都是统计特征,而这种特征不仅具有很好的稳定性,而且具备较强的抗噪声能力。鉴于这一点,本章提出一种有向复杂网络表示模型,利用K近邻(K-Nearest Neighbor,KNN)方法给出了一种有向复杂网络的演化方式,最终通过提取不同演化时刻下的有向复杂网络特征完成对图像的特征描述,实现图像的识别。3.全局直方图失去了特征的空间分布信息,鉴于这一点,本文将直方图信息与传统的图结构信息加以融合,这里提出一种基于节点属性(节点灰度值)的演化方式,生成一系列子网络,称这些子网络为节点加权属性网络,对这些子网络进行特征描述以实现图像的识别。(本文来源于《上海师范大学》期刊2016-05-01）
特征建模与特征库论文开题报告
（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：
由于人体目标运动状态复杂,散射特性多变,并且探测环境存在强地杂波干扰,所以人体运动状态分类一直是雷达领域的难题之一。本文围绕运动人体目标的探测机理展开,重点研究了步行运动状态下的行人回波模型、运动特征提取方式、运动状态分类、实测数据处理等关键技术。首先根据Boulic模型建立了简化的人体运动模型,将人体的行走过程转换为刚体平移与旋转运动的组合,将身体部件转换为椭圆刚体。建立了LFMCW雷达人体运动回波模型。通过对比模型数据与实测数据的时频图,验证了模型的正确性。其次,对于传统时频分析方式时频聚焦性差的问题,本文结合多重同步压缩算法,通过时频谱的频率维度进行压缩,实现了人体回波微多普勒的“精细刻画”。本文以Rényi熵作为时频谱能量聚焦性的评判准则,并将其作为多重同步压缩门限判定的标准。并且,针对LFMCW雷达距离像存在扩散的问题,设计了基于时频谱的扩散像检测算法,将人体目标的微多普勒信息充分利用。利用图像边缘检测的方式对人体时频谱进行了特征提取处理,并通过SVM分类器实现运动状态分类。最后依托搭建的毫米波实验平台,获取了人体运动的实测数据,验证了算法的可行性。
（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。
特征建模与特征库论文参考文献
[1].李振洲,贺正,贾彪,刘志,付江鹏.滴灌玉米叶面积指数归一化建模与特征分析[C].2019年中国作物学会学术年会论文摘要集.2019
[2].徐朝阳.毫米波雷达运动人体目标建模与特征提取[D].哈尔滨工业大学.2019
[3].杨金秋.基于表情分类与特征提取的人脸建模算法研究[D].北方工业大学.2019
[4].王文哲,刘辉,王彬,王瑞,代照坤.基于背景建模与特征匹配的工业烟尘图像分割方法[J].传感器与微系统.2018
[5].赵静.飞机油箱内窥形貌建模与特征分析[D].中国民航大学.2017
[6].罗斌.数字图像的结构图建模、特征描述和匹配研究[J].安徽大学学报(自然科学版).2017
[7].宋海波.高分辨SAR目标叁维参数化散射特性建模与特征提取[D].国防科学技术大学.2016
[8].武坚,安宏勇,冯思桐.故障诊断中的数据建模与特征选择[J].电脑知识与技术.2016
[9].沈杰,蔡艳,何玉亭,李启权,杜宣延.基于归一化法的烤烟干物质积累建模与特征分析[J].作物学报.2017
[10].葛松.基于复杂网络的图像建模与特征提取方法研究[D].上海师范大学.2016
论文知识图
