导读:本文包含了角点提取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:算法,算子,遥感,高分辨率,激光,图像,特征。
角点提取论文文献综述
刘晨,于微波,杨宏韬,王国秀,谢家欣[1]（2019）在《工件图像轮廓角点特征提取算法》一文中研究指出将Harris角点检测与基于Snake模型的轮廓提取算法相结合,形成基于角点特征的工件图像轮廓提取算法。(本文来源于《长春工业大学学报》期刊2019年05期）
汪涛,成孝刚,李德志,吕泓君,李海波[2]（2019）在《基于霍夫变换与角点检测的叶脉特征提取算法》一文中研究指出叶脉特征提取对植物的基因研究具有重大价值,叶脉的特征体现了叶片的各种信息。而叶脉的角度信息直接反映了叶脉生长的方向和叶片顶端、底端的生长形态。因此,为了克服现有算法的局限性,提出一种基于霍夫变换和角点检测的叶脉特征提取算法。该算法首先通过霍夫变换搜索主叶脉,通过筛选得到主叶脉大致所在直线,继而得到叶片顶端、底端坐标;然后通过角点检测的方法搜索主叶脉与次叶脉的交点,再以获得的交点为起点,以区域增长法搜索叶片,以进一步提取主叶脉和次叶脉的坐标等参量,同时测得角度特征,包括主叶脉与边界夹角和主次叶脉夹角。利用瑞典白杨树叶(12 000片)对该算法进行验证,结果表明该算法在主次叶脉提取及其角度检测方面效果良好。(本文来源于《计算机技术与发展》期刊2019年11期）
林少铎,高向东,黎扬进,张南峰,全方红[3]（2019）在《角点检测与光流跟踪的焊缝特征提取与定位研究》一文中研究指出针对V型坡口中厚板对接焊焊缝特征点检测精度不高的问题,研究了一种基于激光视觉传感的角点检测与光流(LK)跟踪的焊缝特征快速提取与定位方法。根据叁角测量原理,设计了能够实时检测焊缝特征图像的激光视觉传感器,并建立了由激光条纹特征点像素坐标到焊缝特征点叁维坐标的数学模型;对焊缝图像进行了预处理,采用Shi-Tomasi角点检测提取了焊缝特征;最后使用光流法为后续帧匹配特征角点,实时计算出了图像中焊缝特征点的亚像素位置。研究结果表明:基于角点检测与光流法跟踪的焊缝特征提取与定位方法,其特征点检测精度较高,平均误差在±0.13 mm以内,可以实时、准确地识别焊缝特征。(本文来源于《机电工程》期刊2019年04期）
尹峰,祁琼,许博文[4]（2018）在《基于角点的高分辨率遥感影像建筑物提取》一文中研究指出几何结构是高分辨率遥感影像中人工地物区别于其他地物目标的突出特征。针对高分辨率遥感影像中建筑物提取的问题,提出一种基于角点这一几何结构特征的建筑物自动提取方法。该方法无需事先标记训练数据,而是通过计算影像的建筑物指数来直接获取建筑物位置。首先利用基于模板的角点检测算子提取影像中的角点;其次综合角点的位置、角度和显着性等信息,利用空间投票的统计方法计算影像中每个像素属于建筑物的概率;最后经过阈值分割得到建筑物提取结果。实验采用了自主收集的影像分辨率为0.5 m的Spacenet65数据集进行测试。结果表明,提出的方法能够准确提取出高分辨率遥感影像中的不同类型的建筑物。(本文来源于《地理空间信息》期刊2018年10期）
陈典典,程培培,马军山[5]（2018）在《基于Harris角点检测和聚类算法的掌纹图像ROI提取方法》一文中研究指出为了实现从掌纹图像中提取出稳定的感兴趣的区域(ROI)图像的目标,设计了一种新的掌纹ROI提取方法。使用Harris角点检测算法对二值化后的掌纹图像进行角点提取,收集相应区域的角点,利用聚类算法得到角点簇的中心点坐标,从中寻找关键点建立坐标系,提取ROI。分别利用该方法在不同掌纹数据库中进行了ROI提取实验。实验结果表明,该方法对不同的掌纹数据库图像均能保持很好的提取效果,成功率均达到了99%以上。(本文来源于《光学仪器》期刊2018年05期）
康俊民,赵祥模,杨荻[6]（2018）在《二维激光雷达数据角点特征的提取》一文中研究指出为增强无人车识别行驶环境中角点特征的鲁棒性,并提高角点特征的识别速度,基于观测点的二变量正态概率密度映射之间的相对差值,提出了一种角点特征提取方法;将观测数据组映射到二变量正态概率密度空间,获得每个观测点的映射;对映射结果进行归一化,消除协方差引起的数值差异;在映射数值曲线中寻找波峰与波谷的位置,波峰对应的观测点最接近均值点,波谷对应的观测点最接近拐点;利用波峰和波谷的相对高度判定该组观测数据是否符合角点特征的边长要求;用波谷对应的原始观测数据点坐标作为角点特征,构建环境特征地图。试验结果表明:提取方法能够处理观测点数大于63,观测点角度分辨率大于1°的稀疏观测数据,在大尺寸室外环境和室内环境中,提取方法都能够稳定识别大型角点;对小于180个点的观测数据,最大处理时间小于5ms,平均处理时间小于1.9ms,提取方法减少了构建环境特征地图的时间;提取方法依据观测数据的二变量正态概率密度提取角点特征,对观测误差和角点特征的尺度与形状不敏感,能够有效提高角点特征的识别鲁棒性。(本文来源于《交通运输工程学报》期刊2018年03期）
宋俊芳[7]（2018）在《提取运动目标稳健角点算法》一文中研究指出为了满足更快、更准、更鲁棒的角点检测应用需求,特提出一种针对运动目标的角点检测和优化新算法。首先将当前帧与前后相邻帧做两次差分,并对它们的结果进行"与"操作,得到运动目标的区域特征。接下来,针对运动区域窗用传统角点检测算法进行扫描,提取出所有的特征角点。最后,用基于区域检测属性的角点优化算法和基于滑动窗的角点优化算法对这些角点进行过滤,留下局部区域内稳健性最强的特征点作为角点用于目标的匹配和跟踪。实验结果表明,此算法的实时性和鲁棒性较好,针对一些复杂的图像,角点提取也能获得较好的结果,将它们用于跟踪,效果都比较理想。(本文来源于《智能城市》期刊2018年10期）
陈洪,李进强[8]（2017）在《改进的自适应SUSAN角点特征提取方法》一文中研究指出针对目前大多数的角点特征提取算法存在算法结构过于复杂、运行效率偏低及可推广性偏差等方面的局限性,该文通过改进SUSAN算法中灰度差阈值的获取方法,提出一种自适应的角点特征提取方法。该方法首先采用高斯滤波对原始影像做预处理,然后利用Ly算子初步探测概略角点特征集合,最后利用改进的SUSAN角点检测算法从概略角点特征精确确定角点特征。实验结果表明,该方法提高了角点检测的精度,缩短了角点特征提取时间,具有较好的鲁棒性。(本文来源于《测绘科学》期刊2017年12期）
徐静,刘延芳,唐中海[9]（2017）在《图像配准与角点提取算法研究》一文中研究指出在图像配准的方法中,基于图像特征点的配准方法应用较为广泛,而在图像特征点的配准方法中又以基于角点检测的方法最受关注。通过对角点检测方法的理论研究与探讨,分析了几种提取算法,从匹配正确率和抗噪声效果等方面对这几种算法进行比较,最后给出室内外图像角点检测结果图。(本文来源于《长春工程学院学报(自然科学版)》期刊2017年04期）
潘旭冉,杨帆,杨宜菩,潘国峰[10]（2017）在《基于纹理方向和角点的居民地信息提取》一文中研究指出高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。(本文来源于《科学技术与工程》期刊2017年31期）
角点提取论文开题报告
（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：
叶脉特征提取对植物的基因研究具有重大价值,叶脉的特征体现了叶片的各种信息。而叶脉的角度信息直接反映了叶脉生长的方向和叶片顶端、底端的生长形态。因此,为了克服现有算法的局限性,提出一种基于霍夫变换和角点检测的叶脉特征提取算法。该算法首先通过霍夫变换搜索主叶脉,通过筛选得到主叶脉大致所在直线,继而得到叶片顶端、底端坐标;然后通过角点检测的方法搜索主叶脉与次叶脉的交点,再以获得的交点为起点,以区域增长法搜索叶片,以进一步提取主叶脉和次叶脉的坐标等参量,同时测得角度特征,包括主叶脉与边界夹角和主次叶脉夹角。利用瑞典白杨树叶(12 000片)对该算法进行验证,结果表明该算法在主次叶脉提取及其角度检测方面效果良好。
（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。
角点提取论文参考文献
[1].刘晨,于微波,杨宏韬,王国秀,谢家欣.工件图像轮廓角点特征提取算法[J].长春工业大学学报.2019
[2].汪涛,成孝刚,李德志,吕泓君,李海波.基于霍夫变换与角点检测的叶脉特征提取算法[J].计算机技术与发展.2019
[3].林少铎,高向东,黎扬进,张南峰,全方红.角点检测与光流跟踪的焊缝特征提取与定位研究[J].机电工程.2019
[4].尹峰,祁琼,许博文.基于角点的高分辨率遥感影像建筑物提取[J].地理空间信息.2018
[5].陈典典,程培培,马军山.基于Harris角点检测和聚类算法的掌纹图像ROI提取方法[J].光学仪器.2018
[6].康俊民,赵祥模,杨荻.二维激光雷达数据角点特征的提取[J].交通运输工程学报.2018
[7].宋俊芳.提取运动目标稳健角点算法[J].智能城市.2018
[8].陈洪,李进强.改进的自适应SUSAN角点特征提取方法[J].测绘科学.2017
[9].徐静,刘延芳,唐中海.图像配准与角点提取算法研究[J].长春工程学院学报(自然科学版).2017
[10].潘旭冉,杨帆,杨宜菩,潘国峰.基于纹理方向和角点的居民地信息提取[J].科学技术与工程.2017
论文知识图
