导读:本文包含了纹理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:纹理,目标,图像,算法,刚体,影像,特征。
纹理匹配论文文献综述
郭二军[1]（2019）在《云平台网络多重纹理图像匹配融合方法研究》一文中研究指出传统的图像匹配融合方法在匹配多重纹理图像时,很容易出现误差匹配,融合后的图像清晰度不高,轮廓不鲜明,针对上述问题,在云平台网络上研究了一种新的多重纹理图像匹配融合方法。首先,计算多重纹理图像的匹配代价,分析图像像素的相似度和特异性,构建动态规划路径,在不同网络结构下匹配多重纹理图像;然后,建立树状图对图像进行融合;最后,利用视察矫正方法将匹配融合得到的误差点消除。为验证该方法的工作效果,与传统匹配融合方法进行实验对比,结果表明,给出的方法能够清晰地得到像素点云,使融合后的图像轮廓鲜明,画质清晰,适用于图像重构。(本文来源于《现代电子技术》期刊2019年19期）
张宁,秦杨[2]（2019）在《基于视觉传达的民间装饰图案纹理智能匹配方法》一文中研究指出该文从提高民间装饰图案的视觉传达能力的角度出发,需要进行图像纹理智能匹配处理,提出一种基于视觉传达的民间装饰图案纹理智能匹配方法,构建视觉传达下的民间装饰图案纹理智能信息采集模型,采用图像自动成像技术进行民间装饰图案的纹理成像和特征分割,提取典型民间装饰图案和民族设计语言的纹理直方图,根据直方图分布在视觉传达下进行纹理分割和自动匹配,采用正则化特征融合方法进行民间装饰图案纹理信息增强和优化检测,提取民间装饰图案的边缘轮廓特征点,以提取的装饰图案边缘轮廓特征点作为输入统计信息进行纹理匹配。采用该方法进行民间装饰图案纹理匹配的自适应性能较好,纹理分辨能力较强,提高现代视觉传达设计中更好地体现民间装饰图案的应用研究,推动传统文化元素和现代设计创新性结合。(本文来源于《南阳理工学院学报》期刊2019年04期）
贾迪,赵明远,杨宁华,朱宁丹,孟琭[3]（2019）在《面向重复纹理及非刚性形变的像对高效稠密匹配方法》一文中研究指出目的像对稠密匹配是3维重建和SLAM(simultaneous localization and mapping)等高级图像处理的基础,而摄影基线过宽、重复纹理、非刚性形变和时空效率低下等问题是影响这类方法实用性的主要因素,为了更好地解决这类问题,本文提出一种面向重复纹理及非刚性形变的高效稠密匹配方法。方法首先,采用Deep Matching算法获得降采样后像对的匹配点集,并采用随机抽样一致算法剔除其中外点。其次,利用上一步得到的匹配结果估计相机位姿及缩放比例,以确定每个点对稠密化过程中的邻域,再对相应点对的邻域提取HOG描述符并进行卷积操作得到分数矩阵。最后,根据归一化后分数矩阵的数值以及下标距离的方差确定新的匹配点对以实现稠密化。结果在多个公共数据集上采用相同大小且宽高比为4∶3的像对进行实验,实验结果表明,本文方法具备一定的抗旋转、尺度变化与形变的能力,能够较好地完成宽基线条件下具有重复纹理及非刚性形变像对的匹配。与DeepMatching算法进行对比实验,本文方法在查准率、空间效率和时间效率上分别提高了近10%、25%和30%。结论本文提出的稠密匹配方法具有较高的查准率和时空效率,其结果可以运用于3维重建和超分辨率重建等高级图像处理技术中。(本文来源于《中国图象图形学报》期刊2019年06期）
郭莹[4]（2019）在《特殊纹理航摄影像匹配方法研究》一文中研究指出作为空中叁角测量的关键步骤之一,影像量测对摄影测量的自动化具有重要意义。从最初的人工量测到数字影像相关技术,再到现在的引入计算机视觉中的基于特征的影像匹配,影像匹配技术一直是研究热点。随着信息技术的快速发展,影像匹配技术也得到不断的发展,使得空中叁角测量的精度和效率大大提升,空中叁角测量的应用也越来越广泛。影像匹配的目的是在含有重迭区域的两张或多张影像上寻找相同的地物点,使得匹配点的数量、分布和精度可以满足摄影测量的需要。然而,航摄影像通常包含大面积的荒漠、林地和耕地为内容的影像,在纹理上表现为贫乏纹理和重复纹理,这类影像称之为特殊纹理影像。由于贫乏纹理影像信噪比低,采用基于灰度的影像匹配方法时,易受噪声干扰,匹配成功率低,采用基于特征的影像匹配方法时,难以获得有效匹配点;重复纹理影像特性会导致描述符可区分性差,存在多义性,形成多个匹配,基于灰度和基于特征的影像匹配方法往往难以奏效。针对特殊纹理航摄影像匹配困难的问题,本文通过研究现有的匹配算法,提出了一种特殊纹理影像匹配方案,主要研究内容如下:(1)常用的影像匹配算法特性分析。研究常用匹配方法在特殊纹理航摄影像匹配中的适用性和局限性。包括基于灰度的影像匹配算法(相关系数法,最小二乘匹配法)和基于特征的影像匹配算法(ORB算法,SIFT算法,MROGH算法)(2)结合颜色不变量和MROGH的描述符。充分利用影像的颜色信息和特征区域采样点的空间关系,将颜色不变量引入MROGH描述符来提高特征点的独特性和鲁棒性,以描述特殊纹理航摄影像的特征。(3)特殊纹理航摄影像匹配策略。采用基于核线关系的特征匹配,通过在同名核线区域内搜索匹配点,进而减少匹配时间;通过基于图模型的误匹配点粗差剔除方法和基于特征的最小二乘精匹配方法来提高匹配正确率和匹配精度。(4)典型方法的对比实验研究。将本文方法与SIFT算法、MROGH算法做对比实验研究,分别从正确匹配点数量、分布、定位精度和匹配时间等角度进行对比,实验表明本文方法在处理特殊纹理航摄影像匹配时可以获得较多的正确匹配点并且匹配精度可以达到子像素级。(本文来源于《武汉大学》期刊2019-05-01）
秦海报[5]（2019）在《基于模板匹配的快速少纹理目标识别算法》一文中研究指出针对传统的基于模板匹配算法通常考虑模板的整体性往往遇到计算性能复杂的问题。文中提出一种基于二进制方向压缩映射和局部特征加权的快速少纹理目标识别方法。根据目标边缘点的量化梯度方向,利用二进制方向压缩映射方法对目标模型进行特征描述,快速提取出目标候选位置及其对应的尺度、角度信息;在检测出目标候选位置后,再利用局部特征加权方法建立新的模板特征,对目标候选位置计算新的相似度从而确定目标最终姿态。实验结果表明,文中算法与其他具有代表性的算法相比具有更好的识别率,并且识别时间大幅降低。(本文来源于《电子科技》期刊2019年01期）
朱瑞超,钱文华,普园媛,徐丹[6]（2018）在《自相似性匹配的纹理合成》一文中研究指出基于Image Quilting算法,基于块匹配的误差提出了一种基于自相似匹配的改进方法,其有效提高了缝合速度及合成质量,对不同纹理样本都能取得较好的合成效果。该算法首先根据样本图像大小动态确定匹配块的大小;之后通过自相似匹配的原理设置了缝合块的边界匹配误差,保留了缝合块的边界信息;在缝合过程中使用贪心算法选取相似性最高的块作为下一个待缝合的块,通过局部最优合成效果合成最终纹理图像。实验结果表明,改进后的算法减少了合成时间,消除了匹配块之间的不连续性,提高了合成质量。(本文来源于《计算机科学》期刊2018年S1期）
田澍[7]（2018）在《面向目标立体构建的纹理分割与结构基元匹配方法研究》一文中研究指出随着遥感卫星传感器技术的发展,人们通过卫星、航空以及无人机平台能够获取包括光谱图像、光学图像等传统的数据产品形式,同时利用遥感信息处理技术也能够获取结合光学物理属性和结构属性的立体信息。遥感目标立体信息打破了对传统遥感信息的认知,通过目标表面光学物理属性信息和目标叁维结构信息的结合,能够更充分的表示目标在真实空间的本质属性。近年来,数字化信息技术的普及,使目标立体构建在关乎民生的各个领域得到了广泛的应用,通过对目标立体构建应用潜力的进一步探索,能够提高其在包括城市建设、交通管理、灾难预测以及军事侦察等领域的应用价值,对国民经济发展和国防建设有着极为重大的意义。传统的立体构建方法通常都是以构建大区域地形场景为目的,并利用摄影测量学原理从卫星影像中通过几何特征提取、立体匹配等方法构建大范围场景下的目标结构信息,往往忽略了对目标表面光学信息属性的分析。此外,传统的立体构建方法对数据精度要求过高,普适性较低,对结构复杂的目标很难保证其构建的结构完整度和精度。不同于传统的立体构建方法,本文所研究的遥感目标立体构建方法分别从目标表面纹理信息分割及目标整体结构的构建的角度进行深入研究,从而获取蕴含丰富的目标纹理信息及完整结构信息的遥感目标立体构建结果。本文提出的方法以目标驱动的立体构建策略为核心,主要研究内容包括叁个部分:第一部分研究内容通过分析基于结构属性的目标纹理差异进行目标表面纹理信息分割,第二部分主要研究基元结构特征匹配方法,目的是从模型库中选取预定义的基元拓扑连接结构,在此基础上,第叁部分通过基元拓扑的整体结构约束对目标整体结构进行参数化表示,并结合参数优化的方法实现目标整体叁维结构的构建。最终,结合分割提取的目标表面纹理信息和目标叁维结构信息,获得遥感目标立体构建的结果。根据对遥感目标立体构建研究内容的概括,本文提出的立体构建方法主要包括叁个关键技术:目标表面纹理分割方法、目标基元结构拓扑匹配方法以及目标整体结构的最优化参数估计方法,并针对以下叁方面问题对遥感目标立体构建进行深入的研究。首先,针对遥感目标区域纹理信息高同质性、类内纹理分布差异小,导致无法准确获取目标各表面纹理信息的问题,本文提出了基于低秩及稀疏制图的纹理分割方法,准确的分割并提取目标各表面纹理信息。该方法以基于目标的图像分析方法(OBIA)为理论指导,通过分析目标局部纹理的统计特征,构建能够表征目标纹理在特征空间的结构差异的关联制图,从而克服噪声、奇异点对目标类内纹理分割的影响。在目标纹理特征方面,提出了局部纹理直方图特征提取方法,提高了目标局部纹理特征的描述能力。而为了进一步分析局部纹理的结构分布差异,在特征空间构建了基于低秩及稀疏特性的关联制图,从空间的角度分析了目标纹理信息的结构差异,准确捕获了具有高同质属性的目标类内纹理结构分布差异,最后,结合图割方法获取目标各表面纹理分割结果。实验结果验证了本文提出的纹理分割算法能够准确的获取目标各表面纹理信息,为获取完整的目标立体构建结果提供了重要支撑。其次,针对目标基元结构匹配过程中,由于目标形状特征描述能力不足,导致不能够准确的匹配出模型库中的预定义基元结构,提出了基于深度嵌入式网络的目标基元拓扑匹配方法。该方法从目标全局及局部结构特性的角度,预定义了目标典型基元结构的参数化模型库。在基元模型库基础上,提出了基于深度嵌入式网络的目标基元拓扑匹配算法,通过深度嵌入式网络的学习提取能够有效的辨别目标类内差异的目标形状特征,并利用特征匹配技术从模型库中匹配出具有完整及规范化结构属性的目标基元拓扑,为最终的目标立体模型构建提供基元间的全局拓扑结构约束,有效的保证了目标模型立体构建的结构完整度及规范度。实验部分验证了本文提出的方法能够准确的匹配出模型库中的基元拓扑结构,为进一步获得高精度、完整的目标立体构建提供了全局结构指导。最后,针对目标整体结构参数化描述不充分,导致目标整体结构构建精度低的问题,提出了基元目标拓扑约束的参数估计算法,进行目标整体结构的参数最优化估计,从而提高目标整体结构模型构建的精度。为了能够全面描述目标全局及局部结构,构造了目标基元拓扑约束的结构参数化表示模型,该模型函数一方面能够表示具有不同复杂度的目标基元顶面叁维结构,另一方面,该模型函数通过引入了基元模型之间的拓扑约束,保证了目标的全局结构特性,从而为完整构建目标立体模型提供了保障。在参数优化估计方面,针对目标整体结构的多参数优化问题,采用具有规则简单,精度高、收敛快等特点的粒子群算法进行目标整体结构的最优化参数估计,最终获取结构完整及精度较高的目标立体构建结果。实验部分验证了本文提出的目标立体构建方法能够比较完整构建目标顶面结构并保证了模型构建的精度。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
孙明珠[8]（2018）在《面向低纹理区域的局部立体匹配算法研究》一文中研究指出当前,双目立体匹配是研究的热点话题之一。本文主要是针对立体匹配中遮挡区域和弱纹理区域难匹配的问题,本文提出了一种立体匹配视差估计方法,主要研究工作如下:(1)针对相似度测度函数对场景颜色、边缘以及光照强度适应性不强的问题,提出了加权融合AD、梯度幅值和相角、Census匹配代价融合函数的算法。在计算匹配代价时,通过加权融合系数对视差图性能和误匹配率的影响曲线图确定了最佳系数。(2)针对弱纹理区域内部以及弱纹理区域交界处误匹配率较高的问题,提出基于纹理特征的可变权值代价聚合算法。根据相邻像素的颜色差异性和纹理特征信息,计算在固定路径下的可变权值系数,将聚合后的匹配代价通过“WTA”选择初始视差集。通过对代价聚合改进前后的匹配结果进行分析对比,结果表明,该算法的提出有效解决了弱纹理区域匹配精度低的问题。(3)由于遮挡区域和弱纹理区域仍然可能存在错误匹配问题,提出改进的后处理方法。对无法通过一致性检测的像素进一步进行检测,检测出属于弱纹理区域的不确定像素点,对这些像素点的匹配代价值进行修正和二次聚合,获得最终视差,从而在保证整体匹配效果不变的情况下,提高了弱纹理区域和遮挡区域精度。(本文来源于《燕山大学》期刊2018-05-01）
向世涛,文畅,谢凯,贺建飚,刘从浩[9]（2018）在《旋转纹理不变模型下的快速人脸匹配方法》一文中研究指出为解决传统SIFT模型在人脸匹配时存在的相似区域误匹配问题并满足实时要求,提出一种RISIFTTF(rotation invariant SIFT with texture feature)模型下的快速人脸匹配方法。将RITF(rotation invariant texture feature)与SIFT融合,形成RISIFTTF模型,通过GPU对构建高斯差分金字塔和检测定位极值点等步骤并行加速。选取来自FERET和自采集的人脸库,对比优化前后的结果,对比结果表明,对于FERET库,配准率提高了8.23%-12.76%,加速比提高了5倍-6倍;对于自采集库,配准率提高了11.53%-14.21%,加速比提高了4倍-5倍,实现了对传统模型的优化与加速。(本文来源于《计算机工程与设计》期刊2018年03期）
秦海报[10]（2018）在《基于模板匹配的图像少纹理目标识别算法研究》一文中研究指出数字图像中目标识别技术在机器人系统、增强现实、叁维重建等众多领域中有着广泛的应用,是计算机视觉领域中一个重要研究课题。在许多实际工业应用中,待检测的物体并没有充足的纹理信息,主要由其轮廓和形状描述并且目标表面会有大量的同质区域,这类目标被称为少纹理目标。由于少纹理目标没有稳定的判别力强的特征点,视觉特征不能稳定可靠地被提取到,给传统基于纹理目标识别方法带来了巨大的挑战。因此,对少纹理目标快速、准确的识别在理论研究与工程应用方面都具有重要的基础意义。本文的研究内容主要包括叁个方面:少纹理目标候选位置检测算法、少纹理目标识别算法、基于GPU和CUDA编程模型的目标识别算法加速。本文首先对当前具有代表性的少纹理目标识别算法进行研究分析,在总结了各算法的识别率和识别速度等优缺点后,提出一种基于模板匹配的快速少纹理目标识别方法。该算法分为两个阶段,第一阶段是快速预测具体类别目标候选位置和其对应的尺度、角度信息。第二阶段对目标候选位置筛选,确定目标最终姿态。最后将整个算法进行GPU并行加速。本文提出的算法分为目标候选框检测和目标识别两个阶段。算法第一阶段基于二进制方向压缩映射的方法描述模板特征,再利用一个相似度度量的过程估计具体类别目标的候选位置和对应的尺度、角度信息。二进制方向压缩映射方法的应用大大降低模板匹配复杂度。算法第二阶段基于局部特征加权的方法建立新的模板特征,对每个候选位置重新计算相似度,进行细检测剔除假性候选位置。局部特征加权方法的应用对于不同类别之间相似目标有着更好的表现性能,可以有效地减少误识别的发生。最后将算法与其它几种代表性算法在不同的图片库中进行性能分析,实验表明,本文算法在取得最好的目标识别率时,还具有很快的识别速度。图像GPU并行加速处理方面,本文研究了基于CUDA编程模型的并行化图像处理技术,包括基于CUDA的边缘提取、目标识别等算法。在深入分析本文算法的可并行性之后,利用叁维数据体将模板特征数据映射到叁维纹理内存空间,充分利用GPU多核的优势,本文最后实现了基于模板匹配的少纹理目标识别算法在CPU+GPU异构平台上的并行加速运算。实验结果表明,经过GPU并行加速后,对于1280×960的图片算法的运行速度是CPU的20倍。(本文来源于《南京航空航天大学》期刊2018-03-01）
纹理匹配论文开题报告
（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：
该文从提高民间装饰图案的视觉传达能力的角度出发,需要进行图像纹理智能匹配处理,提出一种基于视觉传达的民间装饰图案纹理智能匹配方法,构建视觉传达下的民间装饰图案纹理智能信息采集模型,采用图像自动成像技术进行民间装饰图案的纹理成像和特征分割,提取典型民间装饰图案和民族设计语言的纹理直方图,根据直方图分布在视觉传达下进行纹理分割和自动匹配,采用正则化特征融合方法进行民间装饰图案纹理信息增强和优化检测,提取民间装饰图案的边缘轮廓特征点,以提取的装饰图案边缘轮廓特征点作为输入统计信息进行纹理匹配。采用该方法进行民间装饰图案纹理匹配的自适应性能较好,纹理分辨能力较强,提高现代视觉传达设计中更好地体现民间装饰图案的应用研究,推动传统文化元素和现代设计创新性结合。
（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。
纹理匹配论文参考文献
[1].郭二军.云平台网络多重纹理图像匹配融合方法研究[J].现代电子技术.2019
[2].张宁,秦杨.基于视觉传达的民间装饰图案纹理智能匹配方法[J].南阳理工学院学报.2019
[3].贾迪,赵明远,杨宁华,朱宁丹,孟琭.面向重复纹理及非刚性形变的像对高效稠密匹配方法[J].中国图象图形学报.2019
[4].郭莹.特殊纹理航摄影像匹配方法研究[D].武汉大学.2019
[5].秦海报.基于模板匹配的快速少纹理目标识别算法[J].电子科技.2019
[6].朱瑞超,钱文华,普园媛,徐丹.自相似性匹配的纹理合成[J].计算机科学.2018
[7].田澍.面向目标立体构建的纹理分割与结构基元匹配方法研究[D].哈尔滨工业大学.2018
[8].孙明珠.面向低纹理区域的局部立体匹配算法研究[D].燕山大学.2018
[9].向世涛,文畅,谢凯,贺建飚,刘从浩.旋转纹理不变模型下的快速人脸匹配方法[J].计算机工程与设计.2018
[10].秦海报.基于模板匹配的图像少纹理目标识别算法研究[D].南京航空航天大学.2018
论文知识图
