面向场景理解的景象匹配方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 主要符号表 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 景象匹配研究现状 | 第13-15页 |
| 1.3 论文主要工作及技术路线 | 第15-16页 |
| 1.3.1 主要工作 | 第15-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 景象匹配算法基础 | 第18-41页 |
| 2.1 图像匹配的定义 | 第18页 |
| 2.2 匹配算法基本流程 | 第18-39页 |
| 2.2.1 概述 | 第18页 |
| 2.2.2 特征空间 | 第18-28页 |
| 2.2.2.1 颜色特征 | 第18-20页 |
| 2.2.2.2 形状特征 | 第20-25页 |
| 2.2.2.3 边缘 | 第25-28页 |
| 2.2.3 相似性度量 | 第28-35页 |
| 2.2.3.1 基于灰度的相似性度量 | 第28-31页 |
| 2.2.3.2 欧式距离 | 第31页 |
| 2.2.3.3 马氏距离 | 第31页 |
| 2.2.3.4 推土机距离 | 第31-32页 |
| 2.2.3.5 Hausdorff距离 | 第32-35页 |
| 2.2.4 搜索策略 | 第35-39页 |
| 2.2.4.1 三步搜索法 | 第35-36页 |
| 2.2.4.2 BBF算法 | 第36-37页 |
| 2.2.4.3 遗传算法 | 第37-39页 |
| 2.3 评判指标 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 基于局部特征的图像匹配算法 | 第41-64页 |
| 3.1 概述 | 第41页 |
| 3.2 SIFT特征匹配 | 第41-51页 |
| 3.2.1 SIFT特征提取 | 第42-48页 |
| 3.2.2 SIFT匹配 | 第48-51页 |
| 3.3 PCA-SIFT特征匹配 | 第51-53页 |
| 3.3.1 PCA算法原理 | 第51-52页 |
| 3.3.2 PCA-SIFT特征提取 | 第52-53页 |
| 3.4 SURF特征匹配 | 第53-63页 |
| 3.4.1 SURF特征提取 | 第53-60页 |
| 3.4.1.1 积分图像 | 第53-54页 |
| 3.4.1.2 LoG算子和盒子滤波器 | 第54-55页 |
| 3.4.1.3 Haar-like特征 | 第55-56页 |
| 3.4.1.4 算法实现步骤 | 第56-60页 |
| 3.4.2 SURF匹配 | 第60-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第四章 基于改进SURF特征的景象匹配算法实现 | 第64-79页 |
| 4.1 改进SURF特征的无人机匹配实现 | 第64-65页 |
| 4.2 软件模块设计 | 第65-69页 |
| 4.2.1 软件开发平台介绍 | 第65-66页 |
| 4.2.2 软件设计 | 第66-69页 |
| 4.3 算法测试及评价 | 第69-78页 |
| 4.3.1 测试数据与评价指标 | 第69-71页 |
| 4.3.1.1 测试资料构建 | 第69-70页 |
| 4.3.1.2 评价指标 | 第70-71页 |
| 4.3.2 匹配算法的性能评估 | 第71-78页 |
| 4.3.2.1 旋转变换评估 | 第71-74页 |
| 4.3.2.2 尺度变换评估 | 第74-76页 |
| 4.3.2.3 噪声变换评估 | 第76-77页 |
| 4.3.2.4 模糊变换评估 | 第77-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 5.1 工作总结与贡献 | 第79-80页 |
| 5.1.1 工作总结 | 第79页 |
| 5.1.2 本文创新点及主要贡献 | 第79-80页 |
| 5.2 工作展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士期间取得的研究成果 | 第86-87页 |
