多视角图像的特征点提取与立体匹配研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景与研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 特征点提取研究现状 | 第11-13页 |
| 1.2.2 立体匹配研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 均匀分布的特征点检测与SIFT描述符提取 | 第16-30页 |
| 2.1 Harris与SIFT算法理论基础 | 第16-20页 |
| 2.1.1 基于Harris算法的特征提取 | 第16-18页 |
| 2.1.2 基于SIFT算法的特征提取 | 第18-20页 |
| 2.2 均匀分布的亚像素级Harris特征点检测 | 第20-21页 |
| 2.2.1 均匀分布的Harris算法 | 第20页 |
| 2.2.2 亚像素级特征点 | 第20-21页 |
| 2.3 特征点SIFT描述符提取 | 第21-24页 |
| 2.3.1 分配方向 | 第21-22页 |
| 2.3.2 生成描述子 | 第22-24页 |
| 2.4 试验结果与分析 | 第24-29页 |
| 2.4.1 特征点数量与分布实验 | 第24-26页 |
| 2.4.2 亚像素级特征点实验 | 第26-27页 |
| 2.4.3 特征点SIFT描述符实验 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 特征与区域联合的匹配算法研究 | 第30-54页 |
| 3.1 立体匹配的研究内容 | 第30-34页 |
| 3.1.1 视差理论 | 第30-31页 |
| 3.1.2 约束条件 | 第31-32页 |
| 3.1.3 相似性度量函数 | 第32-34页 |
| 3.2 立体匹配算法分类 | 第34-36页 |
| 3.2.1 局部约束立体匹配 | 第34-36页 |
| 3.2.2 全局立体匹配 | 第36页 |
| 3.3 基于视差梯度的快速区域匹配算法 | 第36-43页 |
| 3.3.1 区域匹配算法原理 | 第36-38页 |
| 3.3.2 相似性度量函数的选择 | 第38-39页 |
| 3.3.3 基于视差梯度的窗口调整与搜索范围预测 | 第39-43页 |
| 3.4 基于SIFT描述符的特征匹配算法 | 第43-46页 |
| 3.4.1 欧式距离的相似性度量 | 第43-44页 |
| 3.4.2 RANSAC算法获取优质匹配对 | 第44-46页 |
| 3.5 区域匹配与特征匹配联合的匹配算法 | 第46-48页 |
| 3.5.1 Canny边缘提取 | 第46-47页 |
| 3.5.2 特征与区域联合匹配算法的实现 | 第47-48页 |
| 3.6 实验结果与分析 | 第48-53页 |
| 3.6.1 基于视差梯度约束的区域匹配实验 | 第48-50页 |
| 3.6.2 特征匹配实验 | 第50-51页 |
| 3.6.3 特征匹配与区域匹配结合算法的实验 | 第51-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第4章 两视点图像三维重建系统 | 第54-66页 |
| 4.1 两视点图像三维重建的模型 | 第54-55页 |
| 4.2 相机标定 | 第55-59页 |
| 4.2.1 理想的相机成像 | 第55-57页 |
| 4.2.2 实际的相机成像 | 第57-58页 |
| 4.2.3 张正友相机标定法 | 第58-59页 |
| 4.3 极线校正 | 第59-60页 |
| 4.4 三角测量法求深度信息 | 第60-61页 |
| 4.5 实验结果与分析 | 第61-65页 |
| 4.5.1 标定实验 | 第61-63页 |
| 4.5.2 极线校正实验 | 第63-64页 |
| 4.5.3 深度信息计算实验 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 论文总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
