首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

特定场景大视角视频拼接技术研究与实现

摘要第3-4页
abstract第4-5页
第1章 绪论第9-17页
    1.1 引言第9-10页
    1.2 研究背景及其意义第10-11页
    1.3 国内外研究现状第11-14页
        1.3.1 影像配准技术第11-12页
        1.3.2 视频拼接研究现状第12-14页
    1.4 论文的主要工作及结构安排第14-17页
        1.4.1 论文的主要工作第14-15页
        1.4.2 论文的结构安排第15-17页
第2章 拼接技术基础第17-31页
    2.1 摄像机成像模型第17-19页
        2.1.1 世界坐标系和图像坐标系的转换第17-18页
        2.1.2 世界坐标系和摄像机坐标系的转换第18页
        2.1.3 图像像素坐标和图像物理坐标的转换第18-19页
    2.2 摄像机的非线性模型第19-21页
        2.2.1 径向畸变第19-20页
        2.2.2 切向畸变第20页
        2.2.3 摄像机校正第20-21页
    2.3 图像变形第21-23页
        2.3.1 柱面投影原理第21-23页
    2.4 CUDA基础第23-24页
    2.5 CUDA编程架构介绍第24-29页
        2.5.1 CUDA可升级的编程模型第25-26页
        2.5.2 CUDA软件编程模型第26-28页
        2.5.3 CUDA存储器结构模型第28-29页
    2.6 本章小结第29-31页
第3章 基于改进卷积网络的Homography估计方法第31-41页
    3.1 Tensorflow框架第31-32页
    3.2 归一化方式第32-34页
        3.2.1 批量归一化第32-33页
        3.2.2 BN如何工作第33页
        3.2.3 群组归一化第33-34页
    3.3 基于卷积神经网络HomographyNet模型第34-35页
        3.3.1 HomographyNet模型介绍第34-35页
        3.3.2 HomographyNet结构第35页
    3.4 网络模型输入的数据集第35-37页
        3.4.1 参数化4坐标单应性矩阵第36页
        3.4.2 训练数据准备第36-37页
    3.5 改进后的HomographyNet网络第37-38页
    3.6 实验结果与分析第38-39页
    3.7 本章小结第39-41页
第4章 基于ORB特征匹配算法的改进第41-53页
    4.1 尺度空间和SIFT算法第41-43页
        4.1.1 DoG金字塔构建第41-42页
        4.1.2 SIFT算法简介第42-43页
    4.2 ORB算法第43-47页
        4.2.1 ORB算法原理第43-44页
        4.2.2 oFAST特征检测第44-45页
        4.2.3 rBRIEF描述子算法第45-47页
    4.3 RANSAC算法概述第47页
    4.4 改进ORB算法并进行CUDA加速第47-50页
        4.4.1 改进ORB算法第47-50页
    4.5 实验结果与分析第50-52页
        4.5.1 尺度变换比较第50-51页
        4.5.2 旋转不变性的比较第51-52页
    4.6 本章小结第52-53页
第5章 基于CUDA的视频拼接系统实现第53-65页
    5.1 影像拼接系统第53-54页
    5.2 基于CUDA的投影变形模型第54-56页
        5.2.1 线性插值第54-55页
        5.2.2 影像变形实现第55-56页
    5.3 影像融合第56-61页
        5.3.1 渐入渐出融合第56-58页
        5.3.2 多分辨率融合第58-61页
    5.4 影像拼接系统的实现第61-62页
    5.5 实验结果及分析第62-64页
    5.6 本章小结第64-65页
第6章 总结和展望第65-69页
    6.1 工作总结第65-66页
    6.2 工作展望第66-69页
参考文献第69-73页
致谢第73-75页
个人简历、在学期间发表的学术论文与研究成果第75页

论文共75页,点击 下载论文
上一篇:基于实时本征分解的实况视频面部外观编辑技术
下一篇:基于翻转课堂的自主学习能力培养研究