| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 特征提取理论现状分析 | 第12-13页 |
| 1.2.2 特征匹配技术现状分析 | 第13-14页 |
| 1.3 本文研究内容及组织结构 | 第14-17页 |
| 1.3.1 研究目的及内容 | 第14-15页 |
| 1.3.2 本文组织结构 | 第15-17页 |
| 第2章 图像局部不变特征提取与匹配相关理论 | 第17-25页 |
| 2.1 图像成像模型及二维几何变换 | 第17-20页 |
| 2.2 仿射变换原理及仿射不变量 | 第20-22页 |
| 2.3 局部不变特征提取相关算法 | 第22-23页 |
| 2.3.1 点特征提取 | 第22-23页 |
| 2.3.2 区域特征提取 | 第23页 |
| 2.4 特征匹配相关算法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 通用的特征提取与匹配算法比较研究与实现 | 第25-41页 |
| 3.1 ORB特征提取与匹配算法 | 第25-27页 |
| 3.1.1 基于质心方向的FAST特征检测 | 第25-26页 |
| 3.1.2 旋转不变的BRIEF特征描述与匹配 | 第26-27页 |
| 3.2 尺度不变特征变换算法 | 第27-29页 |
| 3.3 快速稳定特征的提取与描述算法 | 第29-32页 |
| 3.3.1 积分图像及近似Hessian矩阵 | 第29-30页 |
| 3.3.2 稳定特征的提取与描述 | 第30-32页 |
| 3.4 仿射尺度不变特征变换算法 | 第32-35页 |
| 3.4.1 仿射变换模拟图像构建 | 第32-34页 |
| 3.4.2 模拟图像特征点提取 | 第34页 |
| 3.4.3 特征点去除相似匹配 | 第34-35页 |
| 3.5 实验结果及分析 | 第35-39页 |
| 3.5.1 相关算法特征点提取结果对比 | 第35-38页 |
| 3.5.2 基于大仿射图像的匹配结果分析 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 基于多特征融合的特征提取与匹配算法研究与实现 | 第41-57页 |
| 4.1 最大稳定极值区域算法 | 第41-44页 |
| 4.1.1 不规则区域特征提取 | 第41-42页 |
| 4.1.2 区域椭圆拟合及归一化 | 第42-43页 |
| 4.1.3 算法的融合应用 | 第43-44页 |
| 4.2 基于格网划分的最大稳定极值区域算法改进 | 第44-46页 |
| 4.2.1 信息熵及特征分布离散度 | 第44-45页 |
| 4.2.2 格网划分方法实现流程 | 第45-46页 |
| 4.3 基于多特征融合的特征提取与匹配算法实现 | 第46-53页 |
| 4.3.1 区域特征与点特征提取算法的融合方法 | 第46-49页 |
| 4.3.2 基于单应矩阵的特征匹配流程优化实现 | 第49-53页 |
| 4.4 实验结果与分析 | 第53-56页 |
| 4.4.1 基于格网划分的区域检测算法性能分析 | 第53-54页 |
| 4.4.2 多特征融合的特征提取与匹配算法性能分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 混合特征提取与快速匹配算法并行优化 | 第57-71页 |
| 5.1 基于CUDA的并行优化技术 | 第57-59页 |
| 5.1.1 并行优化技术 | 第57-58页 |
| 5.1.2 CUDA架构介绍 | 第58-59页 |
| 5.2 混合特征提取与匹配算法并行优化 | 第59-66页 |
| 5.2.1 仿射尺度不变特征变换算法的并行优化 | 第59-62页 |
| 5.2.2 改进的极值区域检测算法的并行优化 | 第62-63页 |
| 5.2.3 基于单应矩阵的特征匹配算法并行优化 | 第63-66页 |
| 5.2.4 混合特征提取与匹配并行优化实现流程 | 第66页 |
| 5.3 实验结果与分析 | 第66-70页 |
| 5.3.1 部分实验结果及对比 | 第66-69页 |
| 5.3.2 算法并行优化性能分析 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |