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

基于特征点提取与点集匹配的图像匹配算法研究

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-23页
    1.1 研究背景及意义第15-17页
    1.2 研究现状第17-21页
    1.3 主要贡献和创新第21页
    1.4 论文结构第21-23页
第二章 图像特征提取与描述第23-41页
    2.1 特征点提取第24-38页
        2.1.1 Moravec算子第24-26页
        2.1.2 Harris特征点提取第26-28页
        2.1.3 SUSAN算子第28-30页
        2.1.4 SIFT算子第30-32页
        2.1.5 不同算子提取特征对比第32-38页
    2.2 特征描述第38-39页
        2.2.1 基于微分的描述子第38页
        2.2.2 基于分布的描述子第38-39页
        2.2.3 基于不变矩的描述子第39页
    2.3 本章小结第39-41页
第三章 图像匹配第41-49页
    3.1 空间几何变换模型第41-43页
        3.1.1 刚体变换第41页
        3.1.2 透视变换第41-42页
        3.1.3 仿射变换第42-43页
        3.1.4 非刚性变换第43页
    3.2 特征点集匹配第43-46页
        3.2.1 基于特征描述子和几何约束的匹配算法第43-44页
        3.2.2 基于对应矩阵的匹配算法第44-45页
        3.2.3 图匹配算法第45-46页
        3.2.4 稠密点集匹配算法第46页
    3.3 图像匹配性能评估标准第46-47页
    3.4 本章小结第47-49页
第四章 基于局部邻域结构信息保持的匹配方法第49-61页
    4.1 误匹配剔除问题概述及挑战第49页
    4.2 基于局部邻域结构信息保持的匹配建模第49-51页
    4.3 基于局部邻域结构信息保持的匹配算法第51-53页
    4.4 有效性实验第53-60页
        4.4.1 实验指标第53-54页
        4.4.2 参数讨论和设置第54页
        4.4.3 复杂度讨论第54页
        4.4.4 实验第54-60页
    4.5 本章小结第60-61页
第五章 结论与展望第61-63页
    5.1 主要结论第61-62页
    5.2 进一步工作第62-63页
参考文献第63-69页
致谢第69-71页
作者简介第71-72页

论文共72页,点击 下载论文
上一篇:基于深度学习的未知调制类型的信号识别
下一篇:基于稀疏表示和字典学习的人脸识别算法研究