基于图论的影像匹配方法研究
摘要 | 第10-12页 |
Abstract | 第12-14页 |
第一章 绪论 | 第15-29页 |
1.1 研究背景和意义 | 第15-16页 |
1.2 研究现状 | 第16-26页 |
1.2.1 影像的特征提取 | 第17-19页 |
1.2.2 影像的特征描述 | 第19-24页 |
1.2.3 关系匹配算法 | 第24-25页 |
1.2.4 误匹配点探测 | 第25-26页 |
1.3 本文总体结构 | 第26-29页 |
第二章 影像特征匹配的四个层次 | 第29-52页 |
2.1 引言 | 第29页 |
2.2 点特征匹配 | 第29-43页 |
2.2.1 点特征提取算法 | 第29-35页 |
2.2.2 点特征质量评价 | 第35-39页 |
2.2.3 点特征描述算法 | 第39-41页 |
2.2.4 点特征描述算法质量评价 | 第41-43页 |
2.3 线特征影像匹配 | 第43-46页 |
2.3.1 常见的影像线特征提取方法 | 第43-45页 |
2.3.2 线特征描述符 | 第45-46页 |
2.4 面特征影像匹配 | 第46-48页 |
2.4.1 基于图论的面特征提取算法 | 第46-48页 |
2.4.2 面特征描述符 | 第48页 |
2.5 关系匹配 | 第48-51页 |
2.5.1 精确图匹配问题 | 第49-50页 |
2.5.2 非精确图匹配问题 | 第50-51页 |
2.6 本章小结 | 第51-52页 |
第三章 边加权高阶图匹配算法 | 第52-78页 |
3.1 引言 | 第52页 |
3.2 基本数学模型 | 第52-56页 |
3.2.1 一阶图匹配问题 | 第54-55页 |
3.2.2 二阶图匹配问题 | 第55页 |
3.2.3 高阶图匹配问题 | 第55-56页 |
3.3 关系张量的构建方法 | 第56-70页 |
3.3.1 影像特征提取 | 第57-58页 |
3.3.2 低维稀疏张量的构建 | 第58-64页 |
3.3.3 归一化张量元素 | 第64-66页 |
3.3.4 加权张量元素的构建 | 第66-70页 |
3.4 张量的幂迭代算法 | 第70-76页 |
3.4.1 张量的基本运算法则 | 第71-73页 |
3.4.2 幂迭代算法 | 第73-76页 |
3.5 软分配矩阵的离散化 | 第76-77页 |
3.6 本章小结 | 第77-78页 |
第四章 基于图论的匹配粗差处理方法 | 第78-98页 |
4.1 引言 | 第78页 |
4.2 粗差处理的基本模型 | 第78-82页 |
4.2.1 数据探测法 | 第78-79页 |
4.2.2 选权迭代法 | 第79-80页 |
4.2.3 随机抽样一致性(RANSAC) | 第80-82页 |
4.3 立体像对的几何不变量 | 第82-87页 |
4.3.1 上下视差 | 第82-85页 |
4.3.2 单应变换 | 第85-87页 |
4.4 基于图论的粗差探测方法 | 第87-91页 |
4.4.1 基本原理 | 第87-88页 |
4.4.2 构建完全图 | 第88-89页 |
4.4.3 构建导出图 | 第89-90页 |
4.4.4 迭代导出图 | 第90-91页 |
4.5 实验分析 | 第91-97页 |
4.6 本章小结 | 第97-98页 |
第五章 图论影像匹配质量评定 | 第98-111页 |
5.1 引言 | 第98-100页 |
5.2 匹配召回率 | 第100-102页 |
5.3 匹配正确率 | 第102-104页 |
5.4 正确匹配点的数量 | 第104-105页 |
5.5 匹配点的分布 | 第105-109页 |
5.6 匹配点的精度 | 第109-110页 |
5.7 本章小结 | 第110-111页 |
第六章 总结与展望 | 第111-113页 |
参考文献 | 第113-124页 |
攻读博士学位期间发表的论文和科研情况 | 第124-125页 |
致谢 | 第125页 |