| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第14-16页 |
| 1.1.1 大数据影像发展回顾 | 第14-15页 |
| 1.1.2 影像处理技术发展回顾 | 第15-16页 |
| 1.2 相关问题国内外研究现状及分析 | 第16-22页 |
| 1.2.1 影像对应关系分析理论 | 第16-18页 |
| 1.2.2 影像聚类理论 | 第18-19页 |
| 1.2.3 影像位姿优化理论 | 第19-21页 |
| 1.2.4 无序影像稀疏三维重建理论 | 第21-22页 |
| 1.3 论文研究内容与结构 | 第22-23页 |
| 第二章 基于特征点的影像对应关系分析 | 第23-39页 |
| 2.1 影像特征点提取与匹配 | 第23-25页 |
| 2.1.1 特征点提取优化策略 | 第23-24页 |
| 2.1.2 多幅影像间特征点匹配策略 | 第24-25页 |
| 2.2 主成分分析的匹配点对提纯优化 | 第25-29页 |
| 2.2.1 主成分分析与奇异值分解模型 | 第26-27页 |
| 2.2.2 主成分分析思想下的提纯模型 | 第27-28页 |
| 2.2.3 基于奇异值分解的匹配点对提纯算法 | 第28-29页 |
| 2.3 试验与分析 | 第29-37页 |
| 2.3.1 影像特征点提取与匹配试验 | 第29-32页 |
| 2.3.2 匹配点对提纯试验 | 第32-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 大数据影像多元描述与聚类分析 | 第39-55页 |
| 3.1 基于边缘特征的影像全局描述符 | 第39-44页 |
| 3.1.1 基于视觉词袋模型的影像全局描述符 | 第39-40页 |
| 3.1.2 基于Fisher向量的影像全局描述符 | 第40-42页 |
| 3.1.3 局部特征聚合描述符 | 第42-43页 |
| 3.1.4 基于边缘特征的聚合描述符 | 第43-44页 |
| 3.2 基于自组织神经网络的影像实时聚类 | 第44-47页 |
| 3.2.1 自组织特征映射神经网络 | 第44-45页 |
| 3.2.2 实时自组织神经特征网络 | 第45-47页 |
| 3.3 大数据影像的聚类方法 | 第47-49页 |
| 3.3.1 基本流程 | 第47-48页 |
| 3.3.2 流模式化的影像聚类 | 第48-49页 |
| 3.4 试验与分析 | 第49-54页 |
| 3.4.1 基于边缘特征的影像全局描述符试验 | 第49-51页 |
| 3.4.2 实时自组织特征映射神经网络聚类试验 | 第51-53页 |
| 3.4.3 大数据影像聚类算法试验 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 非线性优化下的影像空间位姿恢复 | 第55-65页 |
| 4.1 影像位姿参数初始化 | 第55-56页 |
| 4.1.1 初始像对的选择 | 第55-56页 |
| 4.1.2 批量位姿参数初始化 | 第56页 |
| 4.2 基于预处理共轭梯度的影像位姿优化模型 | 第56-61页 |
| 4.2.1 Levenberg Marquardt算法 | 第56-57页 |
| 4.2.2 简化相机矩阵 | 第57-58页 |
| 4.2.3 不精确牛顿求解法 | 第58页 |
| 4.2.4 预处理共轭梯度法 | 第58-60页 |
| 4.2.5 基于预处理共轭梯度的位姿优化方法 | 第60-61页 |
| 4.3 试验与分析 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于流模式的大数据影像稀疏三维重建 | 第65-84页 |
| 5.1 传统运动恢复结构流程 | 第65-66页 |
| 5.2 两层式空间三维结构恢复 | 第66-69页 |
| 5.2.1 影像空间拓扑关系恢复及细化 | 第66-68页 |
| 5.2.2 两层式增量稀疏三维重建 | 第68-69页 |
| 5.3 流模式下的大数据影像稀疏三维重建流程 | 第69-70页 |
| 5.4 影像稀疏三维重建结果的应用 | 第70-75页 |
| 5.4.1 深度图与深度映射模型 | 第71页 |
| 5.4.2 基于深度映射的立体影像制作 | 第71-75页 |
| 5.5 试验与分析 | 第75-83页 |
| 5.5.1 试验数据与硬件平台 | 第75-76页 |
| 5.5.2 试验结果 | 第76-77页 |
| 5.5.3 试验分析 | 第77-83页 |
| 5.6 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 总结 | 第84页 |
| 6.2 展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-94页 |
| 作者简历 | 第94页 |