基于改进的SIFT特征匹配方法在目标识别中的应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 目标识别的发展过程 | 第11-12页 |
| 1.2.2 特征匹配的研究现状 | 第12-15页 |
| 1.3 本文的研究内容与结构安排 | 第15-17页 |
| 第2章 彩色图像处理知识背景 | 第17-23页 |
| 2.1 彩色空间模型 | 第17-20页 |
| 2.2 图像匹配 | 第20-21页 |
| 2.2.1 图像匹配的分类 | 第20-21页 |
| 2.2.2 基于图像特征的匹配方法 | 第21页 |
| 2.3 基于特征匹配的目标识别 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 图像匹配预处理算法的研究与实现 | 第23-36页 |
| 3.1 图像的平滑处理 | 第23-26页 |
| 3.1.1 空间域滤波 | 第23-25页 |
| 3.1.2 变换域滤波 | 第25-26页 |
| 3.2 基于改进的中值滤波算法研究 | 第26-28页 |
| 3.3 图像增强 | 第28-32页 |
| 3.3.1 Retinex彩色图像增强算法 | 第29-31页 |
| 3.3.2 基于直方图均衡的图像增强算法 | 第31-32页 |
| 3.4 基于自适应均衡化图像增强算法研究 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于SIFT的图像特征提取 | 第36-53页 |
| 4.1 传统的SIFT特征点提取算法 | 第36-42页 |
| 4.1.1 尺度空间的构建 | 第36-38页 |
| 4.1.2 特征点的检测以及精确定位 | 第38-41页 |
| 4.1.3 特征点主方向的分配 | 第41页 |
| 4.1.4 特征描述符的生成 | 第41-42页 |
| 4.2 视觉显著性检测算法 | 第42-45页 |
| 4.2.1 视觉显著区域检测概述 | 第42-43页 |
| 4.2.2 频率调谐显著区域 | 第43-45页 |
| 4.3 改进的SIFT算法 | 第45-49页 |
| 4.3.1 高斯尺度空间的构建 | 第45页 |
| 4.3.2 基于显著区域检测的特征点提取 | 第45-48页 |
| 4.3.3 特征描述子的生成 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 基于特征匹配的目标识别方法研究 | 第53-67页 |
| 5.1 K-近邻查询相似性度量方法 | 第53-56页 |
| 5.1.1 K近邻算法 | 第53-55页 |
| 5.1.2 K近邻算法的实现：Kd-树 | 第55-56页 |
| 5.2 改进的特征匹配算法研究 | 第56-59页 |
| 5.3 实验结果分析 | 第59-66页 |
| 5.3.1 本文改进的特征匹配算法仿真 | 第59-62页 |
| 5.3.2 本文方法在目标识别的应用 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第74-75页 |
| 致谢 | 第75-76页 |
