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

基于单幅广角畸变图像的自动校正算法研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 绪论第12-20页
    1.1 研究背景和意义第12-13页
    1.2 国内外研究现状第13-16页
    1.3 论文主要工作第16-17页
    1.4 论文组织结构第17-20页
2 畸变图像自动校正原理研究第20-34页
    2.1 镜头成像模型第20-24页
        2.1.1 坐标空间转换第20-22页
        2.1.2 理想针孔成像模型第22页
        2.1.3 广角镜头成像模型第22-24页
    2.2 畸变图像自动校正原理第24-26页
        2.2.1 单参数除法模型第24页
        2.2.2 直线畸变原理第24-25页
        2.2.3 畸变中心、畸变参数与畸变线参数的恒定关系第25-26页
        2.2.4 图像径向畸变自动校正过程第26页
    2.3 畸变图像自动校正关键算法研究第26-33页
        2.3.1 边缘检测与轮廓提取算法第26-28页
        2.3.2 最小二乘畸变线拟合第28-30页
        2.3.3 RANSAC算法第30-32页
        2.3.4 霍夫变换检测原理第32-33页
    2.4 本章小结第33-34页
3 图像畸变线抽取算法研究第34-52页
    3.1 图像畸变线抽取第34-35页
    3.2 改进高维霍夫变换畸变线抽取算法第35-39页
        3.2.1 畸变线抽取原理第35-38页
        3.2.2 实验对比与分析第38-39页
    3.3 基于级联单参数除法模型的畸变线抽取算法第39-42页
        3.3.1 畸变线抽取算法原理第39-40页
        3.3.2 实验对比与分析第40-42页
    3.4 迭代RANSAC畸变线抽取算法第42-44页
        3.4.1 畸变线抽取原理第43页
        3.4.2 实验结果与分析第43-44页
    3.5 基于等分圆弧固有性质的畸变线抽取算法第44-47页
        3.5.1 畸变线抽取算法原理第44-45页
        3.5.2 优化畸变参数第45-46页
        3.5.3 实验结果与分析第46-47页
    3.6 对比实验结果与分析第47-50页
        3.6.1 合成图像抽取结果与分析第48-49页
        3.6.2 真实图像抽取结果与分析第49-50页
    3.7 本章小结第50-52页
4 图像畸变参数估计算法研究第52-62页
    4.1 基于改进高维霍夫变换的畸变参数估计算法第52-53页
        4.1.1 畸变参数估计原理第52-53页
        4.1.2 实验结果与分析第53页
    4.2 基于改进迭代RANSAC的畸变参数估计算法第53-55页
        4.2.1 畸变参数估计原理第53-55页
        4.2.2 实验结果与分析第55页
    4.3 基于双重得分机制的畸变参数估计算法第55-58页
        4.3.1 畸变参数估计原理第56-57页
        4.3.2 原始合成图像与真实畸变图像的实验结果分析第57-58页
    4.4 实验结果对比与分析第58-61页
        4.4.1 畸变参数估计算法的对比实验结果第58-59页
        4.4.2 畸变中心对畸变参数估计的影响第59-60页
        4.4.3 畸变线条分布对畸变参数估计的影响第60-61页
    4.5 本章小结第61-62页
5 基于单幅广角畸变图像的自动校正算法第62-74页
    5.1 广角畸变图像的自动校正算法第62-65页
        5.1.1 Canny算子检测器第63-64页
        5.1.2 单参数除法模型的逆向校正第64-65页
    5.2 算法性能与鲁棒性分析第65-69页
        5.2.1 原始合成畸变图像与实际畸变图像校正第65-67页
        5.2.2 不同畸变系数的畸变图像校正算法性能分析第67-68页
        5.2.3 不同畸变中心的畸变图像校正算法性能分析第68-69页
    5.3 与MIGUEL所提算法的性能对比第69-71页
    5.4 与BUKHERI所提算法的性能对比第71-73页
    5.5 本章小结第73-74页
6 总结与展望第74-76页
    6.1 总结第74-75页
    6.2 展望第75-76页
参考文献第76-80页
作者简历及攻读硕士学位期间取得的研究成果第80-83页
学位论文数据集第83页

论文共83页,点击 下载论文
上一篇:低质视频增强方法研究
下一篇:多标记学习算法研究及其在图像语义理解中的应用