| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及主要研究方法 | 第9-11页 |
| 1.2.1 多尺度应用 | 第9-10页 |
| 1.2.2 时空特征点检测 | 第10-11页 |
| 1.3 论文主要内容与结构安排 | 第11-12页 |
| 2 尺度空间与极值检测 | 第12-24页 |
| 2.1 引言 | 第12页 |
| 2.2 尺度空间基本原理 | 第12-15页 |
| 2.3 高斯模糊 | 第15-18页 |
| 2.4 尺度空间的极值检测 | 第18-21页 |
| 2.4.1 高斯金字塔的构建 | 第18-19页 |
| 2.4.2 空间极值点的检测 | 第19-21页 |
| 2.5 尺度的选择 | 第21-23页 |
| 2.6 小结 | 第23-24页 |
| 3 基于传统方法时空特征点的检测 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 二维空间局部极值点检测 | 第24-27页 |
| 3.2.1 Harris角点检测 | 第24-26页 |
| 3.2.2 DoH检测 | 第26-27页 |
| 3.3 时空特征点的检测 | 第27-33页 |
| 3.3.1 基于Harris角点的方法 | 第27-30页 |
| 3.3.2 基于时域Gabor小波滤波器的方法 | 第30-32页 |
| 3.3.3 基于Hessian矩阵的计算方法 | 第32-33页 |
| 3.4 小结 | 第33-35页 |
| 4 基于预测算法时空特征点的计算 | 第35-43页 |
| 4.1 引言 | 第35页 |
| 4.2 多尺度特征统计 | 第35-38页 |
| 4.2.1 多尺度梯度直方图 | 第35-36页 |
| 4.2.2 多尺度幂指数定律 | 第36-37页 |
| 4.2.3 指数?? 的估计 | 第37-38页 |
| 4.3 时空特征点的预测 | 第38-42页 |
| 4.3.1 时空特征点的快速多尺度金字塔预测算法原理 | 第38-39页 |
| 4.3.2 基于时间尺度的预测算法 | 第39-42页 |
| 4.4 小结 | 第42-43页 |
| 5 实验数据结果及分析 | 第43-52页 |
| 5.1 引言 | 第43页 |
| 5.2 数据库简介 | 第43-44页 |
| 5.3 实验数据结果 | 第44-51页 |
| 5.3.1 指数估计实验 | 第44-46页 |
| 5.3.2 时空特征点的计算实验 | 第46-48页 |
| 5.3.3 原始金字塔与预测算法时间对比 | 第48-49页 |
| 5.3.4 时空特征点计算准确性检验 | 第49-51页 |
| 5.4 小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |