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

基于三焦点张量重投影的视频稳像算法

摘要第4-5页
ABSTRACT第5-6页
缩略词第11-12页
第一章 绪论第12-20页
    1.1 课题研究背景及意义第12-13页
    1.2 视频稳像算法的发展现状第13-18页
        1.2.1 国内外发展现状第13-17页
        1.2.2 视频稳像的主要难题第17-18页
    1.3 主要研究内容和研究成果第18-20页
        1.3.1 主要研究内容第18页
        1.3.2 主要研究成果第18-20页
第二章 特征点轨迹稳像算法基本结构及分析第20-29页
    2.1 特征点轨迹稳像算法基本结构第20-21页
    2.2 平滑特征点轨迹的难点第21-22页
    2.3 常用的特征点轨迹平滑算法第22-24页
        2.3.1 直接平滑算法第22-23页
        2.3.2 间接平滑算法第23-24页
    2.4 常用的稳定帧生成算法第24-26页
        2.4.1 2D全局变形第24-26页
        2.4.2 内容保持网格变形第26页
    2.5 本文算法整体架构第26-28页
    2.6 小结第28-29页
第三章 基于三焦点张量重投影的特征点轨迹稳像算法第29-51页
    3.1 算法思想第29-31页
    3.2 特征点轨迹的提取第31-39页
        3.2.1 特征点提取第31-33页
        3.2.2 特征点跟踪第33-35页
        3.2.3 基于RANSAC的误匹配剔除算法第35-39页
    3.3 特征点轨迹的平滑第39-44页
        3.3.1 三焦点张量点转移第39-40页
        3.3.2 实特征点重投影第40-43页
        3.3.3 三焦点张量点转移退化时的解决方法第43-44页
    3.4 稳定帧的生成第44-49页
        3.4.1 网格变形第44-48页
        3.4.2 平滑向量的精炼第48-49页
    3.5 视频分段处理第49-50页
    3.6 小结第50-51页
第四章 运动物体遮挡时的解决方法第51-60页
    4.1 RANSAC剔除法的不足第51-52页
    4.2 K-means剔除算法第52-57页
        4.2.1 K-means聚类算法第52-54页
        4.2.2 簇数量与初始聚类中心第54-55页
        4.2.3 背景簇以及运动物体簇的融合第55-56页
        4.2.4 背景簇的确定第56-57页
        4.2.5 运动物体特征点的判别准则第57页
    4.3 与RANSAC剔除算法的对比第57-59页
    4.4 小结第59-60页
第五章 实验结果及分析第60-70页
    5.1 对比算法的介绍第60-63页
        5.1.1 基于轨迹增长的稳像算法第60-61页
        5.1.2 基于对极几何重投影的稳像算法第61页
        5.1.3 Warp Stabilizer第61-62页
        5.1.4 对比实验设计第62-63页
    5.2 与轨迹增长稳像算法的对比第63-64页
    5.3 与Warp Stabilizer的对比第64-67页
    5.4 与对极几何重投影稳像算法的对比第67-68页
    5.5 算法时间复杂度分析第68-69页
    5.6 小结第69-70页
第六章 总结与展望第70-72页
    6.1 工作总结第70-71页
    6.2 研究展望第71-72页
参考文献第72-76页
致谢第76-77页
在学期间的研究成果及发表的学术论文第77页

论文共77页,点击 下载论文
上一篇:基于压缩感知的人脸识别算法研究
下一篇:基于Hadoop平台的Hbase数据存储在快递行业的适用性研究