基于整体特征的鞋印匹配算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-13页 |
| 1.1.1 机器视觉的组成 | 第10-11页 |
| 1.1.2 机器视觉的发展及应用 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 鞋印识别及国内外现状 | 第13-15页 |
| 1.2.2 图像识别研究及应用现状 | 第15-16页 |
| 1.3 论文研究内容和结构组成 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 结构组成 | 第17-18页 |
| 2 鞋印图像及图像匹配 | 第18-28页 |
| 2.1 鞋印图像的基本分类 | 第18-21页 |
| 2.1.1 鞋印花纹分类 | 第18-20页 |
| 2.1.2 鞋印图像的分区 | 第20-21页 |
| 2.2 图像匹配的相关内容 | 第21-27页 |
| 2.2.1 匹配的相关概念及数学定义 | 第21-25页 |
| 2.2.2 图像匹配的类别 | 第25页 |
| 2.2.3 图像匹配的变换模型 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 鞋印几何特征的提取 | 第28-46页 |
| 3.1 常用的图像特征 | 第28页 |
| 3.2 常用鞋印图像预处理的方法 | 第28-36页 |
| 3.2.1 彩色图像的灰度化处理 | 第29-31页 |
| 3.2.2 图像滤波技术 | 第31-33页 |
| 3.2.3 图像锐化 | 第33-35页 |
| 3.2.4 图像的邻接性、连通性、区域和边界 | 第35-36页 |
| 3.3 几何特征提取 | 第36-40页 |
| 3.3.1 鞋印的二次定位 | 第36-38页 |
| 3.3.2 外轮廓特征提取 | 第38-40页 |
| 3.4 相似度衡量方法 | 第40-41页 |
| 3.4.1 欧氏距离 | 第40页 |
| 3.4.2 马氏距离 | 第40页 |
| 3.4.3 明氏距离 | 第40-41页 |
| 3.4.4 巴氏距离 | 第41页 |
| 3.5 几何特征的匹配 | 第41-44页 |
| 3.6 本章小结 | 第44-46页 |
| 4 鞋印的内部纹理匹配 | 第46-54页 |
| 4.1 LBP的发展历程 | 第46-50页 |
| 4.1.1 LBP的基本形式 | 第46-47页 |
| 4.1.2 LBP的扩展形式 | 第47-50页 |
| 4.2 鞋印上的LBP特征的提取及匹配 | 第50-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 机器视觉系统在鞋印识别中的应用实验 | 第54-62页 |
| 5.1 鞋印图像采集硬件平台搭建 | 第54-56页 |
| 5.2 鞋印的整体特征提取 | 第56-57页 |
| 5.2.1 鞋印的采集 | 第56页 |
| 5.2.2 鞋印的整体特征的提取 | 第56-57页 |
| 5.3 基于鞋印整体的实验 | 第57-61页 |
| 5.3.1 二次定位的实验结果及分析 | 第57-58页 |
| 5.3.2 基于整体特征的鞋印匹配 | 第58-60页 |
| 5.3.3 实验结果的误差分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 创新点 | 第63页 |
| 6.3 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 | 第68-69页 |
| 学位论文数据集 | 第69页 |
