摘要 | 第5-6页 |
Abstract | 第6-7页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-19页 |
1.1 课题的研究背景及意义 | 第11页 |
1.2 定位技术的国内外发展现状 | 第11-16页 |
1.2.1 常见的目标定位算法 | 第12-14页 |
1.2.2 基于多源影像的目标匹配定位算法 | 第14-16页 |
1.3 本文的主要研究工作 | 第16-19页 |
1.3.1 本文的主要研究内容 | 第16-17页 |
1.3.2 本文的内容安排 | 第17-19页 |
第2章 基于Mean Shift的目标匹配算法研究 | 第19-31页 |
2.1 引言 | 第19-20页 |
2.1.1 匹配定位问题描述 | 第19-20页 |
2.1.2 选择Mean Shift的原因及优势 | 第20页 |
2.2 Mean Shift算法研究 | 第20-23页 |
2.2.1 概率密度估计方法概述 | 第20-22页 |
2.2.2 Mean Shift基本算法流程 | 第22-23页 |
2.3 改进的Mean Shift图像匹配算法研究 | 第23-30页 |
2.3.1 基于颜色的Mean Shift匹配算法 | 第24-26页 |
2.3.2 基于方向直方图特征的Mean Shift匹配算法 | 第26-28页 |
2.3.3 基于梯度幅值的Mean Shift目标匹配算法 | 第28页 |
2.3.4 改进的Mean Shift图像匹配实验结果对比与分析 | 第28-30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于GVF的特征提取算法设计与实现 | 第31-45页 |
3.1 引言 | 第31页 |
3.2 遥感图像的预处理 | 第31-34页 |
3.2.1 Self-Snake模型研究 | 第32-33页 |
3.2.2 基于Self-Snake的遥感图像去噪算法研究 | 第33-34页 |
3.3 梯度矢量流(GVF)变形模型研究 | 第34-39页 |
3.3.1 梯度矢量流的边缘映射 | 第35-36页 |
3.3.2 仿真实验结果与分析 | 第36-39页 |
3.4 基于GVF的直方图特征提取算法设计及仿真实验 | 第39-43页 |
3.4.1 GVF梯度扩散权值选择 | 第39页 |
3.4.2 仿真实验结果与分析 | 第39-43页 |
3.5 本章小结 | 第43-45页 |
第4章 改进的Mean Shift目标粗定位算法 | 第45-67页 |
4.1 引言 | 第45页 |
4.2 粗定位算法提出的原因 | 第45-46页 |
4.3 改进的基于Mean Shift的目标粗定位算法设计 | 第46-50页 |
4.3.1 模型描述 | 第46-48页 |
4.3.2 基于Bhattacharyya系数的相似性度量 | 第48页 |
4.3.3 基于核函数轮廓函数的目标定位 | 第48-49页 |
4.3.4 算法设计流程 | 第49-50页 |
4.4 初始迭代点的选取 | 第50-51页 |
4.4.1 基于人机交互的方法 | 第51页 |
4.4.2 基于无人机自定位的方法 | 第51页 |
4.5 仿真实验与结果精度分析 | 第51-66页 |
4.6 本章小结 | 第66-67页 |
第5章 基于Surf点特征匹配的目标定位算法 | 第67-83页 |
5.1 图像匹配的基本原理 | 第67-68页 |
5.2 基于Surf的兴趣点匹配算法 | 第68-73页 |
5.2.1 基于Hessian矩阵的兴趣点的检测 | 第69-71页 |
5.2.2 基于Harr小波响应的兴趣点的描述 | 第71页 |
5.2.3 基于欧式距离的相似点匹配 | 第71页 |
5.2.4 实验结果与分析 | 第71-73页 |
5.3 基于RANSAC的变换模型估计算法研究 | 第73-75页 |
5.3.1 RANSAC算法的基本原理 | 第74页 |
5.3.2 基于RANSAC仿射变换参数估计 | 第74-75页 |
5.4 基于点匹配及RANSAC的地面目标精定位 | 第75页 |
5.5 实验结果与定位精度分析 | 第75-82页 |
5.6 本章小结 | 第82-83页 |
第6章 总结与展望 | 第83-85页 |
6.1 总结 | 第83页 |
6.2 展望 | 第83-85页 |
参考文献 | 第85-89页 |
致谢 | 第89-91页 |
硕士期间发表论文 | 第91页 |