基于改进SIFT算法的图像匹配研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 图像匹配研究的国内外历史及现状 | 第11-14页 |
| 1.2.1 图像匹配研究的历史 | 第11-12页 |
| 1.2.2 图像匹配研究的现状 | 第12-14页 |
| 1.3 论文的研究背景及研究意义 | 第14-15页 |
| 1.4 本文的主要研究内容 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第2章 图像匹配问题研究及预处理 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 图像匹配问题研究 | 第17-20页 |
| 2.2.1 图像匹配的定义 | 第17页 |
| 2.2.2 图像匹配的流程 | 第17-18页 |
| 2.2.3 特征空间 | 第18-19页 |
| 2.2.4 相似性度量 | 第19-20页 |
| 2.2.5 搜索策略 | 第20页 |
| 2.3 图像平滑处理 | 第20-24页 |
| 2.3.1 中值滤波 | 第21-23页 |
| 2.3.2 高斯滤波 | 第23-24页 |
| 2.4 图像增强 | 第24-29页 |
| 2.4.1 灰度变换 | 第24-27页 |
| 2.4.2 直方图增强 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 SIFT算法及其演变算法 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 SIFT算法 | 第30-38页 |
| 3.2.1 建立图像的尺度空间 | 第31-32页 |
| 3.2.2 生成高斯差分金字塔 | 第32-34页 |
| 3.2.3 极值点检测 | 第34页 |
| 3.2.4 关键点定位及方向分配 | 第34-36页 |
| 3.2.5 生成特征描述子 | 第36-38页 |
| 3.2.6 关键点匹配 | 第38页 |
| 3.3 SURF算法 | 第38-41页 |
| 3.3.1 获取积分图像并计算Hessian矩阵 | 第38-39页 |
| 3.3.2 提取关键点并精确定位 | 第39-40页 |
| 3.3.3 确定主方向并生成SURF描述子 | 第40-41页 |
| 3.4 PCA?SIFT算法 | 第41-43页 |
| 3.4.1 PCA?SIFT算法概述 | 第41-42页 |
| 3.4.2 PCA?SIFT算法实现过程 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 改进的SIFT算法 | 第44-50页 |
| 4.1 引言 | 第44页 |
| 4.2 SIFT算法存在的问题 | 第44页 |
| 4.3 SIFT算法的改进 | 第44-49页 |
| 4.3.1 特征描述子简化 | 第44-46页 |
| 4.3.2 匹配算法改进 | 第46-47页 |
| 4.3.3 消除错误匹配 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 算法对比实验及结果分析 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 实验介绍 | 第50-51页 |
| 5.2.1 实验所用图像 | 第50-51页 |
| 5.2.2 实验平台的搭建 | 第51页 |
| 5.3 实验结果与分析 | 第51-59页 |
| 5.3.1 模糊图像匹配 | 第52-53页 |
| 5.3.2 旋转和缩放图像匹配 | 第53-54页 |
| 5.3.3 视角图像匹配 | 第54-55页 |
| 5.3.4 光照图像匹配 | 第55-56页 |
| 5.3.5 压缩图像匹配 | 第56-58页 |
| 5.3.6 匹配时间分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 改进算法在汽车后视镜开关图像中的应用 | 第60-70页 |
| 6.1 引言 | 第60页 |
| 6.2 图像采集设备 | 第60-61页 |
| 6.3 开关图像的采集及匹配分析 | 第61-69页 |
| 6.3.1 开关图像的采集与处理 | 第61-62页 |
| 6.3.2 开关图像匹配分析 | 第62-69页 |
| 6.4 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-84页 |
| 致谢 | 第84页 |
