基于特征的图像匹配算法研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像匹配算法研究现状 | 第11-12页 |
| 1.2.2 图像目标建模与相似性度量研究现状 | 第12-14页 |
| 1.3 本文结构和主要工作 | 第14-15页 |
| 第二章 图像匹配技术研究 | 第15-23页 |
| 2.1 图像匹配的基本概念 | 第15-17页 |
| 2.1.1 图像匹配的定义 | 第15页 |
| 2.1.2 图像的空间几何变换模型 | 第15-17页 |
| 2.2 图像匹配流程和关键要素 | 第17-20页 |
| 2.3 尺度空间理论分析 | 第20-22页 |
| 2.3.1 尺度空间理论分析 | 第21页 |
| 2.3.2 尺度的自动选择 | 第21-22页 |
| 2.4 小结 | 第22-23页 |
| 第三章 图像匹配的经典算法 | 第23-52页 |
| 3.1 SIFT算法 | 第23-38页 |
| 3.1.1 SIFT算法概述 | 第23-24页 |
| 3.1.2 图像的尺度空间 | 第24-25页 |
| 3.1.3 高斯金字塔与高斯差分金字塔 | 第25-28页 |
| 3.1.4 DOG尺度空间局部极值点检测 | 第28页 |
| 3.1.5 关键点精确定位 | 第28-32页 |
| 3.1.6 关键点的方向分配 | 第32-33页 |
| 3.1.7 关键点的特征描述 | 第33-36页 |
| 3.1.8 图像匹配 | 第36-38页 |
| 3.2 PCA-SIFT算法 | 第38-40页 |
| 3.2.1 PCA概述 | 第38-39页 |
| 3.2.2 PCA-SIFT算法实现过程 | 第39-40页 |
| 3.3 SURF算法 | 第40-47页 |
| 3.3.1 SURF算法概述 | 第40-41页 |
| 3.3.2 关键点检测 | 第41-44页 |
| 3.3.3 关键点的特征描述 | 第44-46页 |
| 3.3.4 匹配特征点 | 第46-47页 |
| 3.4 基于彩色SIFT算法 | 第47-50页 |
| 3.5 小结 | 第50-52页 |
| 第四章 基于序贯蒙特卡罗的图像匹配 | 第52-63页 |
| 4.1 序贯蒙特卡罗方法基本理论 | 第52-57页 |
| 4.1.1 状态空间 | 第52-53页 |
| 4.1.2 重要性抽样 | 第53-55页 |
| 4.1.3 序贯重要性抽样 | 第55-56页 |
| 4.1.4 序贯蒙特卡罗一种实现 | 第56-57页 |
| 4.2 基于SMC的匹配 | 第57-61页 |
| 4.2.1 目标分布 | 第57-58页 |
| 4.2.2 序贯抽样和粒子更新 | 第58-59页 |
| 4.2.3 实验实现 | 第59-61页 |
| 4.3 实验室结果的分析 | 第61-63页 |
| 第五章 对称图像的匹配 | 第63-74页 |
| 5.1 引言 | 第63-64页 |
| 5.2 改进SIFT算法 | 第64-67页 |
| 5.2.1 反转不变性的原理 | 第64-65页 |
| 5.2.2 基于SIFT的反转不变性 | 第65-67页 |
| 5.3 实验 | 第67页 |
| 5.4 应用 | 第67-74页 |
| 5.4.1 BoF模型 | 第68-71页 |
| 5.4.2 对对称图像的分类实验 | 第71-74页 |
| 第六章 总结和展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间所取得的成果 | 第82-83页 |
