基于KPCA的图像匹配算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·引言 | 第8-9页 |
| ·图像匹配算法的分类与比较 | 第9-13页 |
| ·基于关系结构匹配方法 | 第10页 |
| ·结合特定理论工具的匹配方法 | 第10-11页 |
| ·基于灰度信息的匹配方法 | 第11-12页 |
| ·基于亚像元匹配方法 | 第12页 |
| ·基于内容特征的匹配方法 | 第12-13页 |
| ·有待进一步研究的几个问题 | 第13-14页 |
| ·本文研究的目的和主要内容 | 第14-16页 |
| 第2章 图像匹配方法 | 第16-26页 |
| ·引言 | 第16页 |
| ·图像匹配原理 | 第16-17页 |
| ·数学描述 | 第16-17页 |
| ·变换空间 | 第17页 |
| ·基于图像灰度信息的匹配方法 | 第17-22页 |
| ·互相关匹配 | 第17-20页 |
| ·投影匹配 | 第20-22页 |
| ·基于图像特征内容的匹配方法 | 第22-25页 |
| ·颜色特征匹配 | 第23页 |
| ·纹理匹配 | 第23-24页 |
| ·特征点匹配 | 第24页 |
| ·形状匹配 | 第24-25页 |
| ·综合特征匹配 | 第25页 |
| ·小结 | 第25-26页 |
| 第3章 基于PCA的图像匹配方法 | 第26-37页 |
| ·引言 | 第26页 |
| ·主成分分析 | 第26-34页 |
| ·主成分分析的概念及基本思想 | 第26-27页 |
| ·主成分分析的数学模型及几何意义 | 第27-29页 |
| ·主成分的推导 | 第29-32页 |
| ·主成分分析算法的执行步骤 | 第32-34页 |
| ·基于主成分分析的图像匹配算法 | 第34-36页 |
| ·将畸变图转换到主成分空间 | 第34-35页 |
| ·变换及优化处理 | 第35页 |
| ·匹配度量 | 第35-36页 |
| ·实验结果 | 第36页 |
| ·小结 | 第36-37页 |
| 第4章 基于核主成分分析的图像匹配方法 | 第37-53页 |
| ·引言 | 第37-38页 |
| ·核方法简介 | 第38-49页 |
| ·特征空间中的线性回归 | 第38-41页 |
| ·原始岭回归和对偶岭回归 | 第41-43页 |
| ·由核定义的非线性特征映射 | 第43-46页 |
| ·核的描述 | 第46页 |
| ·核矩阵 | 第46-47页 |
| ·核的构造 | 第47-49页 |
| ·基于核的主成分分析方法 | 第49-52页 |
| ·基于核的主成分分析方法的推导 | 第49-51页 |
| ·基于核的主成分分析方法的执行步骤 | 第51页 |
| ·核主成分分析特性 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第5章 基于核主成分分析的人脸匹配实验 | 第53-57页 |
| ·引言 | 第53页 |
| ·关于实验的几点说明 | 第53-55页 |
| ·人脸图像数据库 | 第53页 |
| ·人脸图像的预处理 | 第53-54页 |
| ·术语说明 | 第54-55页 |
| ·实验结果分析 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第6章 总结和展望 | 第57-59页 |
| ·本文研究总结 | 第57-58页 |
| ·今后工作的展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |
