| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状及研究问题的提出 | 第13-20页 |
| 1.2.1 宽基线立体影像 | 第14-15页 |
| 1.2.2 特征点的提取与匹配算法 | 第15-17页 |
| 1.2.3 立体匹配算法 | 第17-19页 |
| 1.2.4 关于弱纹理特征应用的国内外研究现状 | 第19-20页 |
| 1.3 论文主要内容和创新点 | 第20页 |
| 1.4 论文的章节安排 | 第20-22页 |
| 第二章 计算机视觉理论基础与关键技术 | 第22-36页 |
| 2.1 引言 | 第22-23页 |
| 2.2 特征点提取与描述 | 第23-27页 |
| 2.2.1 尺度空间 | 第23-24页 |
| 2.2.2 SIFT特征点的提取 | 第24-26页 |
| 2.2.3 SIFT特征描述子 | 第26-27页 |
| 2.3 自相似特征点提取方法 | 第27-28页 |
| 2.4 稀疏表示理论 | 第28-30页 |
| 2.4.1 稀疏字典的构造 | 第29-30页 |
| 2.4.2 稀疏算法的研究 | 第30页 |
| 2.5 纹理合成 | 第30-31页 |
| 2.6 基于全局优化的立体匹配算法 | 第31-33页 |
| 2.6.1 马尔科夫随机场模型 | 第32页 |
| 2.6.2 图割算法 | 第32-33页 |
| 2.7 弱纹理特征点提取与描述 | 第33-34页 |
| 2.8 小结 | 第34-36页 |
| 第三章 基于自相似性的弱纹理区域的特征点提取与匹配 | 第36-60页 |
| 3.1 引言 | 第36页 |
| 3.2 弱纹理特征点的检测和检测算子设计 | 第36-41页 |
| 3.2.1 弱纹理检测算子设计 | 第37-39页 |
| 3.2.2 弱纹理检测算子区域半径的选择 | 第39-41页 |
| 3.3 基于梯度平方算子的弱纹理区域检测 | 第41-47页 |
| 3.3.1 线性尺度空间 | 第42页 |
| 3.3.2 尺度空间极值点的选取 | 第42-45页 |
| 3.3.3 弱纹理过滤算法中的阈值选取 | 第45-46页 |
| 3.3.4 弱纹理检测综合算法 | 第46-47页 |
| 3.4 基于稀疏表示的匹配算法 | 第47-51页 |
| 3.4.1 基于稀疏表示的识别 | 第47-49页 |
| 3.4.2 基于稀疏表示特征点匹配算法 | 第49-50页 |
| 3.4.3 特征点的特征描述子 | 第50-51页 |
| 3.5 实验与分析 | 第51-59页 |
| 3.5.1 弱纹理特征点提取效果 | 第51-53页 |
| 3.5.2 算子在不同情况下的检测效果 | 第53-56页 |
| 3.5.3 不同特征描述子对匹配率的影响 | 第56-57页 |
| 3.5.4 随机噪声情况下的匹配效果 | 第57-58页 |
| 3.5.5 块状遮挡情况下的匹配效果 | 第58-59页 |
| 3.6. 小结 | 第59-60页 |
| 第四章 基于纹理合成的特征点提取与匹配方法 | 第60-82页 |
| 4.1 引言 | 第60-61页 |
| 4.2 弱纹理区域的合成纹理嵌入 | 第61-67页 |
| 4.2.1 两幅图像间的弱纹理区域关系分析 | 第61-64页 |
| 4.2.2 基于Snake模型的弱纹理区域分割算法 | 第64-65页 |
| 4.2.3 基于特征点的纹理嵌入方法 | 第65-66页 |
| 4.2.4 基于图像修复的纹理合成方法 | 第66-67页 |
| 4.3 基于graph cuts的匹配点位置修正 | 第67-72页 |
| 4.3.1 区域自相似性的计算 | 第68-69页 |
| 4.3.2 基于graph cuts的匹配点调整方法 | 第69-71页 |
| 4.3.3 基于graph cuts算法的改进结果 | 第71-72页 |
| 4.4 实验结果及分析 | 第72-80页 |
| 4.4.1 不同纹理样本下的特征点提取效果 | 第72-74页 |
| 4.4.2 TSIQ在光照变化,尺度变化以及拍摄角度变换下的匹配效果 | 第74-79页 |
| 4.4.3 基于TSIQ的伪稠密匹配算法改进 | 第79-80页 |
| 4.5 小结 | 第80-82页 |
| 第五章 基于Meanshift的特征描述子及其在宽基线立体匹配中的应用 | 第82-98页 |
| 5.1 引言 | 第82-83页 |
| 5.2 基于Meanshift的特征点描述子设计 | 第83-90页 |
| 5.2.1 基于纹理特征的特征点描述方法 | 第83-84页 |
| 5.2.2 基于Meanshift的特征点描述子构造方法 | 第84-90页 |
| 5.3 基于graph cuts的宽基线深度图像获取算法 | 第90-92页 |
| 5.4 实验 | 第92-96页 |
| 5.4.1 不同描述子的比较 | 第92-93页 |
| 5.4.2 不同基线情况下的深度图像 | 第93-95页 |
| 5.4.3 WFD在图像变化情况下的鲁棒性 | 第95-96页 |
| 5.5 小结 | 第96-98页 |
| 第六章 总结与展望 | 第98-100页 |
| 6.1 总结 | 第98页 |
| 6.2 展望 | 第98-100页 |
| 参考文献 | 第100-112页 |
| 致谢 | 第112-114页 |
| 附录 | 第114-115页 |
