| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究工作的背景与意义 | 第13-14页 |
| 1.2 图像特征点提取算法的国内外研究历史与现状 | 第14-21页 |
| 1.2.1 二维特征点提取算法 | 第14-17页 |
| 1.2.2 三维特征点检测算法 | 第17-20页 |
| 1.2.3 其他特征点检测算法 | 第20-21页 |
| 1.3 本文的主要贡献与创新 | 第21页 |
| 1.4 本论文的结构安排 | 第21-23页 |
| 第二章 二维特征点提取算法 | 第23-31页 |
| 2.1 基于图像局部梯度信息的特征点提取算法 | 第23-24页 |
| 2.1.1 Hessian检测子 | 第23-24页 |
| 2.1.2 Harris角点检测算法 | 第24页 |
| 2.2 基于模板或者学习的特征点提取算法 | 第24-28页 |
| 2.2.1 SUSAN角点检测算法 | 第25-26页 |
| 2.2.2 FAST角点检测算法 | 第26-28页 |
| 2.3 基于轮廓的特征点提取算法 | 第28-30页 |
| 2.3.1 CSS角点检测算法 | 第28-29页 |
| 2.3.2 CTAR角点检测算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 三维及其他特征点检测算法 | 第31-40页 |
| 3.1 三维特征点检测算法 | 第31-32页 |
| 3.2 颜色空间特征点检测算法 | 第32-34页 |
| 3.3 时空特征点检测算法 | 第34-36页 |
| 3.4 RGB-D特征点检测算法 | 第36-37页 |
| 3.5 全景特征点检测算法 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 本文提出的四种三维特征点提取算法 | 第40-59页 |
| 4.1 基于支撑点的三维角点检测算法 | 第40-45页 |
| 4.1.1 选取支撑点 | 第40-41页 |
| 4.1.2 定义角点响应函数 | 第41-42页 |
| 4.1.3 基于支撑点的三维角点检测算法 | 第42-45页 |
| 4.2 基于几何测度和稀疏优化的三维特征点检测算法 | 第45-51页 |
| 4.2.1 三维特征点响应函数 | 第45-48页 |
| 4.2.2 稀疏优化候选三维兴趣点 | 第48-49页 |
| 4.2.3 GMSR三维特征点检测算法 | 第49-51页 |
| 4.3 基于多尺度去噪自编码器的三维关键点检测算法 | 第51-58页 |
| 4.3.1 多尺度去噪自编码器 | 第52-53页 |
| 4.3.2 三维网格模型的局部和全局信息 | 第53-56页 |
| 4.3.2.1 局部信息 | 第54-55页 |
| 4.3.2.2 全局信息 | 第55-56页 |
| 4.3.3 MSDAE三维特征点检测算法 | 第56-58页 |
| 4.3.3.1 训练和测试 | 第56-57页 |
| 4.3.3.2 MSDAE三维特征点检测算法 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 三维特征点检测算法性能评估 | 第59-66页 |
| 5.1 实验数据集与评价指标 | 第59-61页 |
| 5.2 实验结果与分析 | 第61-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 全文总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 攻硕期间取得的研究成果 | 第78-79页 |