基于特征点匹配的镜场云运动估计
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 研究历史及现状 | 第11-14页 |
| 1.3 本文主要工作及内容 | 第14-16页 |
| 2 天空图像的预处理方法研究 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 图像预处理的基本方法 | 第16-21页 |
| 2.2.1 中值滤波 | 第16-17页 |
| 2.2.2 均值滤波 | 第17-18页 |
| 2.2.3 低通滤波 | 第18-19页 |
| 2.2.4 维纳滤波 | 第19-21页 |
| 2.3 本文采用的算法 | 第21-24页 |
| 2.3.1 自适应维纳滤波 | 第21-22页 |
| 2.3.2 自适应中值滤波 | 第22-24页 |
| 2.4 天空图像的去噪实验 | 第24-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 天空图像分割方法研究 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 图像分割的基本方法方法 | 第30-36页 |
| 3.2.1 基于Lab色彩空间的K均值聚类分割 | 第30-33页 |
| 3.2.2 边缘检测 | 第33-36页 |
| 3.3 本文采用算法 | 第36-42页 |
| 3.3.1 太阳定位 | 第37-38页 |
| 3.3.2 纹理图像结合大津法阈值分割 | 第38-41页 |
| 3.3.3 去除太阳区域 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 4 特征点匹配结合卡尔曼滤波对云层运动进行预测 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 天空图像匹配方法研究 | 第44页 |
| 4.3 Surf算法 | 第44-52页 |
| 4.3.1 特征点检测 | 第44-48页 |
| 4.3.2 特征描述 | 第48-49页 |
| 4.3.3 特征匹配 | 第49-52页 |
| 4.4 基于卡尔曼滤波的云运动估计 | 第52-53页 |
| 4.4.1 卡尔曼滤波公式及参数 | 第52-53页 |
| 4.4.2 卡尔曼滤波对云层运动的最优估计 | 第53页 |
| 4.5 实验结果分析 | 第53-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 总结和展望 | 第58-60页 |
| 5.1 研究总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-64页 |
