基于聚类和马氏距离的多角度图像匹配算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 图像匹配研究综述 | 第10-14页 |
| 1.2.1 图像匹配的定义 | 第10-11页 |
| 1.2.2 国内外有关图像匹配的研究现状 | 第11-13页 |
| 1.2.3 图像匹配算法的关键步骤 | 第13页 |
| 1.2.4 图像匹配的应用 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-16页 |
| 第二章 相关知识介绍 | 第16-27页 |
| 2.1 昆虫图像匹配研究综述 | 第16页 |
| 2.2 昆虫图像匹配方法及分类 | 第16-17页 |
| 2.3 常用昆虫图像匹配方法对比 | 第17-25页 |
| 2.3.1 Moravec角点检测算法 | 第17-18页 |
| 2.3.2 经典Harris角点检测算法 | 第18-21页 |
| 2.3.3 基于SIFT算法的匹配 | 第21-25页 |
| 2.4 三种匹配方法的对比 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于聚类的SURF昆虫图像匹配算法 | 第27-44页 |
| 3.1 昆虫图像特征 | 第27-28页 |
| 3.2 SURF算法简介 | 第28-31页 |
| 3.2.1 特征点检测 | 第28-30页 |
| 3.2.2 主方向选取 | 第30页 |
| 3.2.3 特征描述符生成 | 第30-31页 |
| 3.2.4 特征点匹配 | 第31页 |
| 3.3 均值聚类算法 | 第31-32页 |
| 3.3.1 聚类分析 | 第31-32页 |
| 3.3.2 K-means均值聚类算法 | 第32页 |
| 3.4 SURF算法在昆虫匹配中存在的不足 | 第32-34页 |
| 3.5 基于聚类的SURF算法特征点匹配 | 第34-36页 |
| 3.5.1 利用SURF构建特征数据点集 | 第34-35页 |
| 3.5.2 利用聚类算法对噪声点处理 | 第35-36页 |
| 3.6 算法设计及实现 | 第36-39页 |
| 3.7 数值实验及效果分析 | 第39-43页 |
| 3.8 本章小结 | 第43-44页 |
| 第四章 马氏距离改进的多角度图像匹配算法 | 第44-51页 |
| 4.1 问题的提出 | 第44-45页 |
| 4.2 马氏距离的定义 | 第45页 |
| 4.3 基于马氏距离的SURF图像匹配算法 | 第45-48页 |
| 4.3.1 算法优化的设计思想 | 第45-46页 |
| 4.3.2 改进算法描述及实现 | 第46-48页 |
| 4.4 改进算法的应用效果分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间的研究成果 | 第58-59页 |
