基于区域增长的立体匹配算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 立体视觉理论 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 提取图像特征点技术的现状 | 第10-11页 |
| 1.2.2 立体匹配的研究现状 | 第11-12页 |
| 1.3 本文的工作 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 图像预处理技术 | 第13-17页 |
| 2.1 数字图像的表示 | 第13页 |
| 2.2 图像变换 | 第13-16页 |
| 2.2.1 噪声干扰 | 第13-14页 |
| 2.2.2 光照变化 | 第14页 |
| 2.2.3 平移变换 | 第14-15页 |
| 2.2.4 旋转变换 | 第15页 |
| 2.2.5 尺度变换 | 第15-16页 |
| 2.3 图像特征点 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 立体匹配基本理论 | 第17-23页 |
| 3.1 视差理论与视差图 | 第17-18页 |
| 3.2 立体匹配的研究内容 | 第18-20页 |
| 3.3 极线几何 | 第20-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第4章 特征点的提取及匹配算法 | 第23-37页 |
| 4.1 引言 | 第23页 |
| 4.2 SIFT 特征提取算法 | 第23-26页 |
| 4.2.1 构建尺度空间及高斯金字塔结构 | 第23-24页 |
| 4.2.2 提取极值点 | 第24-25页 |
| 4.2.3 确定关键点的主方向 | 第25页 |
| 4.2.4 生成SIFT 特征向量 | 第25-26页 |
| 4.3 多尺度Harris 检测算子 | 第26-28页 |
| 4.4 分析与小结 | 第28-29页 |
| 4.5 特征匹配算法 | 第29-34页 |
| 4.5.1 MRSVQH 算法中的子向量量化 | 第30-31页 |
| 4.5.2 哈希聚类树的建立 | 第31-34页 |
| 4.5.4 参数的选择 | 第34页 |
| 4.6 实验结果 | 第34-36页 |
| 4.7 本章小结 | 第36-37页 |
| 第5章 立体视觉图像匹配算法 | 第37-47页 |
| 5.1 立体匹配算法分类 | 第37-39页 |
| 5.1.1 特征匹配算法 | 第37-38页 |
| 5.1.2 区域匹配算法 | 第38-39页 |
| 5.1.3 相位匹配算法 | 第39页 |
| 5.2 准稠密匹配算法概况 | 第39-40页 |
| 5.3 基于种子点扩散的准稠密匹配算法的实现 | 第40-43页 |
| 5.3.1 种子点的选取 | 第40-42页 |
| 5.3.2 区域增长 | 第42-43页 |
| 5.4 本文采取算法的具体步骤 | 第43-45页 |
| 5.5 实验结果 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第6章 总结 | 第47-48页 |
| 6.1 本文的主要工作 | 第47页 |
| 6.2 进一步的研究工作 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间取得的科研成果 | 第52页 |
