图像角点检测方法的研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于模板匹配的角点检测 | 第10页 |
| 1.2.2 基于边缘特征的角点检测 | 第10-11页 |
| 1.2.3 基于灰度计算的角点检测 | 第11-12页 |
| 1.3 论文研究内容和章节安排 | 第12-13页 |
| 2 相关基础理论 | 第13-23页 |
| 2.1 图像的灰度化处理 | 第13-15页 |
| 2.1.1 彩色图像灰度化 | 第13-14页 |
| 2.1.2 图像的灰度化增强 | 第14-15页 |
| 2.2 图像滤波技术 | 第15-19页 |
| 2.2.1 噪声的类型 | 第16-17页 |
| 2.2.2 滤波器的类型 | 第17-19页 |
| 2.3 图像的边缘定义 | 第19-20页 |
| 2.4 图像角点的定义 | 第20-21页 |
| 2.5 图像角点检测准则 | 第21页 |
| 2.6 本章小结 | 第21-23页 |
| 3 基于边缘和基于灰度变化的角点检测算法 | 第23-39页 |
| 3.1 基于图像边缘的角点检测算法 | 第23-27页 |
| 3.1.1 图像边缘检测 | 第23-24页 |
| 3.1.2 CSS角点检测算法 | 第24-26页 |
| 3.1.3 ACSS角点检测算法 | 第26-27页 |
| 3.2 基于图像灰度的角点检测算法 | 第27-36页 |
| 3.2.1 Moravec检测算法 | 第27-28页 |
| 3.2.2 Harris检测算法 | 第28-30页 |
| 3.2.3 SUSAN检测算法 | 第30-33页 |
| 3.2.4 MIC检测算法 | 第33-36页 |
| 3.3 改进的基于图像灰度的快速角点检测算法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于图像熵的角点检测算法 | 第39-47页 |
| 4.1 图像的信息熵 | 第39-40页 |
| 4.1.1 信息熵 | 第39页 |
| 4.1.2 图像信息熵 | 第39-40页 |
| 4.2 基于图像熵的准角点提取 | 第40-43页 |
| 4.3 角点阈值的自适应算法 | 第43-45页 |
| 4.4 角点检测算法方案 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 实验与结果分析 | 第47-55页 |
| 5.1 基于灰度的检测算法实验分析 | 第47-49页 |
| 5.2 基于图像熵的检测算法实验分析 | 第49-54页 |
| 5.2.1 图像局部熵检测实验 | 第49-51页 |
| 5.2.2 算法速率分析 | 第51页 |
| 5.2.3 算法正确性分析 | 第51-53页 |
| 5.2.4 算法抗噪性能分析 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间的主要研究成果 | 第63页 |
