面向退化图像的匹配方法及其在视频引伸计中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 形变测量方法 | 第9-10页 |
| 1.2.2 运动模糊图像复原 | 第10-12页 |
| 1.2.3 图像匹配算法 | 第12-13页 |
| 1.2.4 模糊不变量 | 第13页 |
| 1.3 论文的主要研究内容及结构安排 | 第13-15页 |
| 第2章 图像退化模型和匹配理论 | 第15-23页 |
| 2.1 图像退化模型概述 | 第15-20页 |
| 2.1.1 连续退化模型 | 第16-17页 |
| 2.1.2 离散退化模型 | 第17-18页 |
| 2.1.3 匀速直线运动的退化模型表示式 | 第18-20页 |
| 2.2 图像匹配理论 | 第20-22页 |
| 2.2.1 图像匹配的流程 | 第20-21页 |
| 2.2.2 图像匹配方法分类 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 匹配技术在视频引伸计中的应用 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 视频引伸计介绍 | 第23-24页 |
| 3.3 测量系统的关键技术 | 第24-31页 |
| 3.3.1 空间坐标变换 | 第24-25页 |
| 3.3.2 相似性度量 | 第25-27页 |
| 3.3.3 整像素位移搜索方法 | 第27-28页 |
| 3.3.4 亚像素位移搜索算法 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于正则化复原的退化图像匹配 | 第32-40页 |
| 4.1 引言 | 第32页 |
| 4.2 基于稀疏表示正则化的图像复原方法研究 | 第32-36页 |
| 4.2.1 问题模型 | 第32-33页 |
| 4.2.2 图像梯度幅值分布特性 | 第33页 |
| 4.2.3 图像的稀疏正则化约束 | 第33-35页 |
| 4.2.4 算法实现过程 | 第35-36页 |
| 4.3 稀疏正则化图像复原实验与分析 | 第36-37页 |
| 4.4 复原图像的亚像素匹配实验与分析 | 第37-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 基于模糊不变特征的退化图像匹配 | 第40-47页 |
| 5.1 引言 | 第40页 |
| 5.2 基于图像的模糊不变特征描述方法 | 第40-42页 |
| 5.2.1 Hu不变矩 | 第40页 |
| 5.2.2 Legendre不变矩 | 第40-41页 |
| 5.2.3 Zernike不变矩 | 第41-42页 |
| 5.3 局部相位量化特征描述方法 | 第42-44页 |
| 5.3.1 LPQ模型理论基础 | 第42-43页 |
| 5.3.2 LPQ特征图的构建 | 第43-44页 |
| 5.4 基于LPQ特征的图像匹配 | 第44-45页 |
| 5.5 基于LPQ特征的图像匹配实验与分析 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第6章 实验与分析 | 第47-53页 |
| 6.1 模拟散斑图的生成 | 第47页 |
| 6.2 基于仿真的散斑图像变形测量实验 | 第47-49页 |
| 6.3 基于运动模糊的模拟散斑实验 | 第49-50页 |
| 6.4 样本子区大小对计算精度的影响 | 第50-51页 |
| 6.5 单向拉伸实验 | 第51-52页 |
| 6.6 小结 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 论文总结 | 第53页 |
| 论文不足及展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间参加的学术论文目录 | 第61-62页 |
| 附录B 攻读学位期间参加的科研项目 | 第62页 |
