基于红外与可见光图像的电力设备识别的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态分析 | 第10-12页 |
| 1.2.1 图像配准 | 第10-11页 |
| 1.2.2 图像分类识别技术 | 第11-12页 |
| 1.3 课题的研究内容及论文的组织结构 | 第12-14页 |
| 1.3.1 课题的主要研究内容 | 第12-13页 |
| 1.3.2 论文的组织结构 | 第13-14页 |
| 第2章 相关研究理论知识 | 第14-24页 |
| 2.1 图像配准基础知识 | 第14-18页 |
| 2.1.1 图像配准的定义 | 第14页 |
| 2.1.2 图像配准的分类 | 第14页 |
| 2.1.3 基于特征的图像配准步骤 | 第14-15页 |
| 2.1.4 图像配准的变换模型 | 第15-18页 |
| 2.2 BoW模型基础知识 | 第18-21页 |
| 2.2.1 特征检测及表达 | 第19页 |
| 2.2.2 视觉单词及码本的构建 | 第19-20页 |
| 2.2.3 直方图表示 | 第20-21页 |
| 2.3 视觉注意模型 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于SIFT的红外与可见光图像配准 | 第24-37页 |
| 3.1 SIFT特征提取算法 | 第24-29页 |
| 3.1.1 尺度空间极值检测 | 第24-26页 |
| 3.1.2 确定特征点位置 | 第26-28页 |
| 3.1.3 确定特征点的大小和方向 | 第28-29页 |
| 3.1.4 特征描述符生成 | 第29页 |
| 3.2 改进SIFT算法 | 第29-31页 |
| 3.2.1 梯度镜像 | 第30页 |
| 3.2.2 约束特征向量幅值 | 第30-31页 |
| 3.3 特征匹配及变换模型估计 | 第31-33页 |
| 3.4 实验结果及分析 | 第33-36页 |
| 3.4.1 图像信息 | 第33页 |
| 3.4.2 实验环境 | 第33页 |
| 3.4.3 实验结果 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 红外与可见光融合的电力设备分类识别 | 第37-50页 |
| 4.1 红外图像与可见光融合 | 第37-43页 |
| 4.1.1 空间域图像融合 | 第38-39页 |
| 4.1.2 实验结果分析 | 第39-43页 |
| 4.2 基于BoW的图像分类识别算法 | 第43-46页 |
| 4.2.1 算法描述 | 第43-46页 |
| 4.3 实验结果与分析 | 第46-48页 |
| 4.3.1 图像信息 | 第46-47页 |
| 4.3.2 实验环境 | 第47页 |
| 4.3.3 实验结果及分析 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 未来的工作 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
