基于SVM的鱼眼图像畸变研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 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 鱼眼图像畸变的研究现状 | 第10-11页 |
| 1.2.2 支持向量机算法的研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 第二章 基于鱼眼图像的中心定位和角点特征提取方法 | 第13-28页 |
| 2.1 鱼眼图像成像原理 | 第13-18页 |
| 2.1.1 鱼眼图像的处理过程 | 第13-14页 |
| 2.1.2 鱼眼镜头成像特点 | 第14-18页 |
| 2.2 鱼眼图像靶标的角点特征检测和中心定位方法 | 第18-27页 |
| 2.2.1 靶标的中心点检测方法 | 第18-22页 |
| 2.2.2 角点提取算子分析方法 | 第22-25页 |
| 2.2.3 靶标角点检测的实验分析 | 第25-27页 |
| 2.3 小结 | 第27-28页 |
| 第三章 图像局部特征提取方法 | 第28-39页 |
| 3.1 常见的特征提取方法 | 第28-34页 |
| 3.1.1 图像特征的样本采集 | 第28-30页 |
| 3.1.2 样本的特征降维方法 | 第30-34页 |
| 3.2 实验结果分析 | 第34-37页 |
| 3.2.1 实验采用PCA逆算法 | 第34-36页 |
| 3.2.2 实验分析 | 第36-37页 |
| 3.3 小结 | 第37-39页 |
| 第四章 基于SVM的图像变化路径曲线分析 | 第39-57页 |
| 4.1 SVM的基本原理 | 第39-43页 |
| 4.1.1 SVM的统计学原理 | 第39-40页 |
| 4.1.2 SVM分类模型 | 第40-43页 |
| 4.2 SVM参数优化方法 | 第43-44页 |
| 4.3 SVM路径曲线分析 | 第44-55页 |
| 4.3.1 SVM的算法框架 | 第44-46页 |
| 4.3.2 实验分析 | 第46-55页 |
| 4.4 小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-58页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
