首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

一种基于重采样和优化搜索的高斯模糊不变SIFT算子

摘要第5-6页
Abstract第6-7页
目录第8-11页
第1章 引言第11-18页
    1.1 课题来源第11页
    1.2 课题的研究背景第11-12页
    1.3 课题的研究意义第12-14页
    1.4 国内外研究现状第14-16页
    1.5 研究工作的内容及创新点第16页
    1.6 论文结构框架第16-18页
第2章 图像匹配技术介绍及常见形变分类第18-28页
    2.1 匹配技术概述第18-19页
    2.2 匹配流程介绍第19-21页
    2.3 匹配方法分类及举例第21-25页
        2.3.1 基于图像灰度的匹配方法第21-22页
        2.3.2 基于图像特征的匹配方法第22-24页
        2.3.3 基于变换域的匹配方法第24页
        2.3.4 三种方法优缺点第24-25页
    2.4 图像形变的数学模型第25-27页
        2.4.1 空间几何变换第25-26页
        2.4.2 模糊变换第26-27页
    2.5 本章小结第27-28页
第3章 SIFT算法理论与基于图像局部特征的目标识别第28-45页
    3.1 尺度空间理论第29-32页
        3.1.1 尺度空间的概念第29-30页
        3.1.2 尺度空间的构建第30-32页
    3.2 尺度空间关键点定位第32-35页
        3.2.1 Do G局部极值点第32页
        3.2.2 关键点精确定位第32-33页
        3.2.3 消除边缘响应第33-35页
    3.3 关键点方向确定第35-36页
    3.4 关键点的描述第36-38页
    3.5 特征点匹配第38-39页
    3.6 衍生算法举例以及介绍第39-42页
        3.6.1 PCA-SIFT算法第39-40页
        3.6.2 SURF算法第40-41页
        3.6.3 ASIFT算法第41-42页
    3.7 基于图像局部特征的目标识别第42-44页
    3.8 本章小结第44-45页
第4章 基于形变空间重采样的高斯模糊不变算子第45-52页
    4.1 优化的高斯模糊第45-46页
    4.2 算法思路来源第46页
    4.3 形变空间重采样理论第46-48页
        4.3.1 遍历算法流程第47-48页
    4.4 基于降采样与爬山法的重采样空间遍历优化第48-50页
        4.4.1 图像降采样第48-49页
        4.4.2 爬山法第49-50页
    4.5 算法实现及其流程第50-51页
    4.6 本章小结第51-52页
第5章 基于Open CV与GTK+平台的实验与分析第52-67页
    5.1 OPENCV概述第52-53页
    5.2 GTK+概述第53-54页
    5.3 仿真平台搭建第54-55页
    5.4 实验与仿真结果分析第55-65页
        5.4.1 匹配效果对比第56-58页
        5.4.2 算法效率对比第58页
        5.4.3 高斯模糊参数识别效果第58-60页
        5.4.4 实际应用效果第60-65页
    5.5 本章小结第65-67页
第6章 全文总结与展望第67-69页
    6.1 总结第67-68页
    6.2 展望第68-69页
参考文献第69-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:市场价格与质量标准变动对农产品供应链的影响研究
下一篇:车载故障智能预警与服务系统设计与实现