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 |