鬼成像目标识别算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 鬼成像的发展及现状 | 第8-10页 |
| 1.3 论文结构 | 第10-11页 |
| 2 鬼成像理论 | 第11-22页 |
| 2.1 鬼成像原理 | 第11-14页 |
| 2.1.1 量子纠缠鬼成像 | 第11-13页 |
| 2.1.2 经典光源计算鬼成像 | 第13-14页 |
| 2.2 压缩感知鬼成像 | 第14-16页 |
| 2.3 差分鬼成像 | 第16-18页 |
| 2.4 深度学习计算鬼成像 | 第18-20页 |
| 2.5 本章小节 | 第20-22页 |
| 3 目标识别算法 | 第22-39页 |
| 3.1 特征点匹配算法 | 第22-33页 |
| 3.1.1 SIFT算法 | 第23-26页 |
| 3.1.2 SURF算法 | 第26-29页 |
| 3.1.3 ORB算法 | 第29-33页 |
| 3.2 鬼成像目标识别算法 | 第33-38页 |
| 3.2.1 鬼成像边缘提取算法 | 第34-36页 |
| 3.2.2 鬼成像图像认证算法 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 基于特征点匹配的鬼成像目标识别算法 | 第39-55页 |
| 4.1 算法流程 | 第39-46页 |
| 4.1.1 预处理模块 | 第40-44页 |
| 4.1.2 特征点匹配算法选取 | 第44-45页 |
| 4.1.3 分类样本库 | 第45-46页 |
| 4.2 仿真结果及分析 | 第46-51页 |
| 4.2.1 抗散射特征点匹配效果对比 | 第46-47页 |
| 4.2.2 对于旋转缩放图像的识别率 | 第47-49页 |
| 4.2.3 不同信噪比图像的识别率 | 第49-51页 |
| 4.3 实验结果及分析 | 第51-54页 |
| 4.3.1 实验装置 | 第51-53页 |
| 4.3.2 结果及分析 | 第53-54页 |
| 4.4 本章小节 | 第54-55页 |
| 5 结论及展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62页 |
