一、A new parallel algorithm for image matching based on entropy(论文文献综述)
郭韩磊[1](2020)在《基于深度学习的视觉SLAM闭环检测研究》文中提出在未知环境中,移动机器人的即时定位与地图构建(Simultaneously Location And Mapping,SLAM)是机器人导航领域最重要的研究课题之一。随着近些年深度学习技术的不断发展以及在图像处理方面的优异表现,基于深度学习技术的视觉SLAM也渐渐被关注,而闭环检测作为有效减小环境地图误差的办法,也成为深度学习算法中重要的应用之一。本文在对现阶段视觉SLAM和深度学习算法深入研究的基础上,对传统的基于视觉SLAM闭环检测方法的缺陷,例如特征提取过度依赖于人的认知、对图像极度变化的识别鲁棒性不高,消耗计算资源较大等问题进行分析,将深度学习算法应用于闭环检测中。提出了一种新的基于卷积自编码网络的闭环检测模型,并对闭环检测后的轨迹进行优化,使得轨迹更加精确。本文的具体研究内容如下:(1)首先对视觉SLAM系统的整体流程进行概述,并对传统的闭环检测方法进行实验和分析,发现传统算法的局限性和不足之处。同时结合深度学习中的卷积神经网络和栈式自编码器的特性提出一种新的基于卷积自编码网络的识别模型,该模型可用于大规模场景识别。本模型具有双通道端到端的特点,实现了特征嵌入,具有良好的鲁棒性和紧凑性。该模型的特征提取模型建立在栈式自编码器上,与经典的Net VLAD融合,称为CAE-VLAD-Net(Convolutional Auto-Encoder–Vector of Locally Aggregated Descriptors–Network)。模型整体框架是一个教师学生策略模型,因此引入原始Net VLAD模型作为基准,有效借鉴了其高准确率,试图从一个大而准的教师网络中获取辅助信息来训练小而快的学生网络。本文在不同的具有挑战性的数据集下做了广泛实验,证明了提出模型的识别能力,从准确-召回曲线、AUC曲线下面积、特征提取时间等多维度进行了对比实验。(2)由于传感器采集图像具有连续性和密集性,存在大量极其相似的连续场景,这会导致检测到大量错误闭环。为了提高闭环的精确度,提出一种基于CAE-VLAD-Net模型的特征提取算法,进一步将其用于基于关键帧的闭环检测中。在检测闭环时,根据图像特征分布确定关键帧的位置并作处理,不是对每一帧都进行闭环判断,而是基于关键帧位置和关键帧数量判断图像特征欧式距离,最终确定距离最短为闭环发生。(3)闭环检测是有效减小构建地图误差的办法,但是对于机器人的长时间移动以及极具挑战性的场景,闭环判断依然会存在误差。本文在判断出闭环的前提下提出一种基于多态增量式的图优化方法,该方法对闭环轨迹重新生成因子图,因子图中的节点是闭环图中若干连续位姿的集合,每一个节点都包含其中连续位姿的平均状态,从而构成新的多状态图结构,在该图结构下对节点进行优化。多态增量式的图优化不仅帮助生成更加全局一致的地图,而且在优化时间上远小于对每一个位姿节点都优化的方法。
张萝献[2](2020)在《视频拼接的关键帧提取技术研究》文中研究表明在抖动场景下的视频拼接过程中,对应帧之间的颜色、亮度、纹理等图像特征会产生较大的变化。在后续进行图像投影变换时,一种常见的方法是只用首帧或某些帧计算出的单应性矩阵,该方法在后续的拼接中将产生累计误差,拼接效果不甚理想。另一种逐帧计算矩阵的方法则会增加不必要的计算量,在拼接时造成视频严重卡顿。本文针对抖动场景中的视频拼接问题,提出了一种新的关键帧提取方法和基于同步帧差的相似度对比策略,兼顾了视频的拼接质量和拼接速度。本文的主要工作如下:1.在图像配准之前先根据设定的阈值判断是否为关键帧,再决定是否更新投影变换矩阵,克服了由抖动造成的累计误差,取得了良好的视频拼接效果。2.在进行关键帧提取时,采用比较同步帧差的方法代替传统的基于连续帧差的方法,在帧间相似度小于阈值的时刻进行投影变换矩阵的更新。3.引入双目立体视觉,并设计了一种新的关键帧提取算法,将颜色矩与基于灰度的SAD(sum of absolute difference)算子进行加权综合,构造了一种新的图像特征描述符,提取的关键帧中冗余帧很少。4.在计算帧间相似度时,采取一种新的搜索策略进行加速:在左右帧图像重叠之外的区域,以十字特征直线代替传统的模板,采用穷举的方式进行计算。在摄像头存在抖动的场景下,本文改进的关键帧提取算法解决了视频拼接中图像形变较大、形变帧占比过多的问题,在拼接速度和拼接时间质量之间达到了平衡。
窦易文[3](2016)在《复杂环境下视觉伺服检测方法及在并联机器人中的应用研究》文中认为目前,复杂环境下的视觉伺服检测所涉及的各种难题均为图像处理与模式识别领域内较难克服的问题。如何能够在光照不均和低照度下找到视觉伺服检测的目标显得尤为重要,本论文针对在复杂环境下的视觉伺服检测任务,分别研究了各个关键环节,主要研究成果包括如下几个方面:(1)针对视觉注意模式提取的焦点存在关联性问题,提出了一种多视觉注意模式融合的复杂场景特征面片提取方法。为了避免复杂环境下各种干扰,首先通过视网膜皮层算法获得良好的图像增强效果,并借鉴了多种视觉注意模式提取视觉焦点的方式,设计了集成视觉注意模式;在这种集成视觉注意模式的提取下获得了初始视觉焦点集,通过交互信息量与结构相似性两种度量方式形成的关联矩阵判定需要融合的视觉焦点集标号,在视觉焦点融合算法中,将需要融合的视觉焦点进行融合后的能量分配;为了快速得到视觉焦点融合后的特征区域,采用凸包能量分配一致性将关联的视觉焦点区域的能量均匀分布,最终获得了完整性与鲁棒性均符合要求的特征区域;将这种方法应用到复杂场景下并联机器人上的特征面片提取,获得了良好的效果,为复杂环境下双目摄像机标定做好了铺垫。(2)针对复杂环境下难以提取标定参照物的边缘信息,设计了两种边缘检测方法,第一种是短步长仿射变换下的索贝尔提取方法,尽管在速度和效果上能够达到视觉伺服的要求,然而所获得边缘不能保证闭合,这样稍后的边缘矩与边缘仿射不变矩就无法应用;第二种是显着窄带活动轮廓模型,借鉴了C-V模型,设计出先通过视觉注意模式提取视觉焦点,而后将视觉焦点的边缘作为C-V模型的初始边界,并在窄带的基础上进行快速演化,获得了良好的光滑封闭曲线,最后,通过实验验证了所提出的显着窄带C-V模型的有效性和鲁棒性。(3)针对复杂环境下的双目摄像机难以标定的问题,提出了一种边缘矩标定双目摄像机的方法。借鉴仿射不变矩理论,设计了边缘仿射不变矩,并将其用于场景中的目标识别,对在复杂环境下排除非标定参照物提供可靠的保证;在边缘矩的定义下,建立了边缘矩增量与摄像机位姿增量之间的关联方程,并据此获得摄像机的内、外参数,通过实验验证了基于边缘矩的双目摄像机标定能够保证在复杂环境下摄像机标定的准确性与鲁棒性。(4)针对视觉伺服检测中弱纹理图像难以找寻特征点导致无法在复杂环境下进行立体匹配问题,设计了一种适合于弱纹理下视觉伺服的立体匹配方法。借鉴SIFT算法获得了大量的特征描述子,通过Meanshift特征选择机制,设计了Meanshift弱纹理特征描述子,将这种特征描述子应用在立体匹配的同名点特征描述上,通过图割优化算法,标注搜索到的同名特征点,将这些标记过的同名特征点进行分段离散,获得视觉深度图,最后通过验证在复杂环境下,这种弱纹理特征描述子在立体匹配的效果和自适应性上优于SIFT、SURF和NCC获得的结果。论文的最后总结全文的研究工作,并对以后的研究方向和内容进行了讨论和展望
姜茸,廖鸿志,杨明[4](2015)在《信息熵在软件领域中的应用研究现状》文中研究指明本文介绍了软件领域中的各种熵的基本概念及其应用,系统地归纳总结了信息熵在软件领域中的国内外研究现状,发现图像处理、模式识别与工人智能、网络与信息安全、数据挖掘等是信息熵的几个热点应用领域,最后指出用信息熵理论和方法研究软件项目管理是一个值得深入探索的问题。
李景圆[5](2014)在《遥感图像黄河冰封期水体分析与应用研究》文中认为本文以乌拉特前旗黄河断面为研究区。首先,根据最佳波段组合的选取原则,利用matlab编程语言实现单波段信息提取和相关系数矩阵、信息熵、最佳指数的统计。经反复比对和分析后,得到乌拉特前旗黄河断面畅流期TM542和冰封期TM543的最佳波段组合。经组合后得到的遥感影像能够最大程度的反映地物的信息,使各类地物间的差异明显,为下一步的遥感影像分类奠定基础。其次,在最佳波段组合影像的基础上,开始对遥感图像进行分类操作,经对比分析K-means算法、马氏距离和最大似然法的分类结果,得到分类效果最好的人机交互式最大似然法的分类效果图。接着制作出地物分类的专题图,计算出冰封期各类地物的面积。通过专题图,我们还可以观察各类地物的分布现状,这些都为防凌工作提供了技术支持。最后,进行遥感图像拼接的操作,它可以解决在不同时间不同角度获取的两幅或者多幅图像的匹配处理问题。本文在现有的配准技术中选取了基于特征点匹配的SIFT算法,并引入可以对误匹配点进行优化的RANSAC算法,以便进一步提高匹配的准确度。匹配结束后通过双向线性内插法,对拼接处的影像进行平滑,加强了视觉效果,得到了图像拼接的全景图。
武玉建[6](2013)在《基于图像绘制的柱面全景图生成方法研究》文中指出当今随着计算机视觉技术的快速发展,虚拟现实技术已经成为目前计算机领域的一个非常活跃的研究课题。基于图像绘制的柱面全景图生成技术作为一种构造虚拟现实的全新生成方法,无需进行复杂繁琐的建模工作,同时无需运用专业的镜头进行图像的摄取,利用普通数码相机拍摄到的图像即可完成全景图的生成。基于图像绘制的柱面全景图生成技术因具备以上特点而越来越受到人们的关注。本文就基于图像绘制的柱面全景图生成方法展开了研究,借鉴之前研究者所取得研究成果,重点对柱面全景图生成过程中的图像匹配环节进行了详细的研究。对当前流行的图像匹配算法进行了研究,并对传统算法进行了尝试性改进,并将改进的算法应用于柱面全景图的生成之中。本文的主要工作如下:(1)对当前使用较广的特征匹配算法——尺度不变性变换(SIFT)方法进行了研究。该方法能够在待匹配图像发生尺度变化以及旋转变化时检测出图像的特征点。同时该算法对图像光照变化、噪声污染等均具备良好的鲁棒性。针对传统SIFT算法构造的特征描述算子维度过大,影响算法的匹配效率的问题。本文在构造特征描述算子的过程中引入了Walsh-Hadamard内核投影技术。改进的SIFT算法能够有效地降低构建出的SIFT特征描述算子的维度。随后进行的仿真实验结果表明,改进的SIFT算法能够在一定程度上提高算法的匹配效率。本文将改进后的SIFT算法应用于柱面全景图的生成过程中,得到了效果较为理想的大视角全景图像。(2)对加速鲁棒性特征(SURF)算法进行了研究与分析。SURF算法与SIFT算法性能相近,但是SURF算法比SIFT算法的匹配效率更高,因此可以用来完成比灰度图像信息量更大的彩色图像的匹配。为了提高彩色图像匹配的匹配效率,本文提出一种基于加速分割检测特征(Features from Accelerated Segment Test, FAST)和SURF算法的图像匹配方法,将改进后的FAST算法用于传统SURF算法的特征点检测环节。随后进行的仿真实验结果表明改进后的SURF算法能够在一定程度上提高匹配效率,并能够得到效果较为理想的彩色全景图。
张召才[7](2012)在《地形起伏对推扫式遥感立体成像影响的关键理论和技术研究》文中进行了进一步梳理推扫式遥感立体成像是当前普遍使用的遥感成像方式,一般通过CCD以线阵推扫的方式实现。因其成像机理的特殊性,地形起伏、CCD姿态变化和地球自转等都会对推扫成像精度产生影响。其中,地形起伏会对推扫式遥感立体成像不同视角的遥感影像引入成像误差和空间信息缺失,而当前与此相关的研究报道还比较少。因此,本论文针对地形起伏对推扫式遥感立体成像影响的关键理论和技术展开了探索性研究,涉及的研究包括:1.系统和深入的阐述了推扫式遥感立体成像技术及其发展现状和研究热点,推扫式遥感立体成像严格传感器成像模型和广义成像模型,以及各种成像模型的适用范围和精度。2.研究和建立了地形起伏和推扫式遥感立体成像畸变之间的数学模型。将高斯合成曲面模型用于遥感地形仿真,基于该模型对地形起伏引起的推扫式遥感立体成像几何畸变进行了研究和仿真,利用Chang’E-1影像数据进行了结果验证。3.为解决三维地形数学表达模型的不确定性问题,提出了用大地坐标系中地面点坐标变化描述地形起伏的方法。对严格传感器成像模型进行线性化处理,利用全微分法构建了CCD姿态、轨道稳定状态下的推扫式遥感立体成像与地形起伏之间的误差关系模型。基于Chang’E-1参数对不同的地形起伏引起的推扫式遥感立体成像误差进行了模拟计算和结果分析。4.研究和建立了地形起伏对推扫式遥感立体成像不同视角遥感影像的地元分辨率调制作用模型,提出了一种基于图像熵权的全局加权凸集投影超分辨率重建算法。该算法基于初始观测遥感影像的图像熵值设计加权残差约束凸集和加权松弛投影算子,以二维仿射变换法对相邻帧影像运动参数进行估计,用高斯模型点扩散函数对参考帧进行修正,实现超分辨率重建。基于Chang’E-1实测影像的实验表明,该算法在补偿地形起伏对不同视角遥感影像引入的空间信息缺失的同时,兼顾了对图像纹理细节的保持,并具有较好的收敛速度和稳定性。5.基于真实遥感数据构建了高精度标准地形实体模型。以三自由度平动轴仿真CCD轨道变化,以三自由度转动轴仿真CCD姿态变化,提出了一种基于半实物仿真的推扫式遥感立体成像仿真测试方法。该方法能实时获取CCD姿态、轨道并行变化和分布式变化数据,实现对高精度地形实体模型的推扫式遥感立体成像仿真测试。
肖甫[8](2007)在《基于图像的虚拟场景绘制关键技术研究》文中指出可交互性、沉浸感和想象力一直是虚拟现实系统(VR系统)所追求的目标,而真实感和实时性是VR系统构建中的一对矛盾。传统基于几何的虚拟场景绘制技术是以计算机图形学为基础,可以准确获知场景的深度信息,因而用户与场景对象之间具有良好的交互性,且视点可以自由变换。但该方法的复杂度完全依赖于场景,限制了其在普通硬件平台上应用。基于图像的绘制方法将图像作为信息载体,通过对原图像的重采样、重组织的绘制过程,因而具有绘制速度独立于场景复杂度、真实感强等特点,并成为近年来虚拟现实技术的研究热点。本文以基于图像绘制的虚拟场景生成为研究主线,主要研究了图像拼接技术、基于图像的重光照技术、图像分辨率增强技术等关键技术。主要研究内容如下:图像拼接是虚拟场景建模的主要技术之一,针对光照变化图像序列提出了两种基于特征的图像拼接算法:基于静态小波序贯特征匹配和同态滤波的图像拼接算法以及基于圆投影和能量函数优化的图像拼接算法。其中基于静态小波序贯特征匹配和同态滤波的图像拼接算法采用静态小波提取图像匹配模板的特征序列,较好地实现了光照不同的图像匹配;而对于初始图像获取时光照条件的不同,采用同态滤波等技术解决初始图像的光照不一致问题。基于圆投影和能量函数优化的图像拼接算法则采用圆投影提取图像匹配模板的特征序列,克服了传统图像特征提取方法中的区域局限问题;对于图像融合,论文从图像能量角度出发,构造一个包含图像梯度的能量泛函,通过最小化该函数来求取图像重叠区域的全局最优融合因子,最终实现快速、准确地拼接图像。研究了光照条件对于场景图像的重要意义,提出了一种基于图像的重光照算法。该算法在给定目标若干基图像及其对应光照属性的基础上,通过基图像数据矩阵的奇异值分解(SVD)分离场景的环境光分量、反演场景的表面反射率和表面法向量等。新光照条件下场景的绘制,直接光照采用光照模型直接计算;间接光照采用分离出的基图像环境光分量拟合,较好地实现了变化光照下场景图像的生成。针对高分辨率真实感虚拟环境及场景浏览时变焦观察的需要,研究了图像分辨率增强算法。对于单帧图像的分辨率增强,提出一种基于熵变分的图像分辨率增强算法。该算法在贝叶斯估计和最大熵原理的基础上,将图像象素点梯度信息应用到图像分辨率增强中,从而建立起一种基于图像梯度信息的各向异性自适应分辨率增强算法。对于多帧图像序列的超分辨率复原,在单帧熵变分模型的基础上,将双边滤波技术引入到图像超分辨率复原中,建立了一种基于广义熵变分的图像超分辨率复原模型,从而提出一种基于几何距离和梯度信息的双重加权各向异性分辨率增强算法。实验表明:使用本文算法得到的超分辨率复原图像具有较高的峰值信噪比和视觉质量。针对基于图像的虚拟场景虚化关联的需要,将非真实感绘制技术引入虚拟场景中,提出了一种基于线积分卷积的场景虚化关联生成方法。该方法通过计算结构张量获得图像曲线走向矢量场,以此刻画图像局部结构;并采用全变分偏微分方程对曲线走向矢量场自适应滤波平滑处理;在此基础上利用线积分卷积指导画笔走向模拟生成线条波动感虚化效果图像;最后结合原始真实图像和虚化效果图像,实现了一种基于时间变量的柱面场景虚化关联算法,并为虚拟现实系统超越现实时空的需要提供了一种新思路。针对基于图像的虚拟全景空间漫游的需要,在定义位置链、时间链、焦距链和虚化链等链表结构的基础上,提出了一种包含位置关联、时间关联、焦距关联和虚化关联的大规模虚拟全景空间漫游策略。
章毓晋[9](2005)在《中国图像工程:2004》文中认为该文是“中国图像工程”的年度文献综述系列之十。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2004年在国内15种有关图像工程重要中文期刊的共108期上发表的2473篇学术研究和技术应用文献中,选取出632篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理,图像分析,图像理解,技术应用和综述5个大类,然后进一步分入21个专业小类。在此基础上还进行了各类文献的统计和分析。由统计分析结果可看到“中国图像工程”在2004年的许多新进展情况。特别值得指出,图像工程文献在上述15种期刊上所发表文献中的比例,于2004年达到历史最高,显示了图像工程研究在中国强劲的快速发展势头。另外,借此综述系列发表10年之际,还对10年来各大类文献比例的变化情况,各刊图像工程文献选取的情况,各刊所载图像工程文献的详细分类情况,压缩编码和图像分割文献数量的对比情况以及前后两个5年各类文献数量的比较情况进行了统计分析,以进一步揭示图像工程研究和应用近10年的发展动态和趋势。
高峰[10](2011)在《图像配准中的几何特征不确定性建模及匹配方法研究》文中研究指明几何特征匹配是计算机视觉、图像理解以及摄影测量与遥感等领域长期研究的一个基本问题,其目的是建立不同视角、不同传感器或不同时相获取的两幅或多幅图像中提取的几何特征之间的对应性,或者建立图像与目标模型或模板中几何特征之间的对应性,它是图像配准、目标识别、目标三维重建以及图像序列分析等任务中的关键步骤。在几何特征匹配问题中,目前大部分算法没有考虑特征各种参数提取结果的不确定性,而是简单认为它们是对图像特征真实和准确的反映。在特征匹配阶段,它们也是同等地看待提取的每一个待匹配特征,这些都会影响匹配的精度,甚至会导致匹配失败。因此,对特征的不确定性问题进行研究是十分必要的。论文在分析点、线等几何特征不确定性的基础上,主要研究考虑特征不确定性的遥感图像配准问题,论文的研究成果和创新点主要包括:(1)提出了一种基于Vague集的几何特征不确定性建模及其相似度求解算法。算法首先对位置、长度等特征参数进行了不确定性分析和建模,然后对考虑不确定性特征之间的相似度进行了定义和求解。克服了传统算法匹配误差大、难以寻找最优对应关系的问题。另外,相对于传统方法在计算特征相似度时只考虑特征之间的对应程度即赞成度的情况,本文方法还兼顾了特征之间的排斥程度即反对度,得到的结果更加合理。(2)提出了一种综合考虑图像灰度分布和边缘信息的角点提取算法和一种考虑不确定性的点特征匹配策略。在角点提取算法中,首先提取图像中满足要求的边缘并进行编组;然后计算各边缘点属性及相应的分形特征值;最后利用局部非最大值抑制提取出满足要求的角点。相对于单一利用灰度信息或者边缘信息的方法,本文方法提取的角点在稳健性、重复率和定位精度等方面都有较好的表现。论文把不确定性模型引入到点特征的匹配之中,首先利用不确定性中的显着性对特征点进行筛选,滤除掉由于灰度分布较均匀造成的定位不准的点特征;然后利用Vague集理论进行相似度的求解;最后,设计了合适的匹配策略进行特征对应性求解。该方法除具有利用Vague集理论进行考虑不确定性特征相似度求解本身的优点外,在利用同名特征进行模型参数求解时,用特征的显着性进行加权,使得显着性值大的点权重大,在一定程度上提高了模型参数计算的精度。(3)提出了一种考虑特征不确定性的线特征匹配算法。算法首先对图像进行直线提取,然后把长度、显着性、距离等满足要求的两条直线组成干线对,并计算干线对的不确定性,最后利用分支-定限法求解定义的相似度测度函数的最优解,进而求得最优的匹配干线对。相对于其它几何特征,干线对具有信息量充足、易于提取和容易抽取同名像点等优点。通过限制组成干线对的两条直线的夹角和不确定性,提高了特征的稳健性,减少了由于直线方向偏移引起的交点位置变化。在求解干线对之间的相似性时,主要利用它们的夹角,可以消除或减弱直线断裂造成的影响。与传统的匹配策略相比,本文提出的匹配策略不仅考虑特征之间的属性相似性,而且考虑了特征的空间关系一致性和不确定性的影响,使得算法对噪声的稳健性更好,配准精度更高。(4)提出了一种基于索引表的多特征实时图像匹配算法,并以本文提出的仿射不变特征和干线对特征为例,验证了算法的有效性。算法是借鉴调色板的思想,首先构建基准图像中的特征索引表,索引表由索引值和详细信息两部分组成;然后对新得到的待配准图像进行特征提取并构建索引表;最后利用索引表表进行特征匹配。即首先根据特征索引值得到可能匹配的特征对,然后根据索引表的详细信息及特征的空间关系求解匹配特征对,并对多特征的匹配结果进行融合,计算变换模型参数。索引表的引入极大地提高了特征匹配的效率和算法的实时性;通过利用不确定性中的显着性限制,筛除掉了不稳健的特征,保证了匹配的可靠性和精度。通过设计合适的匹配结果融合策略,使得一种特征的缺失不会影响整体的匹配效果。多种特征融合的匹配策略不仅提高了算法的适用范围,而且提高了配准精度;
二、A new parallel algorithm for image matching based on entropy(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、A new parallel algorithm for image matching based on entropy(论文提纲范文)
(1)基于深度学习的视觉SLAM闭环检测研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 深度学习技术研究现状 |
1.2.2 视觉SLAM算法研究现状 |
1.2.3 视觉SLAM闭环检测研究现状 |
1.3 论文主要内容及组织结构 |
1.3.1 论文主要内容 |
1.3.2 论文组织结构 |
第二章 视觉SLAM及闭环检测方法原理 |
2.1 视觉SLAM系统框架 |
2.1.1 传感器简介 |
2.1.2 视觉SLAM数学建模 |
2.2 视觉SLAM方法 |
2.2.1 视觉SLAM前端算法 |
2.2.2 视觉SLAM后端优化 |
2.3 闭环检测算法 |
2.3.1 闭环检测的概述 |
2.3.2 基于“词袋”模型的闭环检测 |
2.4 本章小结 |
第三章 基于深度神经网络的特征提取和匹配 |
3.1 自编码器的结构与设计 |
3.2 卷积神经网络的研究与实现 |
3.2.1 卷积神经网络的结构 |
3.2.2 卷积神经网络的特征提取 |
3.3 特征匹配 |
3.4 本章小结 |
第四章 基于卷积自编码网络的识别算法 |
4.1 端到端的网络 |
4.1.1 经典VLAD |
4.1.2 Net VLAD层 |
4.1.3 三元排序损失函数 |
4.1.4 CALC模型 |
4.2 实验模型 |
4.2.1 网络整体结构 |
4.2.2 CAE-VLAD-Net的提出与设计 |
4.3 网络的训练 |
4.4 实验准备及使用 |
4.4.1 数据集 |
4.4.2 网络的使用 |
4.5 实验结果与分析 |
4.5.1 评价标准 |
4.5.2 实验与分析 |
4.6 本章小结 |
第五章 基于CAE-VLAD-Net的闭环检测及优化 |
5.1 基于CAE-VLAD-Net的闭环检测 |
5.1.1 构造关键帧 |
5.1.2 闭环检测过程 |
5.1.3 实验与分析 |
5.2 基于闭环检测的多态增量式图优化方法 |
5.2.1 基于CAE-VLAD-Net闭环检测的不足 |
5.2.2 基于多态增量式的图优化方法 |
5.2.3 实验与分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结全文 |
6.2 工作展望 |
参考文献 |
个人简历在读期间发表的学术论文 |
致谢 |
(2)视频拼接的关键帧提取技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 视频拼接的研究现状 |
1.3 关键帧提取技术的研究现状 |
1.4 本文的组织结构 |
第2章 基于双目摄像头的视频拼接研究 |
2.1 视频预处理 |
2.2 视频拼接原理 |
2.2.1 特征点提取 |
2.2.2 图像匹配 |
2.2.3 图像融合 |
2.3 视频拼接结果分析 |
2.4 本章小结 |
第3章 关键帧提取算法分析 |
3.1 关键帧基本概念 |
3.2 现有关键帧提取技术 |
3.3 帧间相似性度量 |
3.4 算法性能的评价标准 |
3.5 经典的关键帧提取算法比较 |
3.6 本章小结 |
第4章 一种改进的关键帧提取算法分析 |
4.1 常用的颜色特征 |
4.2 双目立体视觉基本原理 |
4.3 常用的模板匹配算法 |
4.4 改进的关键帧提取算法 |
4.4.1 加权综合算法的构造 |
4.4.2 一种快速的模板匹配算法 |
4.5 基于抖动视频拼接的关键帧提取分析 |
4.5.1 整体算法的流程 |
4.5.2 算法的性能分析 |
4.5.3 结果分析 |
4.6 本章小结 |
第5章 基于改进关键帧提取算法的视频拼接研究 |
5.1 抖动条件下的算法分析 |
5.2 光照变化下算法的性能分析 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间的项目与成果 |
致谢 |
(3)复杂环境下视觉伺服检测方法及在并联机器人中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 视觉伺服现状 |
1.2.2 复杂环境下视觉伺服检测中的关键环节 |
1.2.3 视觉伺服检测关键技术 |
1.3 并联机器人视觉伺服检测系统组成 |
1.3.1 并联机器人本体 |
1.3.2 双目摄像机 |
1.4 论文主要内容和创新点 |
1.5 论文的章节安排 |
第2章 基于视觉注意引导的多尺度视网膜皮层图像增强算法 |
2.1 引言 |
2.2 基于多尺度视网膜皮层算法的图像增强 |
2.2.1 基于视网膜皮层理论的图像处理过程 |
2.2.2 基于多层视网膜皮层理论的图像处理算法 |
2.3 基于视觉注意模式的多尺度视网膜皮层算法 |
2.4 仿真与结果分析 |
2.4.1 低照度高动态范围图像增强 |
2.4.2 视觉伺服检测的图像增强 |
2.5 小结 |
第3章 多视觉注意模式融合的复杂场景特征面片提取 |
3.1 引言 |
3.2 经典视觉注意模式 |
3.2.1 Itti视觉注意模式 |
3.2.2 基于图的视觉注意模式 |
3.3 多视觉注意模式的加权特征关联与融合 |
3.3.1 无关联融合的视觉模式存在的问题 |
3.3.2 加权融合视觉模式的算法 |
3.3.3 加权特征关联与融合的视觉模式的算法 |
3.4 仿真与结果分析 |
3.4.1 视觉焦点区域比较 |
3.4.2 视觉完整性和鲁棒性 |
3.5 小结 |
第4章 复杂环境下基于边缘矩的双目摄像机标定 |
4.1 引言 |
4.2 显着活动轮廓的边缘提取 |
4.2.1 复杂环境下的直接提取边缘 |
4.2.2 基于显着窄带C-V模型的边缘提取 |
4.3 边缘矩与边缘仿射不变矩 |
4.2.1 边缘矩 |
4.2.2 仿射不变矩 |
4.2.3 边缘仿射不变矩 |
4.2.4 几种不变矩对比 |
4.4 基于边缘仿射矩的摄像机标定 |
4.3.1 异质双目摄像机标定 |
4.3.2 同质双目摄像机标定 |
4.5 仿真与结果分析 |
4.4.1 几种标定方法在正常照度下的测试数据 |
4.4.2 几种标定方法在复杂环境下的测试数据 |
4.6 小结 |
第5章 弱纹理下视觉伺服检测中的立体匹配方法 |
5.1 引言 |
5.2 经典的局部匹配方法 |
5.2.1 基于SIFT的局部匹配 |
5.2.2 基于SURF的局部匹配 |
5.2.3 基于归一化互相关系数的局部匹配 |
5.3 基于Meanshift弱纹理特征的局部匹配方法 |
5.3.1 基于Meanshift特征向量的局部匹配 |
5.3.2 基于Meanshift的弱纹理特征描述子 |
5.4 基于图割和MSWFD的深度图像获取 |
5.5 仿真与结果分析 |
5.5.1 不同局部匹配方法的图像匹配 |
5.5.2 无旋转下并联机器人深度图像 |
5.5.3 任意位姿下的深度图像 |
5.5.4 MSWFD在亮度变化下的鲁棒性 |
5.6 小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
附录 |
附录A 攻读博士学位期间取得的成果 |
附录B 攻读博士学位期间参与的项目 |
(4)信息熵在软件领域中的应用研究现状(论文提纲范文)
1引言 |
2软件领域中的熵概念及其应用 |
(1)熵与信息熵 |
(2)最大熵 |
(3)交叉熵 |
(4)最小叉熵 |
(5)模糊熵模糊熵有若干种定义。1968年,Zadeh[28 ]提出的模 |
(6)粗糙熵 |
3信息熵在软件领域中的国内外研究现状 |
(1)图像处理 |
(2 )模式识别与人工智能 |
(3)网络与信息安全 |
(4)数据挖掘 |
(5)其它方面 |
4现状分析及展望 |
(5)遥感图像黄河冰封期水体分析与应用研究(论文提纲范文)
摘要 |
Abstract |
目录 |
插图和附表清单 |
缩略语表 |
1 绪论 |
1.1 遥感影像分类的研究背景及意义 |
1.2 遥感影像自动拼接技术的研究背景及意义 |
1.3 遥感影像分类的国内外研究现状 |
1.4 遥感影像自动拼接技术的国内外研究现状 |
1.5 论文主要研究工作及结构安排 |
1.6 本章小结 |
2 研究区概述及遥感数据的概述 |
2.1 黄河乌拉特前旗黄河断面的地理位置 |
2.2 乌拉特前旗气候特征 |
2.3 数据简介 |
2.4 数据的获取与数据预处理 |
2.5 本章小结 |
3 遥感影像的最佳波段组合 |
3.1 最佳波段组合的方法概述 |
3.1.1 单波段的信息量比较 |
3.1.2 相关系数的计算 |
3.1.3 信息熵的计算 |
3.1.4 最佳指数(OIF)的计算 |
3.2 遥感影像最佳波段组合的提取与选择 |
3.2.1 畅流期(2011.11.10)多波段遥感影像分析 |
3.2.2 冰封期(2011.12.28)多波段遥感影像分析 |
3.3 原始图像及结果显示 |
3.4 本章小结 |
4 遥感图像分类技术 |
4.1 遥感影像分类的概论 |
4.1.1 分类的基本原理 |
4.1.2 分类的一般过程 |
4.2 非监督分类 |
4.2.1 K-means算法 |
4.2.2 ISODATA算法 |
4.2.3 非监督分类的优缺点 |
4.3 监督分类 |
4.3.1 最小距离法 |
4.3.2 最大似然法 |
4.3.3 监督分类的优缺点 |
4.4 实际应用 |
4.5 本章小结 |
5 遥感图像自动拼接技术 |
5.1 遥感图像自动拼接技术的概述 |
5.2 建立高斯差分金字塔尺度空间 |
5.3 确定特征点的位置 |
5.4 确定特征点的方向 |
5.5 生成特征点描述符 |
5.6 特征点匹配 |
5.7 拼接结果 |
5.8 本章小结 |
6 结论 |
7 展望 |
致谢 |
参考文献 |
作者简介 |
(6)基于图像绘制的柱面全景图生成方法研究(论文提纲范文)
摘要 |
Abstract |
插图索引 |
附表索引 |
第一章 绪论 |
1.1 基于图像的绘制的全景图像生成技术的研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文主要研究内容 |
1.4 本文的结构安排 |
第二章 柱面全景图生成理论基础 |
2.1 全景图生成的一般流程 |
2.2 图像的获取 |
2.3 图像的坐标系统与成像模型 |
2.4 图像预处理 |
2.5 柱面正投影和反投影算法 |
2.6 柱面全景图像匹配 |
2.7 图像变换的求解及优化 |
2.7.1 图像变换的求解 |
2.7.2 图像变换的优化 |
2.7.3 数据的重采样 |
2.8 柱面全景图像拼接 |
2.9 本章小结 |
第三章 基于SIFT算法的柱面全景图生成方法研究 |
3.1 引言 |
3.2 SIFT特征点匹配算法理论基础 |
3.2.1 尺度空间的极值检测 |
3.2.2 特征点的精确定位 |
3.2.3 特征点主方向的确定 |
3.2.4 特征描述算子的构造 |
3.2.5 特征点的匹配 |
3.2.6 特征误匹配点对的剔除 |
3.3 改进的SIFT算法 |
3.3.1 Walsh-Hadamard内核投影 |
3.3.2 改进的SIFT特征描述算子 |
3.4 实验结果及其分析 |
3.4.1 改进的SIFT图像匹配算法的实验结果及其分析 |
3.4.2 基于SIFT算法的全景图生成方法的实验结果及其分析 |
3.5 本章小结 |
第四章 基于SURF算法的柱面全景图生成方法研究 |
4.1 引言 |
4.2 SURF特征点匹配算法理论基础 |
4.2.1 积分函数理论 |
4.2.2 特征点尺度空间的建立 |
4.2.3 快速Hessian矩阵的极值检测 |
4.2.4 特征描述算子的构建 |
4.2.5 特征点的匹配 |
4.2.6 特征误匹配点对的剔除 |
4.3 基于FAST和SURF算法的图像特征匹配算法 |
4.3.1 FAST算法简介 |
4.3.2 基于FAST和SURF算法的图像匹配方法流程 |
4.4 实验结果及其分析 |
4.4.1 SURF算法的性能检测 |
4.4.2 基于SURF算法的全景图生成方法的实验结果及其分析 |
4.5 本章小结 |
总结与展望 |
1 本文总结 |
2 展望 |
参考文献 |
致谢 |
附录A 在读期间研究成果 |
发表的论文 |
(7)地形起伏对推扫式遥感立体成像影响的关键理论和技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 遥感立体成像技术发展与现状 |
1.2.1 遥感对地观测技术发展历程 |
1.2.2 遥感立体成像技术在月球探测中的应用 |
1.2.3 推扫式遥感立体成像技术发展现状 |
1.3 国内外研究现状与面临的不足 |
1.3.1 推扫式遥感立体成像技术研究热点及现状 |
1.3.2 当前研究不足与本课题的提出 |
1.4 课题及数据来源 |
1.5 论文组织结构与主要研究内容 |
第二章 推扫式遥感立体成像原理与数学模型 |
2.1 推扫式遥感立体成像基本原理 |
2.1.1 单线阵 CCD 推扫式遥感立体成像 |
2.1.2 三线阵 CCD 推扫式遥感立体成像 |
2.2 坐标系统及坐标转换 |
2.2.1 像方空间坐标系 |
2.2.2 物方空间坐标系 |
2.2.3 物方坐标系转换与计算 |
2.3 推扫式遥感立体成像数学模型综述 |
2.3.1 严格传感器成像模型 |
2.3.2 广义成像模型 |
2.4 本章小结 |
第三章 地形起伏对推扫式遥感立体成像影响研究与误差建模 |
3.1 地形起伏的数学表述与地形参数计算 |
3.1.1 三维地形模型数学定义 |
3.1.2 地形坡度计算 |
3.1.3 地形坡向计算 |
3.2 地形起伏引起的推扫式遥感立体成像几何畸变研究与分析 |
3.2.1 地形起伏引起的推扫遥感影像几何畸变研究 |
3.2.2 基于高斯合成曲面模型的推扫影像畸变计算与结果分析 |
3.2.3 基于 Chang’E-1 推扫遥感影像的验证分析 |
3.3 地形起伏对推扫式遥感立体成像影响的误差建模 |
3.3.1 地形起伏变化描述方法分析 |
3.3.2 严格传感器成像模型线性化 |
3.3.3 推扫式遥感立体成像下视成像误差模型建模与推导 |
3.3.4 单线阵 CCD 推扫式遥感立体成像前视和后视误差模型构建 |
3.3.5 三线阵 CCD 推扫式遥感立体成像前视和后视误差模型构建 |
3.4 误差计算与结果分析 |
3.4.1 实验条件与参数设置 |
3.4.2 推扫式遥感立体成像误差计算与结果分析 |
3.5 本章小结 |
第四章 全局加权凸集投影超分辨率重建算法研究与应用 |
4.1 超分辨率重建数学理论 |
4.1.1 超分辨率重建定义 |
4.1.2 超分辨率重建数学理论和观测模型 |
4.2 超分辨率重建算法综述与研究 |
4.2.1 MAP 超分辨率重建算法 |
4.2.2 POCS 超分辨率重建算法 |
4.3 地形起伏对推扫式遥感立体成像异视影像信息调制作用研究 |
4.4 基于熵权的全局加权 POCS 超分辨率重建算法研究与实现 |
4.4.1 全局熵权系数计算与归一化处理 |
4.4.2 运动参数估计与参考帧图像修正 |
4.4.3 加权约束凸集设计 |
4.4.4 加权松弛投影算子设计 |
4.4.5 全局加权 POCS 超分辨重建算法实现流程 |
4.5 “Chang’E-1”科学数据选择与提取研究 |
4.5.1 数据介绍 |
4.5.2 “Chang’E-1”CCD 立体相机数据研究与提取 |
4.5.3 “Chang’E-1”LAM 激光高程数据研究与提取 |
4.5.4 实验数据选择与数据预处理 |
4.6 实验结果与数据分析 |
4.6.1 实验结果数据 |
4.6.2 基于目视判读的主观评价 |
4.6.3 基于数理统计的客观评价 |
4.6.4 算法收敛性评价 |
4.7 本章小结 |
第五章 推扫式遥感立体成像仿真测试方法 |
5.1 推扫式遥感立体成像仿真测试方法 |
5.2 推扫式遥感立体成像仿真测试方法硬件实施方式 |
5.2.1 推扫式遥感立体成像仿真测试系统 |
5.2.2 高精度标准地形实体模型 |
5.2.3 重复性定位精度测试 |
5.3 推扫式遥感立体成像仿真测试方法软件实施方式 |
5.3.1 仿真遥感平台的轨道变化实现 |
5.3.2 仿真测试影像数据获取 |
5.4 Chang’E-1 异步推扫式遥感立体成像仿真 |
5.4.1 推扫式遥感立体成像光学系统参数计算 |
5.4.2 推扫式遥感立体成像推扫成像参数计算 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 下一步研究展望与建议 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)基于图像的虚拟场景绘制关键技术研究(论文提纲范文)
摘要 |
Abstract |
目录 |
1.绪论 |
1.1.课题研究的目的和意义 |
1.2.国内外研究现状及分析 |
1.2.1.图像拼接技术 |
1.2.2.基于图像的重光照技术 |
1.2.3.图像分辨率增强技术 |
1.3.课题来源 |
1.4.论文的主要研究内容 |
1.4.1.论文各章节的内容安排 |
1.4.2.论文的主要贡献 |
2.基于特征的图像拼接技术研究 |
2.1.引言 |
2.2.柱面全景图的生成 |
2.2.1.柱面正投影算法 |
2.2.2.柱面全景图生成流程 |
2.2.3.现有基于特征的图像拼接方法存在的问题 |
2.3.基于静态小波序贯特征匹配的图像拼接算法 |
2.3.1.静态小波分解 |
2.3.2.基于序贯检验的快速匹配 |
2.3.3.图像光照度调整 |
2.3.4.实验结果 |
2.4.基于圆投影和能量函数优化的图像拼接算法 |
2.4.1.圆投影特征提取方法 |
2.4.2.图像融合处理 |
2.4.3.实验及讨论 |
2.5.本章小结 |
3.基于图像的重光照技术研究 |
3.1.引言 |
3.2.相关研究中存在的问题 |
3.3.基于图像的重光照技术 |
3.3.1.朗伯反射模型 |
3.3.2.场景表面属性获取 |
3.3.3.新光照条件下图像生成 |
3.3.4.实验及讨论 |
3.4.本章小结 |
4.高分辨率场景生成技术研究 |
4.1.引言 |
4.2.基于单帧的图像分辨率增强算法 |
4.2.1.图像插值技术 |
4.2.2.基于熵变分的图像分辨率增强 |
4.2.3.实验及分析 |
4.3.基于多帧的图像超分辨率复原算法 |
4.3.1.正则化超分辨率复原方法 |
4.3.2.基于广义熵变分的超分辨率复原 |
4.3.3.实验及分析 |
4.4.本章小结 |
5.虚拟全景空间的构建及漫游 |
5.1.引言 |
5.2.全景空间关联实现 |
5.2.1.位置关联 |
5.2.2.时间关联 |
5.2.3.焦距关联 |
5.2.4.虚化关联 |
5.3.全景空间漫游策略 |
5.4.本章小结 |
6.总结和展望 |
6.1.本文工作总结 |
6.2.未来工作展望 |
致谢 |
参考文献 |
附录A:博士在读期间发表和在审的论文 |
(9)中国图像工程:2004(论文提纲范文)
1 引 言 |
(1) 概括我国图像工程发展现状 |
(2) 便利从事图像工程研究和图像技术应用的人员查阅有关文献 |
(3) 为期刊编者和文献作者提供有用的参考信息 |
2 刊物选取原则 |
3 文献选取和分类 |
4 文献分类统计结果和讨论 |
4.1 近10年图像工程文献选取和分类概况比较 |
4.2 2004年各刊图像工程文献刊载情况 |
4.3 2004年各刊图像工程文献详细分类情况 |
5 10年统计小结 |
5.1 10年各大类文献比例变化情况 |
5.2 10年各刊图像工程文献选取情况 |
5.3 10年各刊所载图像工程文献的详细分类情况 |
5.4 10年压缩编码和图像分割文献数量比较情况 |
6 前后两个5年的比较 |
7 结 论 |
附录:本文统计的文献分类一览 |
A:图像处理 (共235篇) |
A2:图像重建 (16篇) |
A3:图像变换、滤波、增强、恢复、校正 (77篇) |
A4:图像视频压缩编码 (49篇) |
A5:图像数字水印和信息隐藏 (57篇) |
B:图像分析 (共176篇) |
B2:目标表达、描述、测量 (19篇) |
B4:目标检测、提取、跟踪、识别、分类 (28篇) |
B5:人脸和器官的检测、定位与识别 (31篇) |
C:图像理解 (共76篇) |
C2:3-D表示、建模、场景恢复 (11篇) |
C3:图像感知、解释、推理 (2篇) |
C4:基于内容的图像和视频检索 (25篇) |
D:技术应用 (共142篇) |
D2:视频、通信 (25篇) |
D3:文档 (20篇) |
D4:生物、医学 (25篇) |
D5:遥感、雷达、测绘 (34篇) |
D6:其他 (22篇) |
E:综述评论 (共3篇) |
(10)图像配准中的几何特征不确定性建模及匹配方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 总体情况概述 |
1.2.2 基于特征的图像配准方法 |
1.2.3 几何特征不确定性和匹配方法研究现状 |
1.3 论文的主要工作和创新点 |
第2章 几何特征不确定性建模及相似度求解 |
2.1 特征不确定性建模 |
2.1.1 位置参数的不确定分析与建模 |
2.1.2 几何参数不确定性分析与建模 |
2.2 考虑不确定性的特征相似度求解 |
2.2.1 Vague 集的基本理论 |
2.2.2 特征之间相似度的计算 |
2.2.3 分析仿真 |
2.3 小结 |
第3章 考虑特征不确定性的点特征匹配方法 |
3.1 引言 |
3.2 角点特征提取 |
3.2.1 分形理论 |
3.2.2 边缘提取 |
3.2.3 边缘点显着性值计算 |
3.2.4 不变性分析 |
3.2.5 实验结果 |
3.2.6 结论 |
3.3 基于模糊集的角点特征匹配 |
3.3.1 特征不确定性建模 |
3.3.2 考虑不确定性的特征相似度计算 |
3.3.3 特征对应性求解 |
3.3.4 模型参数求解 |
3.3.5 实验结果 |
3.3.6 结论 |
3.4 小结 |
第4章 考虑特征不确定性的线特征匹配方法 |
4.1 引言 |
4.2 干线对的定义与提取方法 |
4.2.1 直线提取 |
4.2.2 直线不确定性建模 |
4.2.3 干线对的定义 |
4.2.4 干线对的提取方法 |
4.2.5 干线对不确定性建模 |
4.3 干线对匹配 |
4.3.1 寻找干线对所有可能的匹配情况 |
4.3.2 寻找一组相互兼容的最优干线对匹配子集 |
4.4 实验结果 |
4.4.1 整个匹配算法 |
4.4.2 实验结果 |
4.5 小结 |
第5章 考虑特征不确定性的多特征匹配 |
5.1 引言 |
5.2 区域仿射不变特征提取 |
5.2.1 仿射不变量的构造 |
5.2.2 特征矢量的性能评估 |
5.2.3 实验结果 |
5.2.4 结论 |
5.3 索引表的建立 |
5.3.1 索引表的设计 |
5.3.2 特征索引表的建立 |
5.4 利用索引表进行特征匹配 |
5.4.1 利用索引表进行干线对的匹配 |
5.4.2 融合干线对和区域的匹配结果 |
5.4.3 配准参数的求解 |
5.5 算法步骤及实验结果 |
5.5.1 图像匹配算法步骤 |
5.5.2 实验结果 |
5.5 结论 |
第6章 结论与展望 |
6.1 论文总结 |
6.2 未来研究展望 |
致谢 |
参考文献 |
作者攻读博士学位期间取得的学术成果 |
作者在学期间参与的科研任务 |
四、A new parallel algorithm for image matching based on entropy(论文参考文献)
- [1]基于深度学习的视觉SLAM闭环检测研究[D]. 郭韩磊. 华东交通大学, 2020
- [2]视频拼接的关键帧提取技术研究[D]. 张萝献. 广西师范大学, 2020(02)
- [3]复杂环境下视觉伺服检测方法及在并联机器人中的应用研究[D]. 窦易文. 东华大学, 2016(03)
- [4]信息熵在软件领域中的应用研究现状[J]. 姜茸,廖鸿志,杨明. 自动化技术与应用, 2015(04)
- [5]遥感图像黄河冰封期水体分析与应用研究[D]. 李景圆. 内蒙古农业大学, 2014(01)
- [6]基于图像绘制的柱面全景图生成方法研究[D]. 武玉建. 兰州理工大学, 2013(S1)
- [7]地形起伏对推扫式遥感立体成像影响的关键理论和技术研究[D]. 张召才. 天津大学, 2012(05)
- [8]基于图像的虚拟场景绘制关键技术研究[D]. 肖甫. 南京理工大学, 2007(01)
- [9]中国图像工程:2004[J]. 章毓晋. 中国图象图形学报, 2005(05)
- [10]图像配准中的几何特征不确定性建模及匹配方法研究[D]. 高峰. 国防科学技术大学, 2011(03)