声明
摘要
第一章 绪论
1.1 选题背景与研究意义
1.2 图像匹配算法研究概述
1.2.1 基于灰度信息的图像匹配算法
1.2.2 基于特征的图像匹配算法
1.3 基于特征点的图像匹配算法研究现状
1.3.1 尺度空间理论
1.3.2 特征点检测方法
1.3.3 特征点描述方法
1.4 本文的主要内容和组织结构
第二章 基于分数阶梯度算子的多尺度特征点检测
2.1 引言
2.2 一种基于分数阶梯度算子的非线性扩散滤波
2.2.1 非线性扩散滤波及其求解
2.2.2 一种基于分数阶梯度算子的传导函数
2.3 多尺度特征点检测
2.3.1 非线性尺度空间的构建
2.3.2 计算特征响应值和定位特征点
2.4 实验结果与分析
2.4.1 实验数据集和评价标准
2.4.2 两种非线性扩散滤波方法的比较
2.4.3 参数选择和特征点检测算法性能评价
2.5 小结
第三章 基于局部灰度序的二值描述子
3.1 引言
3.2 —种基于局部灰度序的二值描述子
3.2.1 经典二值描述子的不足
3.2.2 LIOB描述子的定义
3.2.3 学习采样点对的分布
3.3 实验结果与分析
3.3.1 实验数据集和评价标准
3.3.2 参数选择
3.3.3 描述子性能分析
3.3.4 分析不同学习方法对描述子性能的影响
3.4 小结
第四章 基于序列图像的三维重建
4.1 引言
4.2 相关基础理论
4.2.1 相机模型及成像原理
4.2.2 对极几何
4.2.3 基础矩阵和本质矩阵
4.3 基于SFM的两幅图像稀疏三维重建
4.3.1 特征点的匹配及基础矩阵的求解
4.3.2 恢复相机之间的运动参数
4.3.3 空间三维点的计算
4.3.4 集束调整
4.4 基于SFM的多幅图像稀疏三维重建
4.5 稀疏点云的后期处理
4.6 实验结果
4.6.1 两幅图像下的三维重建
4.6.2 多幅图像下的三维重建
4.7 小结
第五章 总结与展望
5.1 本文工作总结
5.2 未来工作展望
致谢
参考文献
作者在攻读硕士期间发表的论文