一种基于重采样和优化搜索的高斯模糊不变SIFT算子

目录

声明

第1 章引 言

1.1 课题来源

1.2 课题的研究背景

1.3 课题的研究意义

1.4 国内外研究现状

1.5 研究工作的内容及创新点

1.6 论文结构框架

第2 章图像匹配技术介绍及常见形变分类

2.1 匹配技术概述

2.2 匹配流程介绍

2.3 匹配方法分类及举例

2.3.1 基于图像灰度的匹配方法

2.3.2 基于图像特征的匹配方法

2.3.3 基于变换域的匹配方法

2.3.4 三种方法优缺点

2.4 图像形变的数学模型

2.4.1 空间几何变换

2.4.2 模糊变换

2.5 本章小结

第3章 SIFT算法理论与基于图像局部特征的目标识别

3.1 尺度空间理论

3.1.1 尺度空间的概念

3.1.2 尺度空间的构建

3.2 尺度空间关键点定位

3.2.1 DoG局部极值点

3.2.2 关键点精确定位

3.2.3 消除边缘响应

3.3 关键点方向确定

3.4 关键点的描述

3.5 特征点匹配

3.6 衍生算法举例以及介绍

3.6.1 PCA-SIFT算法

3.6.2 SURF算法

3.6.3 ASIFT算法

3.7 基于图像局部特征的目标识别

3.8 本章小结

第4 章基于形变空间重采样的高斯模糊不变算子

4.1 优化的高斯模糊

4.2 算法思路来源

4.3 形变空间重采样理论

4.3.1 遍历算法流程

4.4 基于降采样与爬山法的重采样空间遍历优化

4.4.1 图像降采样

4.4.2 爬山法

4.5 算法实现及其流程

4.6 本章小结

第5 章基于OpenCV 与GTK+平台的实验与分析

5.1 OpenCV 概述

5.2 GTK+概述

5.3 仿真平台搭建

5.4 实验与仿真结果分析

5.4.1 匹配效果对比

5.4.2 算法效率对比

5.4.3 高斯模糊参数识别效果

5.4.4 实际应用效果

5.5 本章小结

第6 章全文总结与展望

6.1 总结

6.2 展望

参考文献

致 谢