学位论文 > 优秀研究生学位论文题录展示
数字图像匹配技术研究
作 者: 卜凡艳
导 师: 檀结庆
学 校: 合肥工业大学
专 业: 计算机软件与理论
关键词: 尺度空间 图像金字塔 特征提取 插值方法 图像匹配
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 349次
引 用: 6次
阅 读: 论文下载
内容摘要
图像匹配技术属于人工智能范畴,是人类视觉认知的一种延伸。科学技术日新月异,尤其是伴随计算机技术的发展,图像匹配技术越来越多地应用到日常生活中。而尺度不变特征算法具有良好的尺度、旋转、光照不变特性,因此,该算法成为图像匹配技术研究的新热点并广泛应用于图像处理领域。本文围绕图像匹配技术展开研究,主要完成以下一些工作:首先,介绍数字图像处理的基本概念及应用领域,包括数字图像匹配技术的研究背景和意义。重点对数字图像匹配技术的基本概念做了相关论述。随后,引入尺度空间理论相关概念,阐述尺度空间的基本思想及金字塔算法。重点介绍高斯尺度空间的构造以及图像金字塔结构,并在此基础之上得到图像的多尺度表示。接着详细介绍图像匹配技术,引入尺度不变特征算法。尺度不变特征算子(SIFT算子)利用128维的特征描述向量来表征每个特征点,针对高维特征向量影响匹配速度的问题,本文在第四章介绍了高维数据降维的思想,并对几种经典的数据降维做详细介绍。此外,详细介绍插值技术并探讨了插值技术在图像处理方面的具体应用。最后,本文结合前述的高斯尺度空间、尺度不变特征算法、插值技术、模板匹配等方法提出了一种利用插值技术对特征描述向量做降维处理的方法,最终实现图像匹配,并通过实验验证了该方法的有效性。同时,结合实验数据对文中所提到的匹配方法进行了理论分析和评价。
|
全文目录
摘要 6-7 ABSTRACT 7-8 致谢 8-13 第一章 绪论 13-20 引言 13 1.1 数字图像处理相关技术 13-15 1.2 数字图像处理技术的应用领域和特点 15-16 1.2.1 数字图像处理技术的应用领域 15-16 1.2.2 数字图像处理的特点 16 1.3 图像匹配技术的背景和意义 16-17 1.4 图像匹配技术的基本概念 17-18 1.4.1 图像匹配的定义 17 1.4.2 图像匹配算法分类 17-18 1.4.3 基于特征的图像匹配技术 18 1.5 本文的工作和组织结构 18-20 第二章 尺度空间理论及图像的多尺度表示 20-26 引言 20 2.1 尺度空间理论 20-21 2.2 高斯尺度空间 21-22 2.2.1 高斯尺度空间的构造 21 2.2.2 高斯尺度空间的特点 21-22 2.3 图像的多尺度表示 22-25 2.3.1 金字塔算法 22-23 2.3.2 图像金字塔结构 23-25 2.4 本章小结 25-26 第三章 图像匹配技术及尺度不变特征算法 26-35 引言 26 3.1 图像匹配技术概述 26-27 3.2 匹配算法分类 27-29 3.2.1 基于灰度的图像匹配 27-28 3.2.2 基于图像金字塔的图像匹配 28-29 3.3 基于特征的图像匹配算法 29-31 3.3.1 图像特征 29-30 3.3.2 基于不变特征的图像匹配 30 3.3.3 基于尺度不变特征的图像匹配 30-31 3.4 尺度不变特征变换算法(SIFT 算法) 31-34 3.5 本章小结 34-35 第四章 数据降维技术和插值方法 35-46 引言 35 4.1 经典的高维数据降维算法 35-39 4.1.1 主成分分析(PCA 算法) 35-36 4.1.2 独立成分分析(ICA 算法) 36-37 4.1.3 变换聚类算法(MDS 算法) 37 4.1.4 局部线性嵌入算法(LLE 算法) 37-38 4.1.5 等距映射算法(ISOMAP 算法) 38-39 4.1.6 拉普拉斯特征映射算法(LE 算法) 39 4.2 插值方法 39-43 4.2.1 最邻近插值 40 4.2.2 线性插值 40 4.2.3 双线性插值 40-41 4.2.4 双三次插值 41-42 4.2.5 样条插值 42-43 4.3 插值技术相关应用 43-45 4.3.1 图像缩放 43-44 4.3.2 图像的修复与重建 44 4.3.3 医学图像的重建和可视化 44 4.3.4 数据降维 44-45 4.4 利用插值技术实现数据降维 45 4.5 本章小结 45-46 第五章 利用SIFT 算子和插值方法实现图像匹配 46-54 引言 46 5.1 利用 SIFT 算法和插值方法实现图像匹配 46-47 5.2 实现步骤 47 5.3 实验结果及实验分析 47-53 5.3.1 实验结果 47-53 5.3.2 实验分析 53 5.4 本章小结 53-54 第六章 总结与展望 54-56 6.1 总结 54-55 6.1.1 数字图像处理技术 54 6.1.2 本文主要完成的工作 54-55 6.2 展望 55-56 参考文献 56-60 攻读硕士学位期间完成的论文 60-61 攻读硕士学位期间参与的科研项目 61-62
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 红外图像匹配技术研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|