导读:本文包含了图像匹配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,阈值,纹理,算法,特征,植被,起重机。
图像匹配论文文献综述
苏文尧,黎佩馨,方向忠[1]（2019）在《一种位置关系约束的异源图像匹配算法设计》一文中研究指出为解决无人机植保过程中由于无光照或无信号造成的定位不准问题,文中介绍了一种基于红外与可见光图像匹配算法。该算法首先对可见光图像选取两处显着性区域,其次利用两区域的位置关系约束,生成将两区域包络的矩形作为模板,最后使用简化的协方差相关算法快速计算出定位坐标。实验表明,利用显着性区域位置关系的模板匹配比单个显着性区域匹配的鲁棒性更好,简化的协方差算法能够有效减少运算量。(本文来源于《信息技术》期刊2019年12期）
武玉坤,陈沅涛[2]（2019）在《应用超分辨率重建算法的图像匹配算法》一文中研究指出图像场景中提取特征数量较少,难以满足叁维重建对特征匹配的要求,为此提出基于超分辨率重建的特征提取算法。采用回归学习对低分辨率图像进行重建,对重建结果采用图像先验知识优化,获取较高分辨率图像,对高分辨率图像进行特征提取。实验结果表明,相较重建前图像平均提高6倍以上特征点数量,提高5倍以上匹配点数量,该算法能够提高提取特征点的数目,满足叁维重建等需要较多特征点的情况。(本文来源于《计算机工程与设计》期刊2019年12期）
厉彦福[3]（2019）在《基于SURF特征提取和Brute-Force搜索的图像匹配算法》一文中研究指出针对传统图像匹配算法面临的特征提取的信息较少,匹配成功率不高以及匹配速率较低等问题,提出基于SURF特征提取和Brute-Force搜索的图像匹配算法。利用SURF算法中的Hessian矩阵来获取图像中鲁棒性较好的突变点,并使用不同尺寸的滤波器同时处理尺寸空间多层图像的突变点,以此来提高匹配速率,最后采用Brute-Force搜索算法对图像特征点进行最佳匹配,以此来提高匹配成功率。实验表明,该算法在图像匹配效果和匹配效率方面都表现良好。(本文来源于《北京测绘》期刊2019年11期）
向海,胡晓兵,吴孟桦,李航[4]（2019）在《基于改进图像匹配算法的水电站门式起重机大车视觉定位系统》一文中研究指出针对当前水电站门式起重机控制方式的缺点和运行特点,提出一种基于改进图像匹配算法的视觉定位系统,采用CCD工业相机获取门式起重机运行过程中指定区域内的地面数据,利用改进图像匹配算法实时检测区域内停车标靶的状态和位置,分段控制门机的匀速、减速和停车。实验表明,该系统能够实现门式起重机的运动控制和定位控制。(本文来源于《起重运输机械》期刊2019年20期）
孙红,邢子正,张智勇,马旭颖,龙耀威[5]（2019）在《基于RGB-NIR图像匹配的作物光谱指数特征可视化分析》一文中研究指出归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°, 54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF, SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性叁个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示, RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R, G, B, NIR分量校正模型的R~2分别为0.78, 0.76, 0.74, 0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。(本文来源于《光谱学与光谱分析》期刊2019年11期）
文永革[6]（2019）在《基于SIFT与K-means聚类的多源图像匹配算法》一文中研究指出为进一步提升图像特征点定位准确性,提高图像特征匹配的精度与算法效率,并保持良好的旋转与尺度不变性,文章提出了一种基于SIFT特征点和K-means聚类的图像匹配优化算法,在SIFT特征点基础上,利用亚像素插值和辐射聚类模型对传统算法进行优化,提取更精确的特征点,进一步根据辐射模型中距聚类中心距离比率,计算对象点与聚类中心的相似性,避免了特异点对聚类中心计算产生的突变影响,提高了聚类计算的正确性及特征点正确率.实验证明,在保证旋转不变性与尺度不变性的前提下,本算法实现了在同等距离比率下较原算法的图像匹配精度有较明显提高.(本文来源于《绵阳师范学院学报》期刊2019年11期）
张贝贝,舒红,江万寿[7]（2019）在《Delaunay叁角网约束的Harris-SURF图像匹配算法》一文中研究指出Harris算法提取的角点定位精度高,但不具尺度不变性,SURF算法虽具有尺度不变性和旋转不变性,但提取的特征点并非视觉角点。针对此问题,该文提出一种Delaunay叁角网约束下的Harris-SURF图像匹配方法。首先,采取阈值评估策略对图像进行SURF粗匹配,利用RANSAC算法进行粗差剔除,得到的匹配点用于构建Delaunay叁角网;然后以相似叁角形作为约束,将其作为Harris特征点精匹配的限制区域,提高Harris点匹配的可靠性。实验表明,该算法具有匹配准确率高、鲁棒性较好等特点,对无人机影像的匹配效果明显优于其他算法。(本文来源于《地理与地理信息科学》期刊2019年06期）
严春满,郝有菲,张迪,陈佳辉[8]（2019）在《混合特征下最优阈值预测的图像匹配》一文中研究指出针对单一特征条件下图像匹配率较低,以及SIFT算法由于固定对比度阈值造成特征点数目提取不均的问题,提出一种混合特征下最优阈值预测的图像匹配算法。该算法首先采用SIFT算法提取图像特征点,然后利用纹理参数二阶矩自适应法得到最优阈值,并用描述性较强的纹理特征向量对SIFT匹配过程进行约束实现图像的匹配。实验结果表明,提出的算法根据图像灰度分布自适应选取对比度阈值,能够增强图像细节信息且使提取的特征点数量稳定,在匹配过程中引入纹理向量作为约束准则,避免了相似区域的误匹配,对光照和模糊图像有较好的鲁棒性。(本文来源于《计算机工程与科学》期刊2019年10期）
郭二军[9]（2019）在《云平台网络多重纹理图像匹配融合方法研究》一文中研究指出传统的图像匹配融合方法在匹配多重纹理图像时,很容易出现误差匹配,融合后的图像清晰度不高,轮廓不鲜明,针对上述问题,在云平台网络上研究了一种新的多重纹理图像匹配融合方法。首先,计算多重纹理图像的匹配代价,分析图像像素的相似度和特异性,构建动态规划路径,在不同网络结构下匹配多重纹理图像;然后,建立树状图对图像进行融合;最后,利用视察矫正方法将匹配融合得到的误差点消除。为验证该方法的工作效果,与传统匹配融合方法进行实验对比,结果表明,给出的方法能够清晰地得到像素点云,使融合后的图像轮廓鲜明,画质清晰,适用于图像重构。(本文来源于《现代电子技术》期刊2019年19期）
姜雪茸,魏威[10]（2019）在《CUDA技术在数字图像匹配中的应用》一文中研究指出数字图像匹配技术是数字处理领域中重要的环节,常运用于图像处理、计算机视觉、遥感数据分析。为提高图像匹配速度,本文提出了采用并发执行多个线程的适合于大规模、高速、通用计算任务的CUDA技术解决图像匹配问题的方法。阐述了CUDA的编程原理和开发方法,论述了图像匹配的基本原理,设计了图像匹配的相关算法。(本文来源于《现代信息科技》期刊2019年18期）
图像匹配论文开题报告
（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：
图像场景中提取特征数量较少,难以满足叁维重建对特征匹配的要求,为此提出基于超分辨率重建的特征提取算法。采用回归学习对低分辨率图像进行重建,对重建结果采用图像先验知识优化,获取较高分辨率图像,对高分辨率图像进行特征提取。实验结果表明,相较重建前图像平均提高6倍以上特征点数量,提高5倍以上匹配点数量,该算法能够提高提取特征点的数目,满足叁维重建等需要较多特征点的情况。
（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。
图像匹配论文参考文献
[1].苏文尧,黎佩馨,方向忠.一种位置关系约束的异源图像匹配算法设计[J].信息技术.2019
[2].武玉坤,陈沅涛.应用超分辨率重建算法的图像匹配算法[J].计算机工程与设计.2019
[3].厉彦福.基于SURF特征提取和Brute-Force搜索的图像匹配算法[J].北京测绘.2019
[4].向海,胡晓兵,吴孟桦,李航.基于改进图像匹配算法的水电站门式起重机大车视觉定位系统[J].起重运输机械.2019
[5].孙红,邢子正,张智勇,马旭颖,龙耀威.基于RGB-NIR图像匹配的作物光谱指数特征可视化分析[J].光谱学与光谱分析.2019
[6].文永革.基于SIFT与K-means聚类的多源图像匹配算法[J].绵阳师范学院学报.2019
[7].张贝贝,舒红,江万寿.Delaunay叁角网约束的Harris-SURF图像匹配算法[J].地理与地理信息科学.2019
[8].严春满,郝有菲,张迪,陈佳辉.混合特征下最优阈值预测的图像匹配[J].计算机工程与科学.2019
[9].郭二军.云平台网络多重纹理图像匹配融合方法研究[J].现代电子技术.2019
[10].姜雪茸,魏威.CUDA技术在数字图像匹配中的应用[J].现代信息科技.2019
论文知识图
