一、保持高斯映射的仿射形变（论文文献综述）
柳军[1]（2020）在《无序微观结构和动力学以及反常力学性质的关联研究》文中认为我们日常生活中会用到各种各样的材料,但是我们现在只对晶体材料的性质有不错的理解。晶体材料的力学性质可以很好的用弹性力学来描述,微观的原子层面的性质可以用量子力学来解释,原子层面以上还有经典力学、固体力学、统计力学等理论来描述他们的聚集性质,但是我们周围还存在着很多无序材料,比如玻璃、沥青、沙堆,对它们的研究虽然已经很多,可至今还没有形成普遍有效的研究范式。随着微纳加工能力的进步,最近还兴起了超材料设计这样一个方向,相比传统材料,超材料的基础结构一般是人为设计的,并且远大于原子尺度,当然最吸引人的是超材料往往具有以往传统材料没有的各种性质。本论文主要研究无序结构如何影响体系的动力学性质和材料的力学性质,在物理发现的指导下,我们还发现了一种给系统增加无序来设计负泊松比超材料的途径。第一章是背景介绍。我们首先会介绍两个和我们工作相关的无序系统研究方向,即玻璃化转变和Jamming转变。玻璃是一个典型的无序系统,它在从液体降温时会跨过结晶,粘度逐渐增大,最终变成固体的样子,这是一个明显区别于传统相变的过程。Jamming转变问题则来自于颗粒体系的无序密堆积。然后我们会介绍一下超材料特别是负泊松比超材料领域。第二章是无序体系和弹性力学理论方面相关的讨论。我们首先会总结一下弹性力学理论,然后引出弹性力学理论在无序系统中的适用问题,介绍一些涉及弹性理论的无序系统研究工作。第三章介绍我们在弹簧网络系统上,通过添加各种无序来实现和设计负泊松比结构。我们出乎意料地发现给三角晶格弹簧网络添加特定方式的无序可以反常地改变体系的体弹和剪切模量,实现负的泊松比;通过研究弹簧属性和力学性质的关联,我们发现了弹簧长度对不同模量显着不同的贡献;并以此为依据发现了更加灵活、有效的负泊松比结构设计方案。第四章我们利用表征体系无序度的序参量Ψ来研究受限体系动力学空间差异性。该序参量是在零温位形下定义的,可以用来预测在不太高的温度下位形中粒子的运动能力。我们发现在有边界的情况下,Ψ的空间分布与过冷液体的动力学驰豫相关,从而提供了又一个证据表明过冷液体的动力学行为可以由零温位形的性质来预测。我们同时发现,Ψ的空间分布呈现出标度行为,表明Jamming转变具有临界性。第五章我们会对论文的工作进行总结并对未来工作做一下展望。
王杨[2]（2020）在《基于迭代回归的2D/3D多模态医学图像配准》文中指出影像导航手术（Image-guided surgery,IGS）通过可视化增加手术视野,以减小组织损伤风险,提升病灶定位的准确性和靶向性。它需要在术前获取患者三维（three-Dimention,3D）图像,在术中获取患者二维（two-Dimention,2D）图像,三维医学图像可以提供空间位置信息,从而确定病灶位置规划手术过程,二维图像能够提供术中实时信息,以便对手术器械实时跟踪和调整空间位置。因此IGS技术的关键是寻求术前三维图像与术中二维图像空间位置的变换关系,即2D/3D图像配准。在IGS系统中,配准是在整个治疗过程中保持的,因此提高图像配准的精度、实时性和鲁棒性是当前研究中需要解决的问题。2D/3D配准可以抽象为一个优化问题,包含相似性测度函数设计和优化策略选择。本文主要根据不同图像信息对配准的准确性、时效性、鲁棒性的影响开展对2D/3D配准算法的研究,着重研究基于灰度信息和特征信息来设计相似性测度函数,并提出改进算法。本文所提出的算法,均采用迭代优化方法。具体研究工作如下:（1）研究基于灰度的2D/3D医学图像配准算法,并实现基于归一化互相关的配准。针对归一化互相关算法信息单一、收敛域较小的问题,引入高斯拉普拉斯二阶微分算子作为新的相似性测度,增加边缘信息和内部细节信息;针对归一化互相关算法效率低下的问题,引入多分辨率策略,从而提高配准精度和效率。（2）针对归一化互相关算法的问题,引入Sobel一阶微分算子作为新的相似性测度,增加梯度方向夹角信息,从而增加旋转敏感度,并且使用多分辨率策略,最终达到提高配准精度、配准效率以及增大收敛域的目的。（3）研究基于特征的2D/3D医学图像配准算法,采用梯度方向直方图提取统计信息作为特征,并实现基于梯度方向加权直方图的2D/3D配准。针对梯度方向加权直方图仅适用于前景小背景大的图像配准,且对平移变换不敏感的问题,提出梯度方向加权空间直方图作为新的相似性测度,采用梯度方向的二维空间直方图提取统计特征,打破算法局限性,保证精度的前提下拓宽适用场景。本文提出的算法在CT和合成X光图像上进行实验,并且与现有算法做了对比,结果显示本文提出的算法能够提高精度和效率,而且减弱了初值敏感性。
朱成德[3]（2020）在《ORB算法在图像匹配中的研究与应用》文中进行了进一步梳理图像匹配作为对两幅或多幅图像相似性或一致性检测的分析方法,在人脸识别、目标跟踪、视觉导航、图像拼接及检索等领域具有较为广泛的应用。在不同变换程度的图像匹配中,图像匹配算法的运行时间和计算效率对匹配质量的好坏有着决定性的作用,而图像匹配是图像拼接领域一个重要的图像处理技术,决定着图像拼接质量。然而,传统的匹配算法存在着运行时间长、提取匹配点正确率低等问题。为了解决图像匹配算法中常见的匹配正确率低、耗时长等问题,本文提出一种基于改进的网格运动统计特征（RANSAC-GMS）图像匹配算法,该算法提高了图像匹配正确率,加快了匹配运行时间;针对图像拼接融合中出现的鬼影和重影等问题,将本文所提图像匹配算法应用在图像拼接领域上,提出了一种RANSAC-GMS匹配方法结合改进的最佳缝合线图像拼接算法,所提算法能够很好的消除图像拼接融合中产生的重影和裂缝等问题,实现了图像拼接运行时间快、效率高等优势,保证了图像拼接效果的稳定性。本文研究工作如下:首先,详细讨论了图像匹配的发展现状,对图像匹配所涉及的角点提取、特征点描述、匹配点提纯等原理及优缺点作了较为广泛的概述,其中着重讨论了SIFT图像匹配算法、SURF图像匹配算法和ORB图像匹配算法等一些常见的图像匹配算法;对于图像匹配过程中匹配点的提纯,列举了常见的k-d树和BBF方法以及RANSAC算法,为本文后续提出的改进图像匹配算法及应用作了很好的理论支撑。其次,针对SIFT算法出现匹配时间长、正确率低等问题,本文提出了一种建立网格运动统计特征模型结合改进的随机抽样一致性方法图像匹配算法。该算法利用快速旋转不变性特征（ORB）算法对图像进行预匹配,对预匹配的特征点采用网格运动统计（GMS）支持估计量实现正确匹配点与错误匹配点的区分;然后,采用改进的随机抽样一致性（RANSAC）算法,通过匹配点间的距离相似性对特征点进行筛选,并采用评价函数对筛选后的新数据集进行重新整理,进而完成对误匹配点的剔除,实现了图像匹配精度的进一步提高。最后,将本文提出的图像匹配算法应用到图像拼接领域,针对传统图像拼接融合部分出现鬼影和重影等问题,本文提出一种网格运动统计特征模型结合改进的最佳缝合线图像拼接算法。该拼接算法采用本文所提的改进GMS-RANSAC图像匹配算法进行特征点的提取,完成图像匹配过程;随后采用最佳缝合线,根据图像重复的局部区域划分出最佳缝合线,在拼接线附近采用改进的加权平均融合算法进行裂隙平滑过渡,完成图像拼接。在图像纹理较多、缩放/旋转等变换程度不同的图像场景中,本文拼接算法相较于ORB算法、SIFT算法、GMS算法计算时间和拼接效率都有更好的表现,能够满足图像拼接的要求。
张正瑞[4]（2019）在《基于稀疏约束的心脏运动估计方法研究》文中认为心血管疾病已成为严重威胁人类生命健康的头号疾病。计算机技术与医学影像学的相互渗透,使得人们对心脏组织结构实现了跨越式的探索。磁共振（MR）具有极好的组织分辨能力,并且不需要注射对比剂,能直接作横断面、冠状面、矢状面,以及任何方向的斜切面等的断层扫描,同时具有非常好的空间分辨率,可以更加准确的观察心脏结构的变化特征。通过研究MR图像可以很好的描述心脏图像序列中感兴趣区域、边缘和轮廓线等的时空运动状态,心脏运动估计的本质就是从心脏图像序列中检测出目标之间的位移信息。图像配准是心脏运动估计的重要技术,利用空间形变模型估计心脏在连续时间点之间的位移,描述心脏解剖结构随时间变化的运动轨迹,从而精确地描述一个运动周期的心脏运动模型。利用心脏图像的配准技术可以估计左心室心肌层的运动轨迹,并且能对运动周期中不同时间相位对应图像的感兴趣区域和形状的实时变化进行跟踪,提供临床诊断参数,辅助医生诊断。本文针对MR心脏成像,研究了稀疏约束的左心室运动估计方法。针对图像配准方法存在的问题,将稀疏约束引入到形变模型中,增强形变模型的鲁棒性。进一步,将稀疏约束的形变模型与图像配准中常见的点对应关系估计、点集匹配相结合,进而解决点对误匹配、形变场拓扑不保持等问题,从而改进左心室运动估计的精度。本文的研究成果如下:（1）提出了一种稀疏约束的多紧支撑径向基形变模型。在图像配准中点对应关系中不可避免地存在点的空间位置误差,这就要求形变模型具有较强的鲁棒性,既在存在对应关系误差的情况下,能较准确地估计形变场。在形变模型中引入了L1范数约束项,使用L1范数约束弹性形变系数,通过L1范数的稀疏性,抑制离群点的干扰,同时在多紧支撑径向基函数中选择每个控制点的最佳紧支撑径向基函数,从而提高形变模型的鲁棒性。进一步,基于可再生核希尔伯特空间,本文对多紧支撑径向基形变模型的扭曲能量进行了分析,给出了多紧支撑径向基形变模型的扭曲能量约束项形式,可以有效的保持形变场的平滑性。最后,本文将稀疏约束的多紧支撑径向基形变模型与鲁棒性点集匹配算法相结合,可以同时估计点集之间的对应关系和形变函数,从而实现图像的自动配准,并可用于估计左心室的动态变化。（2）提出了一种多层次可形变图匹配的左心室运动估计方法。针对大多数传统图匹配算法不适用于大形变的应用环境,本文将图匹配算法与稀疏约束的单紧支撑径向基形变模型相结合,利用图匹配算法提供左心室心肌层轮廓点集之间的对应关系,进而利用得到的点集之间的对应关系估计形变函数,以抑制误匹配点对,原点集又可以被形变函数映射为一个新的点集,利用图匹配算法又可以在新的点集之间估计对应关系。通过图匹配算法与形变模型估计不断的交替迭代,可以得到稳定的对应关系和形变模型,从而估计左心室的运动变化。同时采用了一种自底向上交替执行图匹配算法和估计形变函数的多层框架,利用该多层框架,自底层逐渐迭代到顶层可以获得高精度的匹配结果,进而提高左心室运动估计的准确性。（3）利用心肌壁的曲面结构特征来描述点特征,提出了一种稀疏约束的左心室曲面结构匹配算法。将左心室曲面特征引入到高斯混合模型中,提出了一个结合了曲面结构特征和稀疏约束的多紧支撑径向基形变模型的目标函数,详细推导了其求解模型。该方法利用稀疏约束的多紧支撑径向基形变模型代替传统的薄板样条形变模型,不但可以有效抑制离群点的影响,并且更好的同时满足复杂形变的要求,实现了稀疏约束在点集匹配问题中的应用,从而可以有效估计左心室的位移场。（4）在多个心脏MR公测数据集上测试了本文方法的有效性,实验结果表明本文方法可以有效估计左心室的运动场。利用估计的运动场,可以对给定时间的分割结果进行映射,得到不同时间的分割结果,进而对左心室的功能进行测量,例如射血分数、腔体容积等;另一方面,利用估计的运动场,可以计算左心室心肌层的应变系数,为临床诊断治疗提供辅助参数。
周扬[5]（2019）在《缆索表面图像拼接与多视图重建研究》文中进行了进一步梳理近年来桥梁缆索的非人工检测方式发展迅速,以爬升机器人图像采集为基础的方式因其成本低廉、维修方便、装配简单以及安全系数高于人工检测等优点而受到了关注,由此带来的相关图像处理等问题直接关系着检测的效果。本文对缆索表面图像的相关处理进行研究,基于计算机视觉的相关算法对用于检测的数据信息进行分析与综合,提高机器人所采集信息的有效性和可利用率。设计了对机器人获取的缆索表面PE层图像预处理的算法。结合具体的应用场景,采用三层滤波算法,并设置合理参数对矫正后的图像进行降噪处理,提升初始数据的信噪比。根据单应矩阵适用条件,以单帧双三次插值算法为基础,针对具体的邻域情况修改权值函数,对去除背景的缆索区域图像采取非比例缩放的超分辨率重建,能够较好的去除块效应并保证清晰度。提出了一种基于改进型拉普拉斯融合的图像拼接算法。基于缆索图像采集过程中帧间位置关系特点,结合六种算法的对比分析,采用A-SIFT（Affine-SIFT）算法提取抗仿射形变的特征,该算法能够保证图像配准阶段在低重合度等情况下的稳定性和准确率。针对于融合阶段拉普拉斯金字塔算法的常规融合规则导致的局部区域光度突变问题,引入双向过渡距离权重图进行改进,提升了融合效果并保证了边缘特征信息的清晰度。设计了结合缆索几何结构特征的多视图重建算法。针对光束法平差优化相机参数和稀疏点云的过程中出现的空间结构与实际相差较大的问题,基于三角化测量不确定性分析,采用结合几何结构的深度初始估计作为优化初值,减小了用于光束法平差优化的初始数据误差,提高了稀疏点云位置估计的准确率,并采用基于patch扩散算法和泊松曲面重建算法完成了结构致密的重建,相对于原始数据提升了信息维度。
杨蕊[6]（2019）在《动态序列遥感图像超分辨率重建技术研究》文中进行了进一步梳理在遥感卫星不断小型化商业化的进程中,应用信息处理技术提高动态序列遥感数据的分辨率是十分具有实用意义和研究价值的。因此遥感图像超分辨重建技术受到了广泛注意,并且近些年有了很多研究进展。超分辨技术中序列重建算法是遥感图像的主流研究内容,再加上近几年机器学习的热潮使基于学习的超分辨算法也有了一定的发展。论文主要针对动态序列遥感图像,系统地分析了其分辨率放大极限、预处理算法、在超分辨算法中的特性以及评价标准和分辨率放大倍数（RM）估算方法,并结合重建和学习算法对其进行全面研究。论文首先说明了课题背景和研究意义,调研了国内外研究现状,并总结了动态序列遥感图像超分辨重建技术的发展趋势;而后阐述了遥感图像成像和退化过程,论述了图像超分辨重建的理论依据,分别分析了基于重建和学习的超分辨算法对序列遥感图像的适用性,总结了超分辨图像质量评价标准,改进了基于目标识别的分辨率放大倍数估算方法;接着就遥感图像放大极限进行了分析计算,明确了低分辨率（LR）图像数量、质量和亚像素位移的选择方法;随后针对质量较差的遥感图像研究了预处理去噪方法,并详细分析了重建和去噪顺序问题;接着总结了亚像素点检测方法,提出了可以还原更多真实高频信息的平均覆盖配准插值方法,并针对亮度差异大的匹配问题,提出了多亮度图层匹配方法;最后分析了超分辨重建各个部分对最终结果的影响,提出了结合重建算法和学习算法的超分辨方法。针对这些研究内容提出创新成果主要包含:1.改进基于目标识别的RM估计方法,根据遥感图像中多出现大量密集的建筑物,而不同分辨率可分辨的建筑物数量不同的特点,采用双边边缘提取算法检测出具有闭合曲线的建筑物,根据超分辨后与LR图像提取建筑物的数量之比来估计RM值。2.在超分辨重建放大极限扰动理论基础上加入遥感图像的特性参数,计算出真实遥感图像的放大极限;提出一种根据噪声和图像梯度选择合适LR图像数量的方法,并制作出表格,可供研究者方便查表选择数量;针对真实遥感图像,改进了无参考图像信噪比算法,再利用信噪比这一参数判断LR图像质量;通过分析动态序列遥感图像帧间关系,明确了选取满足亚像素位移的LR图像方法。3.通过改进BM3D算法,得到自估计块匹配3D滤波去噪算法（SE-BM3D）,用于对不满足质量要求的LR遥感图像进行预处理去噪。此算法在相似块全局去噪BM3D的基础上加上更符合遥感图像的模式噪声和高斯噪声复合噪声模型,利用遥感图像内的均匀背景自估计噪声功率密度谱,增加了去噪准确度,以保留更多信息细节。实验证明SE-BM3D算法可有效将LR图像的SNR值提高到符合超分辨重建要求,并且比常用的去噪方法更能保持细节特性,作为预处理去噪算法得到了更清晰的超分辨结果。针对没有均匀背景和噪声较大去噪后不能达到LR图像要求的图像进行了详细分析,解决了这一类图像去噪和重建顺序的问题,提出了根据LR图像内容量（梯度值）和噪声标准差选择超分辨重建策略的方法,为后续重建提出框架。4.提出平均覆盖插值算法和改善亮度差异影响的序列图像匹配方法,根据遥感图像成像过程,平均覆盖插值算法不仅考虑到降采样,还考虑到模糊和积分的降质影响,通过降质逆过程,而非简单的上采样进行序列图像插值,由此得到的初始图像可以还原更多真实的高频信息。提出改善亮度差异影响的图像匹配方法,此算法的思想是对比度拉伸函数可以扩展亮度空间,从而覆盖住亮度变化。算法首先建立可以兼容其它特征点匹配算法的亮度图层,并推导出离散图层匹配准则,而后在匹配的图层上,结合FAST和改进的SURF算法快速检测、描述特征点,最后适用优先级Hamming距离匹配方法结合传统的Lowe算法在保证精确度的同时节约了匹配时间。实验结果证明,本文算法在亮度变化下的匹配效果好于现有的OSID、IRFET、SIFT、SURF算法,并且具有旋转、尺度不变性。5.提出基于动态序列图像的交叉验证并行超分辨重建方法,算法根据成像系统几何模型和成像姿态角这一已知信息得到更准确的各向异性模糊矩阵,提高退化模型精度。并通过分析模糊核形状及其标准差、匹配矩阵和先验参数对超分结果的影响,发现它们并不是相互独立作用于最终结果的,需要在各个估计尽量准确的同时,解决参数间的配合问题。因此论文引入交叉验证思想,提出了交叉验证并行优化超分辨算法,对先验参数、HR图像、匹配矩阵和模糊核标准差同时优化并不断交叉验证,不仅补偿了多由成像系统固有噪声引起的全局匹配误差,包容了各参数初始值的估计不准确,并且加强了参数间的配合,得到了更清晰的高分辨图像。通过模拟图片实验和真实遥感图像实验结果表明,本文算法可以有效提高动态序列遥感图像清晰度,对分辨率放大倍率亦有了较高的提升,除了具有针对性的各向异性模糊估计,算法对其他类型的图片亦具有普适性。
刘晨[7]（2019）在《基于自由形变模型和多尺度特征的医学图像配准算法研究》文中认为随着医学成像技术突飞猛进的发展,不断涌现出各异的医学图像。由于不同图像的来源之间存在的各种各样的差异,或者不同时间采集图像导致的环境变化,使得研究者很难把图像准确而且完整的综合起来进行处理。要得到全面完整的图像信息,就需要用图像配准技术,将两幅或者多幅在不同采集设备,不同采集时间或者不同采集角度等条件下取得的图像进行匹配。当前国内外图像配准技术在刚性配准领域已经较为成熟,但由于人体器官因肌肉收缩等导致的非线性变化,使得非刚性医学图像配准技术在临床医疗上更为关键。当前非刚性医学配准已经成为国内外数字图像处理的热点。本文在研究了医学图像配准当前的国内外现状和技术成果的基础上,对图像配准的基本框架和数学描述进行了学习,深入研究了其关键技术,包括空间变换、插值算法、相似性测度、优化算法等,并对各个技术的常用算法进行了分类总结。针对非刚性医学图像配准问题做了以下工作:1.针对易发生局部形变的人体组织的医学图像,提出基于B样条的自由形变模型配准算法,并进行实验分析,发现其虽然对局部形变可以很好的拟合,但对于全局较大的仿射变换不能实现较好的配准,易出现配准失败。针对这一问题,本文进一步提出结合SIFT特征匹配与VDSR超分辨率重建的配准算法,首先利用SIFT方法对参考图像和浮动图像进行特征点提取,通过仿射变换进行第一步图像的粗匹配,然后将粗匹配后的图像进行多尺度变换,得到的低尺度图像作为B样条配准方法的输入进行局部拟合,最后经过超分辨率重建得到原尺度的配准图像。经过多次实验证明了此方法不仅提高了配准精度和鲁棒性,并且在配准效率上也有明显提升。2.搭建医学图像配准算法的测试与评价平台。平台不仅包含了多种算法的图像配准实验以及多种对配准结果的评价方法,并将结果以直观的图形形式进行展示,还包含了对图像的简单预处理操作,在执行配准算法之前,可以手动对待配准图像进行缩放、旋转、投影等操作。医学图像配准平台的搭建,提高了实验的执行效率,降低了实验的复杂度,实验结果的准确有效性也能够保障。
张新宇[8]（2019）在《大型特种车辆全景视频成像系统设计》文中研究表明随着汽车保有量的增加,全景视频成像辅助驾驶系统有着越来越多的需求。近年来,随着微电子的快速发展,低功耗的嵌入式视频处理芯片越发成熟,使得车辆具备了实现全景视频成像的前提条件。全景视频成像系统能够提供给驾驶员车辆四周的鸟瞰全景图像,从而可以消除视觉盲区,提高驾驶员驾驶的安全性,降低驾驶员的驾驶难度。相比于家用小型车辆,大型特种车辆车体更大,由此产生的盲区范围也更大,在经过一些狭小路况及出入洞库等情况时驾驶难度更高,因此大型特种车辆对全景视频成像辅助驾驶系统有着更迫切的需求。本文对大型特种车辆全景视频成像系统的关键算法进行了研究,对比了SIFT、SURF、ORB等图像配准算法,并在SIFT中引入距离权值,采用加权最小二乘方法提高了算法对于模糊区域的稳定性。使用OcamCalib实现了大广角鱼眼摄像头畸变校正,使用直接线性变换实现了图像的鸟瞰变换,使用线性融合方法实现了图像的快速融合,最终得到车辆周围全景俯视图。本文还进行了大型特种车辆全景视频成像系统的总体及软件设计,包括:进行了大型特种车辆全景视频成像系统总体设计,确定了使用双DSP和双FPGA作为的主控制芯片的嵌入式系统架构;完成了FPGA软件设计,实现了10路1080P摄像头SDI视频输入和图像颜色空间转换;完成了DSP软件设计,实现了图像的鸟瞰变换、改进的SIFT图像配准、图像融合等处理。最终实现了车辆本体周围360°,5米距离范围内鸟瞰全景视频图像显示功能,消除了大型特种车辆驾驶员视野盲区,降低了驾驶员驾驶难度,提高了行车的安全性。
王浩[9]（2018）在《基于空间一致性的目标匹配与检测算法研究》文中研究表明目标匹配是计算机视觉与模式识别领域的基本问题,目的是要从两幅或者多幅图像中发现一个目标的不同实例并建立它们之间的对应关系。图像识别,图像修复,目标跟踪,三维重建和行为检测等计算机视觉工作都依赖于准确的目标匹配。标准的目标匹配问题包含两个关键的步骤:特征的匹配与空间一致性测量。它们或分开进行或同时进行。空间一致性测量需要在目标间建立一个映射模型,并根据图像特征预测出模型的参数。虽然该技术可以在一定程度上提高特征匹配的性能,但是受自然图像中光照变化、噪声、离群点、少纹理和目标形变等因素的影响,传统的空间一致性测量方法对于特征匹配的性能提升仍然不能满足实际的需求。因此,研究高效并且鲁棒性更强的空间一致性测量算法具有重要的科研价值与实用价值。本文主要研究基于空间一致性的成对图像和一副图像内部的目标匹配问题。对于后者,本文关注一个更为复杂的情况——重复目标检测。本文利用模型相关性来优化线性匹配算法,使其可以从大尺度几何变换空间中发现最优的变换模型,以实现成对目标的匹配。对于重复目标检测,建立了基于模式对齐的匹配传播算法,解决了多重目标的匹配问题。具体的研究工作简述如下:首先,提出了基于残差一致性驱动的成对图像线性匹配算法（RDLM）。在目标匹配系统中,需要同时求解几何变换模型与对应关系的问题是非线性的。由于线性规划是一种简单有效的目标匹配建模方法并且可以处理大规模的匹配问题,因此本文将非线性的二次匹配问题转化为线性规划问题。现有的线性匹配方法通常使用低阶变换来对线性模型进行人工初始化。为了处理具有复杂形变的图像目标,RDLM算法对现有的线性匹配方法进行了扩展,在匹配模型中引入了高阶的几何变换,并实现了对线性模型的自动初始化。通过观察内点子集生成的变换模型,发现其行为具有一定的相关性,该相关性被称为残差一致性（Residual Consensus）。据此,提出一种基于残差一致性的鲁棒估计算法,将复杂的线性变换问题投影到更小的子空间中,进而通过线性规划实现目标函数的高效优化。利用合成数据集和真实数据集进行实验,实验结果证明了RDLM算法的有效性和鲁棒性。其次,提出了基于匹配传播的重复目标耦合检测与分割算法（CpdDSR）。重复目标又称为重复模式,是一种高层图像结构并广泛存在于自然和人工环境中。对真实图像中多种类型的重复模式进行自动、鲁棒的检测仍然是个难点。相对于成对图像匹配,重复模式的检测问题需要解决少纹理、噪声敏感性强、多重目标形变和模板未知等一系列问题。提出的CpdDSR算法很好地解决了这些问题。该算法在模式的迭代增长过程中进行多层联合对齐,以实现模式间的空间一致性。对齐优化的目的是为了最小化由李群（Lie Group）和高斯混合模型（Gaussian Mixtures）描述的光度和几何变化。采用混合优化算法求解该最小化问题,避免了算法陷入局部最优解。在多层分割过程中,利用一种区域增长策略迭代地检测出完整的重复性结构。第一步通过模式匹配技术检测出形变的模式。第二步对检测出来的图像块进行多层联合对齐,进而提升了匹配性能。CpdDSR算法在PSU-NRT和Symmetry Detection数据集上对该算法进行了实验。实验结果表明,相较与其他的重复模式检测算法,CpdDSR算法表现出了显着的性能提升。最后,在基于匹配传播的重复目标耦合检测与分割框架基础上,考虑到泛函映射（Functional Map）模型的优点,研究了利用泛函映射模型将分割信息嵌入到重复模式对齐问题中。提出一致性泛函映射传播算法（CFMP）,该算法将泛函映射模型扩展成动态传播方式。通过这种方式,模式检测每次向外扩展时只对距离最近的模式进行匹配对齐,可将光度性和几何性变化的影响降至最低。传播模型的建立需要迭代地进行两步操作:第一步对局部区域的模式进行对齐,在此过程中分割函数在模式间进行转移。模式对齐操作可看成基于L21范数的优化问题。第二步利用Mean-Shift算法对转移得到的分割函数进行融合,进而更新分割模板。该算法在PSU-NRT和Symmetry Detection数据集上进行了实验。实验结果表明,CFMP算法的检测准确率优于目前已发表文献中报告的最好结果。虽然CFMP算法的检测速率略低于本文提出的CpdDSR算法,但是其检测性能较CpdDSR算法具有一定的提升,适合对精度要求更高的计算机视觉系统。
张松松[10]（2018）在《多模态视频流的配准算法设计与实现》文中研究表明为了使无人机克服夜间、雨雾等恶劣天气或目标伪装等场景造成的误判,达到全天候监控的目的,实现“配准、融合、识别跟踪”的一体化目标,本文结合可见光和红外两种模态的图像或视频进行处理分析,并完成了较为关键的多模态视频流的配准过程。本文的主要内容包括多模态图像配准和多模态视频流配准的算法实现以及在无人机系统上的验证结果。本文的主要创新点和主要贡献包括以下三点:（1）提出并实现“DCE+LSS”的高精度多模态图像配准算法。研究分析在静态图像上提取目标轮廓的DCE演化算法,并对演化过程的终止条件进行改进,达到自动终止演化的效果。利用DCE演化得到的轮廓,采用全新的LSS特征描述子对每个轮廓点进行20?4维向量的描述,并将LSS描述子转化到对数极坐标中进行表示,以增强描述子对图像局部形变的容忍性,完成多模态图像的配准。（2）提出并实现结合时间、空间信息的视频前景提取算法。在“DCE+LSS”的多模态图像配准算法的基础上,深入分析多模态视频流帧间的相关性,利用基于目标运动的背景建模方法提取多模态视频流中的目标（本文中记为前景）。该算法在本文中记为背景特征法（Background Features-method,BFs-method）,该算法不仅改善了单独使用LBSP的背景建模算法造成的前景含有“空洞”的缺陷,还在一定程度上解决了目标前景提取过程中的“鬼影”现象。（3）实现无人机上多模态视频流的配准及优化。在BFs-method算法得到前景的基础上,进行多模态视频流的配准。首先对前景中的轮廓点进行基于像素级别的形状上下文描述,然后引入卡方检测和匈牙利算法,得到一个临时的全局配对点集合,本文改进了视频配准过程中缓冲池里匹配点对先进先出的更新策略,建立了全新的打分机制,对缓冲池中的匹配点对进行打分,由得分结果决定缓冲池中点对的更新,同时利用最小错误覆盖率逐步优化单应性变化矩阵,最终得到全局最优单应性变化矩阵,完成多模态视频流的配准。
二、保持高斯映射的仿射形变（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、保持高斯映射的仿射形变（论文提纲范文）
（1）无序微观结构和动力学以及反常力学性质的关联研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 玻璃化转变 |
| 1.2.1 弛豫时间 |
| 1.2.2 玻璃化转变 |
| 1.2.3 Adam-Gibbs模型 |
| 1.2.4 势能图景模型 |
| 1.3 Jamming转变 |
| 1.3.1 无序固体 |
| 1.3.2 Jamming现象 |
| 1.3.3 Jamming相图 |
| 1.3.4 数值模型 |
| 1.3.5 Jamming转变临界点(点J) |
| 1.3.6 Jamming转变的标度率 |
| 1.3.7 点J的振动特性 |
| 1.3.8 Jamming体系与弹簧网络 |
| 1.4 超材料和负泊松比材料 |
| 1.4.1 超材料 |
| 1.4.2 负泊松比材料 |
| 参考文献 |
| 第2章 无序系统的模量 |
| 2.1 弹性力学 |
| 2.1.1 应变 |
| 2.1.2 应力 |
| 2.1.3 本构关系 |
| 2.2 无序体系弹性力学相关的讨论 |
| 2.2.1 有限大Jammed系统的弹性性质 |
| 2.2.2 非仿射形变对弹性的影响 |
| 2.2.3 弹性的局域结构贡献 |
| 参考文献 |
| 第3章 无序弹簧网络实现负泊松比超材料 |
| 3.1 引言 |
| 3.2 体系和方法 |
| 3.3 结果 |
| 3.3.1 无序扭曲导致的负泊松比 |
| 3.3.2 体系模量和弹簧长度的关联 |
| 3.3.3 弹簧硬度对位置无序的加强效果 |
| 3.3.4 晶格网络上实现负泊松比结构 |
| 3.3.5 非仿射形变对弹性的影响 |
| 3.3.6 作为超材料设计的基元的简单无序结构 |
| 3.3.7 三维的负泊松比网络结构 |
| 3.4 结论 |
| 参考文献 |
| 第4章 非均匀系统通过零温位形预测长时间动力学 |
| 4.1 势能图景和系统演化 |
| 4.2 边界对动力学的影响 |
| 4.3 受限Jammed固体的构建 |
| 4.4 受限Jammed固体中Ψ的特性及Jamming转变临界性的表征 |
| 4.5 Ψ对受限过冷液体动力学空间非均匀性的预见性 |
| 4.6 结论 |
| 参考文献 |
| 第5章 总结与展望 |
| 附录A 非晶固体中寻找负泊松比 |
| A.1 背景介绍 |
| A.2 结果与讨论 |
| 参考文献 |
| 附录B 多分散度对体系的影响 |
| B.1 引言 |
| B.2 增减分散度引起的有序到无序转变 |
| B.2.1 引入分散度的方式 |
| B.2.2 模拟的步骤 |
| B.2.3 模拟结果 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（2）基于迭代回归的2D/3D多模态医学图像配准（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 配准问题描述 |
| 1.3 2D/3D配准国内外研究现状 |
| 1.4 论文的主要研究内容与创新 |
| 1.5 论文的结构安排 |
| 第二章 2D/3D医学图像配准基础 |
| 2.1 2D/3D医学图像配准迭代框架 |
| 2.2 2D/3D配准分类 |
| 2.2.1 基于特征信息 |
| 2.2.2 基于灰度信息 |
| 2.2.3 基于混合信息 |
| 2.3 2D/3D配准基本组件 |
| 2.3.1 投影算法 |
| 2.3.2 空间变换 |
| 2.3.3 相似性测度 |
| 2.3.4 优化算法 |
| 2.4 图像配准评价指标 |
| 2.5 本章小结 |
| 第三章 基于归一化互相关的2D/3D配准 |
| 3.1 归一化互相关系数 |
| 3.2 微分算子 |
| 3.2.1 Sobel梯度算子 |
| 3.2.2 高斯拉普拉斯算子 |
| 3.3 改进的相似性测度 |
| 3.3.1 基于Sobel算子的归一化互相关 |
| 3.3.2 基于LoG算子的归一化互相关 |
| 3.4 多分辨率策略 |
| 3.5 实验与结果分析 |
| 3.5.1 实验环境与数据 |
| 3.5.2 实验流程 |
| 3.5.3 实验评价标准 |
| 3.5.4 单分辨率配准实验 |
| 3.5.5 多分辨率配准实验 |
| 3.6 本章小结 |
| 第四章 基于空间直方图的2D/3D配准 |
| 4.1 梯度方向加权直方图理论 |
| 4.2 改进的梯度方向加权直方图 |
| 4.2.1 空间直方图 |
| 4.2.2 梯度方向加权空间直方图 |
| 4.3 实验与结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）ORB算法在图像匹配中的研究与应用（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 国内外研究现状 |
| 1.2.1 基于灰度的图像配准方法国内外研究现状 |
| 1.2.2 基于特征的图像配准方法国内外研究现状 |
| 1.2.3 图像配准技术的发展趋势 |
| 1.3 本论文的主要研究内容及结构安排 |
| 第二章 特征点提取与描述 |
| 2.1 经典的角点检测算法 |
| 2.1.1 Moravec角点检测算子 |
| 2.1.2 Harris角点检测算子 |
| 2.1.3 SUSAN角点检测算子 |
| 2.1.4 FAST角点检测算子 |
| 2.2 多尺度特征点检测算法 |
| 2.2.1 SIFT算法 |
| 2.2.2 SURF算法 |
| 2.3 本章小结 |
| 第三章 匹配点提纯方法 |
| 3.1 k-d树 |
| 3.2 BBF算法 |
| 3.3 RANSAC算法 |
| 3.4 本章小结 |
| 第四章 基于改进RANSAC-GMS算法的图像匹配 |
| 4.1 ORB算法 |
| 4.1.1 FAST算法 |
| 4.1.2 BRIEF算法 |
| 4.2 GMS算法 |
| 4.3 改进的RANSAC算法 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 改进GMS-ORB算法在图像拼接的应用 |
| 5.1 图像融合 |
| 5.1.1 最佳缝合线 |
| 5.1.2 改进加权平均融合 |
| 5.2 实验结果与分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（4）基于稀疏约束的心脏运动估计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 心脏运动估计的研究现状 |
| 1.2.1 基于灰度信息的方法 |
| 1.2.2 基于形状模型的方法 |
| 1.2.3 基于点对应关系的方法 |
| 1.2.4 点集匹配方法 |
| 1.2.5 基于深度学习的运动估计方法 |
| 1.3 形变模型及其约束 |
| 1.4 本文主要工作 |
| 1.5 论文结构安排 |
| 第2章 MR心脏成像原理及预处理 |
| 2.1 引言 |
| 2.2 心脏成像模态 |
| 2.2.1 X射线 |
| 2.2.2 CT成像 |
| 2.2.3 PET-CT成像 |
| 2.2.4 超声成像 |
| 2.2.5 MR心脏成像 |
| 2.3 MR心脏成像原理 |
| 2.4 心脏MR成像模态 |
| 2.5 心脏运动在MR成像中的特点 |
| 2.6 MR心脏公开数据集 |
| 2.7 MR心脏运动估计的评价指标 |
| 2.8 MR心脏数据的预处理 |
| 2.9 本章小结 |
| 第3章 基于点对应关系的稀疏约束形变模型 |
| 3.1 引言 |
| 3.2 稀疏约束的多CSRBF形变模型 |
| 3.2.1 单CSRBF形变模型 |
| 3.2.2 多CSRBF形变模型 |
| 3.2.3 l_1和l_2范数约束的多CSRBF形变模型 |
| 3.2.4 形变模型中的扭曲能量约束 |
| 3.2.5 稀疏形变模型的求解 |
| 3.3 结合稀疏约束形变模型的点集匹配算法 |
| 3.4 实验结果分析 |
| 3.4.1 二维网格仿真实验 |
| 3.4.2 二维左心室体间配准 |
| 3.4.3 Cine MR左心室图像配准 |
| 3.4.4 运算时间分析 |
| 3.5 本章总结 |
| 第4章 多层次可形变图匹配方法 |
| 4.1 引言 |
| 4.2 GM算法 |
| 4.3 稀疏约束的可形变图匹配 |
| 4.3.1 稀疏约束的紧支撑径向基形变模型 |
| 4.3.2 可形变图匹配 |
| 4.4 基于多层次可形变图匹配算法的左心室运动估计 |
| 4.4.1 左心室图结构 |
| 4.4.2 多层次框架 |
| 4.5 运算时间分析 |
| 4.6 实验结果分析 |
| 4.6.1 对应关系精度 |
| 4.6.2 左心室运动估计 |
| 4.7 本章总结 |
| 第5章 稀疏约束的左心室曲面结构匹配方法 |
| 5.1 引言 |
| 5.2 稀疏约束的左心室曲面结构匹配模型 |
| 5.2.1 高斯混合模型GMM |
| 5.2.2 曲面结构约束的GMM点集匹配方法 |
| 5.2.3 稀疏约束的左心室曲面结构匹配模型 |
| 5.3 稀疏约束的左心室曲面结构匹配模型优化求解 |
| 5.4 实验结果分析 |
| 5.4.1 MICCAI2009 心脏挑战数据 |
| 5.4.2 儿童33组数据集 |
| 5.4.3 CAP心脏数据集 |
| 5.5 本章总结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（5）缆索表面图像拼接与多视图重建研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题来源及研究背景和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 缆索图像采集机构及预处理研究现状 |
| 1.3.2 缆索表面PE层图像的拼接技术研究现状 |
| 1.3.3 多视图三维重建研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 缆索PE层表面图像的获取及预处理 |
| 2.1 引言 |
| 2.2 缆索表面图像采集设备及图像处理整体流程 |
| 2.3 图像矫正及降噪处理 |
| 2.3.1 摄像机模型及相机畸变矫正 |
| 2.3.2 图像降噪处理 |
| 2.4 缆索图像的展开图获取 |
| 2.4.1 单应矩阵适用场景分析 |
| 2.4.2 缆索区域展开及提取 |
| 2.4.3 基于双三次插值算法的缆索图像超分辨率重建 |
| 2.5 本章小结 |
| 第3章 基于改进型拉普拉斯金字塔变换的图像拼接 |
| 3.1 引言 |
| 3.2 基于特征法的图像配准 |
| 3.2.1 稀疏特征点提取算法 |
| 3.2.2 特征匹配与单应矩阵的计算 |
| 3.2.3 误匹配剔除 |
| 3.2.4 特征提取算法选择与直接拼接实验 |
| 3.3 基于改进型拉普拉斯金字塔变换的图像融合 |
| 3.3.1 高斯金字塔 |
| 3.3.2 拉普拉斯金字塔 |
| 3.3.3 融合规则的选择与改进 |
| 3.3.4 融合效果对比及客观评价 |
| 3.4 图像拼接流程及改进后图像融合整体效果 |
| 3.5 本章小结 |
| 第4章 基于结合初值估计BA算法的多视图重建 |
| 4.1 引言 |
| 4.2 相机位姿计算 |
| 4.2.1 对极几何约束 |
| 4.2.2 基于本质矩阵的位姿计算 |
| 4.2.3 三角测量 |
| 4.3 基于几何结构估计初始值的BA优化与稀疏点云重建 |
| 4.3.1 图优化方法 |
| 4.3.2 三角测量估计的不确定性分析 |
| 4.3.3 基于几何结构的深度初值估计 |
| 4.4 基于PMVS算法的稠密点云重建及泊松表面重建 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）动态序列遥感图像超分辨率重建技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的背景及研究意义 |
| 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 |
| 1.2.3 动态序列遥感图像超分辨重建技术发展趋势 |
| 1.3 论文研究内容和创新点 |
| 1.4 论文的结构安排 |
| 第2章 动态序列遥感图像超分辨重建 |
| 2.1 动态序列遥感图像超分辨重建理论依据 |
| 2.1.1 动态遥感成像系统退化模型分析 |
| 2.1.2 动态序列遥感图像成像模型 |
| 2.1.3 动态序列遥感图像超分辨重建的理论依据 |
| 2.2 图像超分辨重建算法概述和分析 |
| 2.2.1 基于重建的图像超分辨方法 |
| 2.2.2 基于学习的图像超分辨方法 |
| 2.3 超分辨遥感图像质量评价标准 |
| 2.3.1 有参考图像质量评价 |
| 2.3.2 无参考图像质量评价 |
| 2.3.3 基于目标识别的RM估计方法 |
| 2.4 本章小结 |
| 第3章 超分辨重建限制因素及对LR图像的选择 |
| 3.1 引言 |
| 3.2 超分辨放大极限扰动理论 |
| 3.3 LR图像数量、质量和亚像素形变的选择 |
| 3.3.1 LR图像数量选择 |
| 3.3.2 LR图像质量选择 |
| 3.3.3 LR图像亚像素选择 |
| 3.4 本章小结 |
| 第4章 LR图像预处理 |
| 4.1 引言 |
| 4.2 图像自估计块匹配3D滤波算法 |
| 4.2.1 块匹配3D滤波算法 |
| 4.2.2 噪声模型和去噪策略 |
| 4.2.3 实验与结果分析 |
| 4.3 去噪顺序对超分辨结果的影响分析 |
| 4.3.1 去噪顺序问题的提出 |
| 4.3.2 对去噪顺序问题的分析 |
| 4.4 本章小结 |
| 第5章 动态序列遥感图像配准方法 |
| 5.1 引言 |
| 5.2 图像匹配 |
| 5.2.1 图像匹配和配准的定义 |
| 5.2.2 图像匹配算法 |
| 5.3 平均覆盖插值算法 |
| 5.4 多亮度图层匹配算法研究 |
| 5.4.1 在亮度差异大且不平均变化下的匹配算法研究现状 |
| 5.4.2 建立并匹配多亮度图层 |
| 5.4.3 特征点提取和描述 |
| 5.4.4 基于Hamming距离的特征点匹配 |
| 5.5 多亮度图层匹配算法实验与结果分析 |
| 5.5.1 实验数据 |
| 5.5.2 匹配评价标准 |
| 5.5.3 实验中参数选择 |
| 5.5.4 实验结果与分析 |
| 5.6 本章小结 |
| 第6章 基于动态序列遥感图像的并行超分辨重建方法 |
| 6.1 引言 |
| 6.2 序列图像MAP超分辨重建算法分析 |
| 6.2.1 MAP超分辨算法详述 |
| 6.2.2 分析MAP算法中各部分对结果的影响 |
| 6.3 基于面阵动态序列遥感图像的交叉验证并行超分辨方法 |
| 6.3.1 各向异性模糊估计 |
| 6.3.2 交叉验证并行超分辨重建方法 |
| 6.4 实验与结果分析 |
| 6.4.1 模拟图片实验结果 |
| 6.4.2 真实遥感图像实验结果 |
| 6.4.3 分辨率放大倍率估算实验结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 附录 英文缩写对照表 |
| 致谢 |
| 作者简介及在学期间发表的学术论文与研究成果 |
（7）基于自由形变模型和多尺度特征的医学图像配准算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 医学图像配准技术的发展与现状 |
| 1.3 本内容及章节安排 |
| 第二章 图像配准技术概论 |
| 2.1 图像配准的定义与数学描述 |
| 2.2 图像配准的基本框架 |
| 2.2.1 特征空间 |
| 2.2.2 搜索空间 |
| 2.2.3 搜索策略 |
| 2.2.4 相似性度量 |
| 2.3 医学图像配准 |
| 2.3.1 医学图像配准分类 |
| 2.3.2 基本原理与流程 |
| 2.3.3 医学图像配准的关键技术 |
| 2.4 本章小结 |
| 第三章 基于Powell法和自由形变模型的图像配准 |
| 3.1 算法思想与步骤 |
| 3.2 B样条函数曲线 |
| 3.3 B样条曲面 |
| 3.4 基于B样条的自由形变模型 |
| 3.4.1 B样条变化网格 |
| 3.4.2 自由形变模型 |
| 3.5 相似性度量方法 |
| 3.6 Powell优化方法 |
| 3.7 实验与结果分析 |
| 3.7.1 实验一与结果分析 |
| 3.7.2 实验二与结果分析 |
| 3.8 本章小结 |
| 第四章 基于多尺度特征和超分辨率重建的图像配准 |
| 4.1 算法流程图 |
| 4.2 SIFT方法简介 |
| 4.2.1 尺度空间的极值点检测 |
| 4.2.2 极值点筛选 |
| 4.2.3 特征点方向描述子生成 |
| 4.2.4 匹配特征点对 |
| 4.3 图像匹配 |
| 4.4 基于VDSR的图像超分辨率重建 |
| 4.4.1 图像超分辨率重建简介 |
| 4.4.2 CNN与残差网络 |
| 4.4.3 基于VDSR的超分辨率重建 |
| 4.5 相似性度量方法 |
| 4.6 实验与结果分析 |
| 4.6.1 实验一与结果分析 |
| 4.6.2 实验二与结果分析 |
| 4.7 本章小结 |
| 第五章 医学图像配准算法测试与对比平台 |
| 5.1 平台设计概述 |
| 5.2 主要界面及功能展示 |
| 5.3 主要操作说明 |
| 5.3.1 配准算法执行流程 |
| 5.3.2 算法评价与对比 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 工作不足与未来展望 |
| 参考文献 |
| 攻读硕士期间的研究成果及获奖情况 |
| 致谢 |
（8）大型特种车辆全景视频成像系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景、目的与意义 |
| 1.2 全景视频成像辅助系统的发展 |
| 1.3 图像配准算法的发展 |
| 1.4 主要研究内容及章节结构 |
| 2 系统方案设计 |
| 2.1 引言 |
| 2.2 摄像头布局分析 |
| 2.3 传统全景视频成像系统的不足 |
| 2.4 大型特种车辆全景视频成像系统设计 |
| 2.4.1 系统组成 |
| 2.4.2 全景视频成像控制器 |
| 2.4.3 系统优点 |
| 2.5 本章小结 |
| 3 全景图像拼接算法基础 |
| 3.1 车载全景成像的基本流程 |
| 3.2 鱼眼镜头畸变及校正 |
| 3.2.1 鱼眼镜头的畸变模型 |
| 3.2.2 张正友平面标定 |
| 3.2.3 OCamCaLib校正算法 |
| 3.3 鸟瞰变换 |
| 3.4 图像配准 |
| 3.4.1 SIFT |
| 3.4.2 SURF |
| 3.4.3 特征检测的ORB算法 |
| 3.5 全景图像融合 |
| 3.6 系统算法及改进 |
| 3.6.1 特征点距离计算 |
| 3.6.2 单应性矩阵计算 |
| 3.6.3 实验比较 |
| 3.7 本章小结 |
| 4 系统软件设计 |
| 4.1 系统软件概述 |
| 4.2 软件处理流程 |
| 4.3 FPGA软件设计 |
| 4.3.1 模块划分及工作原理 |
| 4.3.2 时钟模块 |
| 4.3.3 SDI模块 |
| 4.3.4 DDR4 控制模块 |
| 4.3.5 SRIO接口模块 |
| 4.3.6 CAN接口模块 |
| 4.4 DSP软件设计 |
| 4.4.1 DSP软件总体设计 |
| 4.4.2 HyperLink接口模块 |
| 4.4.3 SRIO接口模块 |
| 4.4.4 DDR3 驱动模块 |
| 4.4.5 IPC模块 |
| 4.4.6 DSP多核调度 |
| 4.4.7 权值修正SIFT软件实现 |
| 4.5 本章小结 |
| 5 系统测试 |
| 5.1 系统的测试车辆 |
| 5.2 测试结果 |
| 5.2.1 车型Ⅰ |
| 5.2.2 车型Ⅱ |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）基于空间一致性的目标匹配与检测算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 课题的研究意义与目的 |
| 1.1.1 成对图像的目标匹配 |
| 1.1.2 一幅图像内部的目标匹配 |
| 1.2 课题的研究历史与现状 |
| 1.2.1 成对图像的目标匹配 |
| 1.2.2 重复目标检测 |
| 1.3 本文的主要创新成果与章节安排 |
| 第二章 基于残差一致性驱动的成对图像线性匹配算法 |
| 2.1 引言 |
| 2.2 RDLM算法概述 |
| 2.3 基于残差一致性驱动的线性匹配 |
| 2.3.1 目标函数 |
| 2.3.2 目标函数的线性化 |
| 2.3.3 生成线性投影子空间 |
| 2.3.4 参数和复杂性分析 |
| 2.3.5 信赖域收缩 |
| 2.4 实验结果与分析 |
| 2.4.1 检验方式和子空间基数对算法的影响 |
| 2.4.2 合成数据的实验结果 |
| 2.4.3 Flickr Logos数据集上的实验结果 |
| 2.4.4 PSU-NRT建筑物数据集的实验结果 |
| 2.4.5 Pascal数据集上的实验结果 |
| 2.4.6 时间分析 |
| 2.5 本章小结 |
| 第三章 基于匹配传播的重复目标耦合检测与分割算法 |
| 3.1 引言 |
| 3.2 非重复模式的耦合检测与分割 |
| 3.3 重复模式的多层联合对齐 |
| 3.3.1 基于李群理论的光度一致性模型 |
| 3.3.2 基于高斯混合的几何一致性模型 |
| 3.3.3 重复模式的多层联合对齐 |
| 3.3.4 混合优化 |
| 3.4 检测与分割算法 |
| 3.4.1 算法的初始化 |
| 3.4.2 重复性结构的拓展 |
| 3.4.3 基于重复性驱动的分割细化 |
| 3.5 实验结果与分析 |
| 3.5.1 实现细节 |
| 3.5.2 基于Texel的重复模式检测 |
| 3.5.3 Homogeneity指标 |
| 3.6 本章小结 |
| 第四章 基于一致性泛函映射传播的重复目标检测算法 |
| 4.1 引言 |
| 4.2 一致性泛函映射传播 |
| 4.2.1 泛函映射 |
| 4.2.2 一致性泛函映射传播 |
| 4.3 检测与分割算法 |
| 4.3.1 算法初始化与重复模式的扩展 |
| 4.4 实验结果与分析 |
| 4.4.1 参数设置 |
| 4.4.2 基于Texel的重复模式检测 |
| 4.4.3 Homogeneity指标 |
| 4.4.4 计算时间 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位论文期间完成的学术论文 |
（10）多模态视频流的配准算法设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 配准技术的发展现状 |
| 1.3 研究内容 |
| 1.4 实验平台 |
| 1.5 论文结构 |
| 第二章 配准技术的相关研究 |
| 2.1 配准算法的原理 |
| 2.2 配准中的预处理 |
| 2.2.1 图像去噪 |
| 2.2.2 图像增强 |
| 2.2.3 图像去抖 |
| 2.3 特征向量描述 |
| 2.4 相似度计算 |
| 2.4.1 欧式距离 |
| 2.4.2 卡方检验 |
| 2.4.3 余弦相似度 |
| 2.5 图像的变换和重采样 |
| 2.6 本章小结 |
| 第三章 基于轮廓的多模态图像配准算法设计 |
| 3.1 多模态图像配准的概述 |
| 3.2 DCE的改进及目标轮廓的提取 |
| 3.2.1 DCE的基本原理及一般终止条件 |
| 3.2.2 改进DCE并进行轮廓提取 |
| 3.3 特征描述与相似度计算 |
| 3.3.1 DCE Keypoints的特征描述及相似度计算 |
| 3.3.2 新型特征描述——局部相似性描述 |
| 3.4 全局最优化多模态图像配准 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第四章 多模态视频流中前景提取算法的设计与实现 |
| 4.1 前景提取的算法概述 |
| 4.2 背景初始化的一般算法及改进 |
| 4.2.1 背景初始化的二进制特征描述 |
| 4.2.2 对背景初始化算法的改进 |
| 4.3 背景建模中的像素分割过程改进 |
| 4.3.1 基于LBSP特征的像素分割和背景模型更新 |
| 4.3.2 结合像素值和LBSP特征的像素分割和背景模型更新 |
| 4.3.3 BFs-method的像素分割 |
| 4.4 BFs-method的背景模型更新 |
| 4.4.1 局部特征更新策略 |
| 4.4.2 全局特征更新策略 |
| 4.5 实验分析与结论 |
| 4.5.1 实验效果 |
| 4.5.2 效果对比与评估 |
| 4.5.3 小结 |
| 4.6 本章小结 |
| 第五章 无人机上多模态视频流的配准验证 |
| 5.1 像素级别的特征描述 |
| 5.2 特征匹配 |
| 5.3 匹配缓冲池的改进及更新策略 |
| 5.4 变换矩阵及其优化 |
| 5.4.1 向前映射 |
| 5.4.2 变换矩阵的优化 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A “LBSP+pixel”实验结果 |
| 附录 B BFs-method实验结果 |
四、保持高斯映射的仿射形变（论文参考文献）
- [1]无序微观结构和动力学以及反常力学性质的关联研究[D]. 柳军. 中国科学技术大学, 2020(01)
- [2]基于迭代回归的2D/3D多模态医学图像配准[D]. 王杨. 电子科技大学, 2020(07)
- [3]ORB算法在图像匹配中的研究与应用[D]. 朱成德. 上海工程技术大学, 2020(04)
- [4]基于稀疏约束的心脏运动估计方法研究[D]. 张正瑞. 深圳大学, 2019(10)
- [5]缆索表面图像拼接与多视图重建研究[D]. 周扬. 哈尔滨工业大学, 2019(02)
- [6]动态序列遥感图像超分辨率重建技术研究[D]. 杨蕊. 中国科学院大学(中国科学院西安光学精密机械研究所), 2019(05)
- [7]基于自由形变模型和多尺度特征的医学图像配准算法研究[D]. 刘晨. 山东理工大学, 2019(03)
- [8]大型特种车辆全景视频成像系统设计[D]. 张新宇. 中国运载火箭技术研究院, 2019(03)
- [9]基于空间一致性的目标匹配与检测算法研究[D]. 王浩. 上海交通大学, 2018(01)
- [10]多模态视频流的配准算法设计与实现[D]. 张松松. 国防科技大学, 2018(02)