發(fā)布時(shí)間：2023-03-14 21:40

　　基于視頻流的圖像拼接技術(shù)是提取一段視頻中的若干關(guān)鍵幀,將關(guān)鍵幀重疊區(qū)域的圖像進(jìn)行特征點(diǎn)配準(zhǔn)、邊界縫合后生成一張完整的拼接圖像,該技術(shù)在計(jì)算機(jī)圖形學(xué)、視頻監(jiān)控、無(wú)人機(jī)航拍圖像、遙感影像等領(lǐng)域展示了廣闊的應(yīng)用前景和價(jià)值。隨著計(jì)算機(jī)技術(shù)和信息化的快速發(fā)展,圖像拼接技術(shù)可以準(zhǔn)確高效地將視頻流中的關(guān)鍵信息以圖像的方式展現(xiàn)出來(lái),滿足實(shí)時(shí)性的要求。鐵路交通監(jiān)控視頻就是其中的典型代表,通過(guò)研究圖像拼接技術(shù),及時(shí)發(fā)現(xiàn)安全隱患,保障社會(huì)生活的有序運(yùn)行。但是由于視頻數(shù)據(jù)量大,計(jì)算方式復(fù)雜,且圖像容易發(fā)生畸變,目前仍存在許多問(wèn)題。比如:視頻關(guān)鍵幀的自動(dòng)提取、圖像特征點(diǎn)和特征區(qū)域的選取、圖像融合平滑過(guò)渡等等。這些問(wèn)題的解決,將會(huì)對(duì)基于視頻流的圖像拼接技術(shù)產(chǎn)生較大的推動(dòng)作用。因此,本文從視頻圖像拼接技術(shù)的具體需求出發(fā),在研究一系列傳統(tǒng)的圖像拼接算法的基礎(chǔ)上,結(jié)合目標(biāo)檢測(cè)和深度學(xué)習(xí)領(lǐng)域的關(guān)鍵技術(shù),設(shè)計(jì)了一套基于視頻流的圖像拼接算法,主要內(nèi)容可概括如下:(1)設(shè)計(jì)基于目標(biāo)檢測(cè)的關(guān)鍵幀提取算法針對(duì)視頻關(guān)鍵幀的自動(dòng)提取技術(shù),通過(guò)卷積神經(jīng)網(wǎng)絡(luò)(CNN)在目標(biāo)檢測(cè)領(lǐng)域的應(yīng)用,設(shè)計(jì)了一種基于目標(biāo)檢測(cè)的關(guān)鍵幀提取算法。其中包括選...

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
    1.3 本文主要研究?jī)?nèi)容與技術(shù)路線
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 論文結(jié)構(gòu)安排
2 相關(guān)技術(shù)理論基礎(chǔ)
    2.1 圖像拼接的基本原理
    2.2 關(guān)鍵幀提取中的卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)常用模型
    2.3 圖像配準(zhǔn)
        2.3.1 圖像配準(zhǔn)定義
        2.3.2 圖像配準(zhǔn)流程
        2.3.3 圖像變換模型
    2.4 圖像融合重構(gòu)
    2.5 本章小結(jié)
3 基于目標(biāo)檢測(cè)的關(guān)鍵幀提取算法研究
    3.1 傳統(tǒng)的關(guān)鍵幀提取算法
    3.2 基于目標(biāo)檢測(cè)的關(guān)鍵幀提取算法
        3.2.1 基于SIFT特征的關(guān)鍵幀粗識(shí)別
        3.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵幀精識(shí)別
    3.3 關(guān)鍵幀提取結(jié)果與分析
        3.3.1 測(cè)試視頻
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
4 基于重合區(qū)域極值檢測(cè)的SIFT圖像拼接算法研究
    4.1 基于特征點(diǎn)的圖像拼接算法概述
        4.1.1 Moravec角點(diǎn)檢測(cè)算法
        4.1.2 Harris角點(diǎn)檢測(cè)算法
    4.2 基于重合區(qū)域極值檢測(cè)的SIFT圖像拼接算法
        4.2.1 重疊區(qū)域特征點(diǎn)極大值提取
        4.2.2 特征點(diǎn)的配準(zhǔn)
        4.2.3 基于漸入漸出閾值分界的圖像融合
    4.3 圖像拼接效果評(píng)價(jià)指標(biāo)
    4.4 本章小結(jié)
5 算法實(shí)現(xiàn)與性能分析
    5.1 系統(tǒng)設(shè)計(jì)目標(biāo)
    5.2 系統(tǒng)開(kāi)發(fā)環(huán)境
        5.2.1 開(kāi)發(fā)環(huán)境
        5.2.2 開(kāi)發(fā)工具
    5.3 實(shí)驗(yàn)結(jié)果仿真與分析
        5.3.1 關(guān)鍵幀圖像提取效果
        5.3.2 列車(chē)圖像拼接效果
        5.3.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 未來(lái)工作展望
攻讀學(xué)位期間參加的科研項(xiàng)目及發(fā)表的學(xué)術(shù)論文
致謝
參考文獻(xiàn)



本文編號(hào)：3762802