一、灰度相关系数法性能的研究（论文文献综述）
贺志杰[1]（2021）在《边坡活动性监测的数字图像相关方法研究》文中指出边坡活动性监测是边坡监测研究中的一个热点问题,通过对边坡活动性进行监测,可以为预测边坡失稳提供技术依据,是减少滑坡灾害问题的关键。现有的监测方法造价昂贵,多采用基于点的测量,无法反映边坡整体运动状态,并且很难进行长期实时监测。针对现有监测方法存在的不足,论文将数字图像相关方法用于边坡监测中,分析了数字图像相关方法应用于边坡现场监测中存在的困境,通过实验研究了气候、环境和物理等外界因素对数字图像相关方法计算精度的影响。提出了一种适用于现场的边坡活动性监测方法,基于MATLAB语言编写了边坡活动性监测方法的程序并设计了相应的GUI界面。以秦皇岛市承秦高速公路边坡为观测地点,将上述方法应用于边坡现场监测中,验证了方法的可行性,拓展了数字图像相关方法的应用范围。在气候因素方面,开展了室内模拟实验,分析了光照变化和雾天条件下对边坡图像特征的影响。针对不同气候特点,将局部敏感直方图作为图像的光照不变特征,降低了光照变化对监测精度的影响;利用暗通道去雾算法对图像进行去雾处理,提高了图像清晰度和对比度。在环境因素方面,分析了边坡不同地形地貌在图像中的分布特点,提出一种边坡光测区域划分方法,对边坡植被区域和岩土区域进行划分。将SIFT特征点法作为补充方法,提出用相关系数法代替欧氏距离法进行匹配,根据数字图像相关方法和SIFT特征点法各自适用的条件对边坡不同区域进行计算。在物理因素方面,分析了滑坡不同变形阶段对相机采样频率的影响。依据滑坡不同变形阶段变形速率与时间的演化关系,对相机采集程序进行了优化,设计了可跟随当前变形速率调整采样频率的相机调速程序。使用监控相机搭建观测系统,将本文提出的边坡活动性监测方法应用于秦皇岛市承秦高速公路边坡的现场监测中。利用边坡图像的自有特征,对不同时刻的边坡图像进行相关匹配,通过对应点坐标的变化从而获得边坡活动性相关参数,分析了现场边坡活动性演化特征。并基于双目立体视觉原理,结合现场相机标定结果,将二维测量拓展到了三维测量。
陈全义[2]（2020）在《基于改进Linemod-2D的形状匹配算法研究及其在载盘污渍检测系统的应用》文中研究指明Linemod-2D算法是以边缘点的梯度方向作为匹配特征,其优点是匹配速度快,但匹配精度很低,难以满足高精度的工业应用。本文针对其在特征提取、角度量化和匹配策略等存在的不足进行改进,并采用最小二乘平差法对匹配位置进行校正,从而提出基于改进Linemod-2D的形状匹配算法（即本文算法）。对于特征提取的不足,本文提出Zernike矩对特征点的梯度方向和位置进行亚像素校正,以获得更高精度的特征点。并对其特征提取策略进行改进,提出网格化提取方式,相比与Linemod-2D原算法,其特征点分布更加均匀、更具代表性。对于角度量化的不足,本文提出将量化方向拓展到16个,从而提高量化方向的区分度。对于匹配策略的不足,本文提出粗、精匹配相结合的策略。在图像金字塔的上层（底层以上）,采用改进的Linemod-2D进行快速的粗匹配。在图像金字塔底层,本文提出新的匹配策略进行精匹配,其角度量化为360个。最后,为了进一步提高算法的匹配精度,本文采用最小二乘平差法对匹配位置进行校正,最终得到亚像素级的匹配位置和精确的旋转角度。实验研究结果表明,在光照变化、噪声干扰和部分遮挡等条件的影响下,相比于原算法,其稳定性都有提高。在基于刚性变换图像的测试中,本文算法的定位精度高于CkVisionBuilder、MIL10.0的形状匹配算法,接近Halcon的形状匹配算法。同时,本文算法的重复定位精度优于CkVisionBuilder、MIL10.0的形状匹配算法,接近Halcon的形状匹配算法。另一方面,本文算法的匹配效率与Halcon、MIL10.0的形状匹配算法接近,优于CkVisionBuilder的形状匹配算法。大型的墨盒生产已经实现自动化,但在载盘运输墨盒时会有墨水洒落载盘上,进而形成污渍。对于这一问题,富士康的产线上已经采用机器视觉技术检测载盘的墨滴污渍。目前,在现有检测系统中,其图像配准部分采用Halcon的匹配算法,但是该算法的建模部分非常耗时,无法满足产线对实时性要求。基于此,提出将本文算法应用于检测系统的图像配准。为了验证本文算法的可行性,实验将采集墨盒载盘图像测试配准算法的匹配精度、匹配速度和建模速度。由实验结果可知,在匹配精度方面,本文算法的匹配精度比CkVisionBuilder的形状匹配算法高15.51%、比MIL10.0的形状匹配算法高15.11%、比Halcon的形状匹配算法略高6.76%。在匹配和建模的耗时方面,本文算法建模和匹配的总耗时比CkVisionBuilder的形状匹配算法少48.06%、比MIL10.0形状匹配算法少40.57%、比Halcon的形状匹配算法少82.06%。因此,本文算法具有良好匹配精度和实时性,可以应用于污渍检测系统的图像配准。
宋燕如[3]（2020）在《基于多目标优化的负荷预测与机器学习混合算法的研究与应用》文中指出负荷预测在国家经济和社会发展中起着重要作用,是能源领域的热门话题之一。准确并且稳定的负荷预测成为了一项既具有挑战又至关重要的任务,吸引着大量的专家学者从事相关研究。目前负荷预测方法的不足之处在于它们忽视了预测模型输入与输出之间的密切关系,无法捕获与输出高度相关的输入特征。此外,当前负荷预测的研究重点集中于如何提高预测结果的准确性,忽略了预测误差的稳定性,无法保证模型预测精度是否能够保持稳定。因此,本文开发了一种新颖的、健壮的混合预测模型,它由四个模块组成:1)数据预处理,2)预测,3)优化和4)评估。在数据预处理模块中,基于奇异频谱分析和灰色关联分析的有效数据预处理方案用于生成更平滑的时间序列,并为预测模型挖掘最佳的输入和输出结构。在预测模块,本文使用了同时考虑预测准确性和稳定性的多目标遗传算法优化的极限学习机实现负荷预测。并且,使用与训练极限学习机模型相同的数据集训练广义回归神经网络,进行负荷预测。即通过多目标遗传算法优化的极限学习机与广义回归神经网络两个模型预测,分别实现负荷预测。此外,为了进一步获得准确性与稳定性高的预测结果,克服单一模型的弊端,在优化模块中将多目标遗传算法优化的极限学习机模型和广义回归神经网络模型的预测结果进行组合,使用模拟退火算法优化组合参数,得到本文提出的混合预测模型最终的预测结果。为了验证所提出混合模型的性能,分别收集了来自澳大利亚新南威尔士州和塔斯马尼亚州的半小时负荷数据作为训练和测试数据完成仿真实验。实验结果表明,与作为参考基准的传统预测模型相比,所提出的混合预测模型获得了更为准确和稳定的预测结果。
胡泽宇[4]（2020）在《基于影像组学对磁共振成像的前列腺癌病理分级预测》文中研究指明前列腺癌是当今世界发病率最高的癌症之一,病理Gleason分级系统是目前前列腺癌应用最广泛的分级系统,Gleason分级对患者之后治疗方案的选择及预后是最重要的参考因素之一。目前主要通过活体穿刺手术获取病理Gleason分级结果,如果能使用计算机辅助诊断的方式根据前列腺磁共振影像MRI来预测患者的Gleason分级,对患者癌灶的恶化程度进行病理高低危的分类预测,那么可以减少所需的活体穿刺手术,给患者心理及生理压力带来极大缓解,且避免感染、出血等并发症,防止对癌灶恶化的诱导。本研究基于影像组学的研究框架,在得到影像数据并勾勒感兴趣区域ROI与数据预处理之后,高通量地提取特征来将肿瘤区域信息映射到高维特征空间,之后通过统计学和降维的方式去掉其中的无关信息与冗余信息,降低了特征空间维度并增加了信息密度,有效避免了维度灾难问题并可以提高模型准确度。接着将降维后的特征投入到搭建的机器学习与深度学习模型中来对前列腺癌Gleason病理高低危分类进行预测,从而以非侵入的方式辅助医师对患者的后续治疗方案选择。本论文的主要工作有以下五个方面:1、本文首先对前列腺癌与MRI影像的相关医学知识做了简要的说明,以便理解并展开相关研究工作。总结了当今国内外使用影像组学对前列腺癌的诊断方式,并对其中存在的问题与不足进行了分析,以针对这些问题建立更合适的效果更好的模型。2、利用影像组学的方法对影像特征进行提取工作。在对影像数据进行预处理后,本文对316例前列腺癌的MRI影像以及医师勾勒的感兴趣区域进行了高通量的特征提取,以便之后建立预测模型进行定量分析。对影像进行灰度直方图离散化后,共提取了6类92个纹理特征,和13个聚焦于几何描述的形状特征。这些特征能够更有效地利用有价值的医学影像信息,从而建立效果更好的预测模型。3、对提取后的特征进行了选择与降维工作,来筛去部分无关特征与冗余特征,以避免维度灾难问题和过拟合问题。本文使用Spearman相关性分析的方法,对提取到的105维影像组学特征计算与病理高低危类别的Spearman相关系数,筛去不显着相关的29维特征。在将特征投入到人工神经网络训练之前,采取PCA降维的方式在保留99%原始特征信息的前提下,得到了21维新特征空间,增加了信息密度。4、建立了基于机器学习的分类模型。本文使用SVM算法、随机森林算法与Xgboost算法三种机器学习算法模型来实现对前列腺癌Gleason病理高低危分类预测。使用的验证模型为带有100次数据洗牌的10折交叉验证。结果表明Xgboost算法在T2WI序列上对前列腺癌Gleason病理高低危分类的表现性能最好,曲线下面积AUC为0.719,准确率ACC为0.722。DWI序列中b值=2000 s/mm2的病理分类预测效果要略好于b值等于1000或3000的DWI序列。5、建立了基于人工神经网络与Bagging集成学习算法的分类模型。本研究搭建三层前馈神经网络作为集成学习的个体学习器,使用Bagging算法作为集成学习的结合策略,最终通过多数投票法的方式确定集成学习强学习器的分类结果。在经过100次数据洗牌的10折交叉验证后,分类预测模型在T2WI序列上的表现效果最好,AUC为0.759,ACC为0.718。并对1000次训练结果的AUC值做了箱形图统计以证明交叉验证策略的必要性。总结来说,本文搭建了基于影像组学框架的四种算法模型对前列腺癌Gleason病理高低危分类进行了预测,其中基于人工神经网络与Bagging集成学习算法的分类模型效果最好,在T2WI序列上达到了曲线下面积AUC=0.759,准确率ACC=0.718的水平,表现略高于3种b值的DWI序列。算法使用的交叉验证策略保证了结果的稳定性。
张颖锐[5]（2019）在《聚脲基双壁微胶囊/环氧树脂自修复海工防护涂层的制备与性能研究》文中研究指明海工防护涂层在服役的过程中极易受温度变化、干湿交替、腐蚀性介质侵蚀等影响,导致涂层机械性能和耐腐蚀性降低甚至失效。近年来基于微胶囊的自修复涂层成为涂层领域的研究热点,可实现对涂层中微裂纹的“靶向”修复。但现有的外援型微胶囊体系多为单壁微胶囊体系,该体系对基体材料的修复效率较低且存在修复剂的流动依赖特定温度、催化剂易失活以及修复后综合性能改善不明显等问题,此外微胶囊仍为易受破坏的交联聚合物,壁材结构的稳定性有待进一步优化。因此,从双壁微胶囊结构设计出发,旨在增加修复剂与固化剂的接触机率,并利用氧化石墨烯（GO）对壁材进行改性,以满足制备及服役过程中对微胶囊及改性涂层耐久性、耐溶剂性、耐腐蚀性等要求。系统研究了合成制备工艺参数对聚脲基双壁微胶囊的结构与性能的影响规律,采用光学显微镜（OM）和扫描电子显微镜（SEM）观察不同液滴和微胶囊的微观形貌及分布状况,利用Nano Measurer软件对微胶囊的粒径分布进行分析;应用傅里叶变换红外光谱（FTIR）对微胶囊的化学组成进行分析;应用热重分析仪（TGA）对合成胶囊的热稳定性及芯材的包覆量进行测试。通过拉伸测试对复合不同含量微胶囊的涂层的力学性能的进行表征,同时利用数字散斑技术（DSCM）对拉伸过程中裂纹扩展进行追踪。最后,利用电化学阻抗谱（EIS）对海水浸泡后复合涂层的防腐蚀机理、耐腐蚀性以及修复效率进行研究。微胶囊结构与性能研究结果表明,预聚物乳液、己二胺乳液与单壁微胶囊乳液的质量比为3.3:1.5:5.8,搅拌转速为1800rpm时,合成的聚脲基双壁微胶囊具有良好的微观形貌。GO改性聚脲基双壁微胶囊的最佳参数为:GO分散液的质量分数为2.5wt%,改性预聚物乳液、己二胺乳液与单壁微胶囊乳液的质量比为3.3:1.0:5.7。红外测试表明合成的两种微胶囊均含有脲键;XRD测试表明GO已经成功嵌入微胶囊壁材中。热重分析表明微胶囊具有较高的热稳定性,聚脲基双壁微胶囊的芯材包覆率为52.34%;GO改性后的微胶囊对内层芯材的包覆率为26.75%,对外层芯材的包覆率为10.88%。涂层自修复性能研究结果表明,拉伸实验中含3.0wt%微胶囊的环氧树脂涂层的力学性能较为优异,修复效率为63.76%;而含3.0wt%GO改性微胶囊涂层的修复效率可达80.43%。微胶囊/环氧树脂涂层具有一定的裂纹修复与抑制裂纹扩展的能力主要与改性环氧涂层St值的波动以及低灰度相关系数区域的产生-减小-增大的自修复过程有关。海水浸泡72h后含5.0wt%微胶囊的环氧树脂涂层的修复效率为84.46%;而含8.0wt%GO改性微胶囊的涂层在浸泡572h后的修复效率可达374.15%。电解质溶液的持续渗透可导致涂层电容的升高和转移电荷电阻降低,验证了浸泡过程中在介质入侵以及涂层基体膨胀作用下自修复涂层中微裂纹“萌芽-修复-扩展”的修复过程。
张帅[6]（2019）在《时空信息综合的静电层析成像系统研究》文中研究表明气固两相流广泛存在与工业生产过程中,如颗粒的气力输送及烟气的排放过程等。气固两相流流动的复杂性及流动分布参数不均匀特性,使得其分布参数的测量问题一直是国际公认的难题。静电层析成像技术面向带电颗粒的电荷分布或速度分布测量,具有非侵入性、可视性、低成本等优点,为气固两相流分布参数测量提供了一种有效方法。由于静电法为被动式测量方法,同激励式电学层析成像方法相比,其独立测量信息数较少,对被测物场纵深区域的表征能力不足。针对此问题,本文在推导互相关时空模型的基础上提出了一种直接速度分布重构方法,搭建了时空信息综合的静电层析成像系统,主要工作如下:1.静电传感器阵列的结构参数直接影响测量信号的时频域特征及独立测量信息数。本文选取了空间灵敏场强度及均匀性、奇异值谱线分析及重构图像相关系数三个优化指标,基于COMSOL有限元仿真平台对内嵌式静电传感器阵列的电极轴向长度及电极数目进行了优化设计。2.灰度相关法作为电学层析成像技术中常用的速度分布重构方法,在静电层析成像系统中应用具有局限性。针对此问题,本文提出了互相关时空信息模型,将互相关灵敏度引入静电层析成像系统中,在此基础上提出了一种直接速度分布重构方法,有效地降低了系统的欠定性和病态性,并依托带式静电感应实验装置对其正问题进行了验证。3.设计搭建了时空信息综合的静电层析成像系统,并针对互相关灵敏度矩阵的特性对图像重构算法进行分析选取。依托带式静电感应实验装置和垂直管道颗粒落体实验装置,对不同固相体积含率不同颗粒速度分布条件下直接速度分布重构法与灰度相关速度分布重构法的测量结果进行了对比分析。4.由于内嵌式静电传感器阵列测量信号既包含感应电荷信号又包含转移电荷信号,且两者对流场信息的表征角度不同。针对此问题,本文对感应电荷信号与转移电荷信号的产生机理和信号特征进行了分析,提出一种基于离散小波变换（DWT）滤波的直接速度分布重构方法,并依托气力输送实验平台同环形电极相关测速法和弧形同侧电极相关测速法进行了对比分析。
严盛龙[7]（2018）在《基于数字散斑相关方法的结构面内位移测量研究》文中提出数字散斑相关方法又称为数字图像相关方法,它是一种基于计算机视觉技术和数字图像处理技术的新型光学测量方法。它的基本原理是通过提取变形前后散斑图的对应信息来获得结构或试件的全场形变的。由于其具有非接触、光路简单、高精度、全场测量等优点,自上世纪八十年代被提出以来,得到了国内外学者的广泛关注。目前,其已形成了较为完善的理论体系,并且被成功应运于诸多领域,如:土木工程、材料测试、航空航天等。由于算法自身的局限性,数字散斑相关方法的位移计算精度与计算速度还存在一些不足,通常为了得到更高的计算精度,不得不以牺牲计算效率为代价。本文针对这一现状,以现有的研究成果为基础,对二维数字散斑相关方法的位移测量算法展开了深入的研究,主要内容如下:（1）阐述了数字散斑相关方法的基本原理,其中包括散斑图像、测量系统、位移计算等。介绍了两类相关算法:一类是基于图像灰度的相关匹配算法（灰度相关法）,另一类是基于结构分形特征相关的匹配算法（分形相关法）。并利用模拟散斑图像对相关匹配函数进行了选择。（2）研究了数字散斑相关算法中各种整像素、亚像素位移测量算法。对几种整像素位移测量算法进行了分析,并利用逐点搜索法对灰度相关法与分形相关法的系数曲面进行了对比;基于MATLAB平台,建立了多种亚像素位移测量算法的数学模型,其中包括灰度插值法、曲面拟合法（基于灰度相关拟合和基于分形相关拟合）以及其它算法（梯度法和N-R法）。对上述各种亚像素算法的搜索性能进行了对比研究,并结合分形相关法与灰度相关法提出了一种改进的曲面拟合亚像素算法。（3）编写了一套可进行人工交互式操作的数字散斑相关计算软件,并通过刚体平移实验和动挠度测量实验对改进算法的可行性与准确性进行了验证。
张高翔[8]（2017）在《基于尺度不变特征融合的目标跟踪算法》文中指出红外目标跟踪一直是国内外视觉跟踪技术研究的一个热点问题,其主要任务就是在红外视频中搜寻和定位被观测的目标,并且通过多帧图像中目标的位置信息得到目标的运动轨迹。经过近几十年不断地研究和发展,红外目标跟踪在军事侦查、导弹制导、安防检测以及医学影像等领域取得了卓越的成就和广泛的应用。红外视频中目标时刻都发生着变化,比如目标由远及近或由近及远的尺寸变化,目标运动速度变化,目标偏航和横滚导致的姿态变化,以及红外图像噪声和场景杂波的干扰等,这些因素都降低了目标跟踪的准确性和稳定性,对红外目标的跟踪带来了很大的困难,因此,目标运动、尺度变化等情况下的跟踪在当前仍然是一个极具挑战性的课题。本文针对这一问题展开相关的研究工作。针对目标跟踪中存在的问题,本文研究了基于SURF-BRISK特征匹配的目标跟踪算法和基于尺度空间相关匹配的目标跟踪算法。基于SURF-BRISK特征匹配的目标跟踪算法利用SURF进行特征检测,采用BRISK进行特征描述,通过计算汉明距离进行特征匹配,获取目标的位置,该算法在目标尺寸较大,细节信息较明显时,能够稳定地跟踪目标。但是当目标尺寸较小时,容易导致目标跟踪失败。基于尺度空间相关匹配的目标跟踪算法,通过建立多尺度的目标模板,计算目标多尺度模板和图像的相似系数,搜寻相似性系数最大值或者最小值的位置,该位置是图像中目标的位置,该算法在目标尺寸较小时,能够实现对目标的准确跟踪。但是在目标尺寸变化较大的情况下,容易导致目标跟踪失败。针对上述两种算法的局限性,提出了一种改进的SURF-BRISK组合算法,将基于SURF-BRISK特征匹配和基于尺度空间相关匹配的目标跟踪算法进行融合。目标在视场中运动时,首先,通过特征匹配和相关匹配的目标跟踪算法分别得到目标的位置信息,计算目标位置与前一帧目标位置的偏离量,得到两个偏移量。然后,计算偏离量的总和,以及各自偏离量所占的比例值,根据比值对获取的两个目标位置赋予相应的权值,每个权值与各自比例值的和为1。最后,对两个目标位置进行加权求和,得到当前帧目标的位置。通过对算法进行仿真验证,证明了该算法在目标尺寸变化、遮挡情况下能够稳定跟踪目标。
杨博,张典律,赵晓涛[9]（2018）在《地标自主导航的高精度地标库建立方法》文中进行了进一步梳理利用地标信息的卫星自主导航方法是通过星载光学摄像机实时拍摄地标景象来计算卫星的位置、速度等参数,具有完全自主的特点,并且适用范围广泛,可用于能够周期性获得地面图像的航天器,但受到地标选取方法以及地标库建立策略的制约,影响到导航精度,阻碍了推广使用。针对上述问题,提出了建立全局及高性能的地标库,即采用全球地标控制点选取的原则选取性能优良的全球地标样本,并自动生成全局地标库。通过计算机仿真验证了该方法的有效性,结果表明,使用全球地标控制点选取地标样本,并自动生成全局地标库,可以快速而准确地为航天器进行高精度的自主导航,导航位置误差约为99 m,速度误差约为0.08 m/s。
熊乔[10]（2016）在《基于YHFT-DSP和变焦云台摄像机的全景图像拼接系统》文中研究说明图像在精确打击、敌情侦察、战场态势监控、战情评估等诸多军事应用领域都有重要应用。在军事应用领域,光学侦察器材和夜视器材已经广泛应用,但是目前侦察设备如光学成像设备、微光夜视技术的设备或红外热成像设备,都会因摄像器材拍摄视角宽度的限制而无法获取高分辨率的全景信息。解决这个问题,可以通过全景图像拼接方式,采用一台可变焦云台摄像机以低成本的方式拍摄多幅图像,合成一幅高分辨率全景图像,以便获取到全面的战场图像信息。本文旨在利用YHFT-DSP平台和可变焦云台摄像机设计一种灵活、高效的全景生成系统,重点解决了YHFT-DSP对云台的精确控制和图像拼接在DSP平台实现两个问题。本文研究的内容和创新点主要有:1.编写了云台运动控制程序,实现了YHFT-DSP对云台摄像机开关机、云台调焦、云台旋转与俯仰等运动的精准控制。2.引入了改进的图像特征提取MORAVEC算法。根据DSP进行乘法运算所需的时钟周期数明显大于绝对值运算,将MORAVEC算法在一定窗口求取四个方向的梯度平方和改为求绝对值之和。同时为了避免一定区域范围（本文设置为5×5区域）出现多个特征点,选择该区域内特征最明显的点作为特征点。通过测试,本文改进后的算法在YHFT-DSP运行的性能有约1.18倍左右的提升,而提取到的特征点数目无明显改变。3.特征点初次匹配时,先预测匹配区域,再利用相关系数法进行双向特征匹配,这样可以将搜索匹配点的范围缩小为原来的W1×H1/W×H（其中W和H分别是图像的宽和高,W1和H1分别是设定的搜索范围的宽和高）,大大减少了搜索的时间和运算量。计算关于变换模型参数的方程组时,采用系数矩阵做Doolittle分解的方法,有效避免了DSP在运算过程中出现数据溢出。4.计算目标图像到待配准图像的变换矩阵,然后采用双线性插值法向后插值的方式,将待拼接图像配准到目标图像,并同时用渐入渐出的方法进行图像融合。5.基于YHFT-DSP图像处理板,实现一个完整的全景拼接系统,经过测试,系统能正确而可靠的实现云台的精确控制、图像数据采集和存储、系统能精准实现全景图像拼接。系统的综合性能达到了预定的设计要求。
二、灰度相关系数法性能的研究（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、灰度相关系数法性能的研究（论文提纲范文）
（1）边坡活动性监测的数字图像相关方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 边坡活动性 |
| 1.1.1 边坡活动性及其中的科学问题 |
| 1.1.2 边坡活动性监测方法研究现状 |
| 1.2 传统DIC应用于边坡活动性监测中的问题 |
| 1.2.1 边坡活动性对监测方法提出的要求 |
| 1.2.2 传统DIC应用于边坡活动性监测中的问题 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 传统DIC应用于边坡活动性监测的困境及影响因素特征研究 |
| 2.1 传统DIC应用于边坡活动性监测的困境 |
| 2.2 边坡相似模拟实验 |
| 2.2.1 实验设计 |
| 2.2.2 模型材料及器材 |
| 2.2.3 实验过程及结果 |
| 2.3 气候因素影响监测精度特征分析 |
| 2.3.1 光照变化对监测精度的影响分析 |
| 2.3.2 雾天对监测精度的影响分析 |
| 2.4 环境因素影响监测精度特征分析 |
| 2.5 物理因素影响监测精度特征分析 |
| 2.6 本章小结 |
| 第三章 边坡活动性监测的S-DIC方法研究 |
| 3.1 边坡活动性计算方法 |
| 3.1.1 数字图像相关方法 |
| 3.1.2 SIFT特征点法 |
| 3.2 气候条件影响分析方法研究 |
| 3.2.1 光照分析方法 |
| 3.2.2 雾天分析方法 |
| 3.3 环境因素影响分析方法研究 |
| 3.3.1 植被影响分析方法 |
| 3.3.2 灰度差异影响分析方法 |
| 3.4 物理因素影响分析方法研究 |
| 3.4.1 临界滑动速率相机调速设置 |
| 3.4.2 相机调速程序实现 |
| 3.5 边坡活动性监测的S-DIC方法程序 |
| 3.6 本章小结 |
| 第四章 边坡活动性监测现场应用研究 |
| 4.1 边坡活动性监测工程概述 |
| 4.2 图像采集及传输 |
| 4.3 边坡活动性监测的计算方法区域划分 |
| 4.3.1 植被区域划分 |
| 4.3.2 岩土区域划分 |
| 4.4 边坡活动性监测结果及结果分析 |
| 4.4.1 测量分辨率验证 |
| 4.4.2 边坡活动性监测结果 |
| 4.4.3 边坡三维位移测量 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（2）基于改进Linemod-2D的形状匹配算法研究及其在载盘污渍检测系统的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于灰度相关的模板匹配 |
| 1.2.2 基于几何特征的模板匹配 |
| 1.3 评价算法的基本准则 |
| 1.3.1 稳定性及识别率 |
| 1.3.2 定位精度及重复定位精度 |
| 1.3.3 算法效率 |
| 1.4 研究的内容及逻辑结构安排 |
| 第二章 Linemod-2D原算法的基本思想以及不足 |
| 2.1 Linemod-2D算法 |
| 2.1.1 角度量化 |
| 2.1.2 方向扩散 |
| 2.1.3 预响应表 |
| 2.1.4 线性存储 |
| 2.1.5 相似性度量 |
| 2.2 Linemod-2D算法存在的不足 |
| 2.2.1 特征提取方面的不足 |
| 2.2.2 角度量化方面的不足 |
| 2.2.3 匹配策略方面的不足 |
| 2.3 本章小结 |
| 第三章 基于改进Linemod-2D的形状匹配算法 |
| 3.1 特征提取的改进 |
| 3.1.1 特征提取策略的改进 |
| 3.1.2 特征点精度的改进 |
| 3.1.3 sobel-Zernike矩原理 |
| 3.2 角度量化的改进 |
| 3.3 匹配策略的改进 |
| 3.4 最小二乘平差法 |
| 3.5 本章小结 |
| 第四章 算法性能的实验论证 |
| 4.1 算法的稳定性及识别率测试 |
| 4.2 算法定位精度测试 |
| 4.3 算法重复定位精度 |
| 4.4 算法匹配效率 |
| 4.5 本章小结 |
| 第五章 墨盒载盘污渍检测系统 |
| 5.1 检测系统 |
| 5.2 算法性能测试 |
| 5.2.1 算法匹配精度测试 |
| 5.2.2 算法实时性测试 |
| 5.3 本章小结 |
| 第六章 结论与后期工作 |
| 6.1 结论 |
| 6.2 后期工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（3）基于多目标优化的负荷预测与机器学习混合算法的研究与应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 负荷预测方法的分类 |
| 1.2.1 基于趋势外推的预测方法 |
| 1.2.2 基于回归模型的预测方法 |
| 1.2.3 基于时间序列的预测方法 |
| 1.2.4 基于灰色系统理论的预测方法 |
| 1.2.5 基于神经网络的预测方法 |
| 1.3 组合预测算法的分类 |
| 1.3.1 固定权重的组合预测算法 |
| 1.3.2 变权重的组合预测算法 |
| 1.3.3 包含数据预处理的组合预测算法 |
| 1.3.4 包含参数选择和优化的组合预测模型 |
| 1.3.5 比较不同的组合算法 |
| 1.4 本文的结构与安排论文内容与撰写安排 |
| 1.4.1 本文研究内容 |
| 1.4.2 章节结构 |
| 第二章 研究基础 |
| 2.1 数据预处理:奇异谱分析和灰色关联分析 |
| 2.1.1 奇异谱分析 |
| 2.1.2 灰色关联分析 |
| 2.2 极限学习机 |
| 2.3 广义回归神经网络 |
| 2.4 遗传算法 |
| 2.5 模拟退火算法 |
| 2.6 本章小结 |
| 第三章 基于多目标优化的混合预测算法 |
| 3.1 数据预处理 |
| 3.2 多目标优化的极限学习机 |
| 3.3 混合模型(SA–MOGA–ELM–GRNN) |
| 3.4 本章小结 |
| 第四章 实验结果与分析 |
| 4.1 数据集介绍 |
| 4.2 预测误差 |
| 4.3 实现细节 |
| 4.4 实验结果与分析 |
| 4.4.1 实验I:新南威尔士州(NSW)的预测结果 |
| 4.4.2 实验II:塔斯马尼亚州(TAS)的预测结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（4）基于影像组学对磁共振成像的前列腺癌病理分级预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 当今前列腺癌的诊断方法 |
| 1.1.2 前列腺癌的Gleason病理评分 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文的组织结构 |
| 第二章 放射组学与算法模型概述 |
| 2.1 MRI技术 |
| 2.1.1 MRI技术简介 |
| 2.1.2 多序列MRI技术在前列腺癌诊断中的应用 |
| 2.2 影像组学简介 |
| 2.3 机器学习技术概述 |
| 2.4 深度学习技术概述 |
| 2.4.1 人工神经网络 |
| 2.4.2 神经元模型 |
| 2.4.3 多层感知机 |
| 2.5 数据集划分及验证方法 |
| 2.6 预测结果评价体系 |
| 2.7 本章小结 |
| 第三章 前列腺癌MRI影像的预处理与特征提取工作 |
| 3.1 数据收集及预处理工作 |
| 3.1.1 前列腺癌患者影像数据收集 |
| 3.1.2 MRI检查方法 |
| 3.1.3 前列腺手术病理 |
| 3.1.4 前列腺癌病灶分割 |
| 3.1.5 多模态影像配准 |
| 3.2 利用影像组学进行特征提取 |
| 3.2.1 形状特征提取 |
| 3.2.2 纹理特征提取 |
| 3.2.3 特征提取结果 |
| 3.3 利用统计学进行特征选择 |
| 3.4 本章小结 |
| 第四章 前列腺癌Gleason病理高低危分类预测模型搭建 |
| 4.1 本文的模型验证方法 |
| 4.2 本文的预测结果评价指标 |
| 4.3 基于机器学习的分类模型 |
| 4.3.1 SVM算法 |
| 4.3.2 随机森林算法 |
| 4.3.3 Xgboost算法 |
| 4.3.4 结果与分析 |
| 4.4 基于人工神经网络与Bagging集成学习算法的分类模型 |
| 4.4.1 PCA降维 |
| 4.4.2 基于人工神经网络的个体学习器 |
| 4.4.3 结合策略 |
| 4.4.4 Bagging算法 |
| 4.4.5 结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）聚脲基双壁微胶囊/环氧树脂自修复海工防护涂层的制备与性能研究（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 自修复微胶囊的研究现状 |
| 1.2.1 自修复微胶囊的修复机理 |
| 1.2.2 自修复单壁微胶囊的设计与研究进展 |
| 1.2.3 自修复双壁微胶囊的设计与研究进展 |
| 1.3 微胶囊填充型自修复防护涂层的研究现状 |
| 1.3.1 异氰酸酯微胶囊填充型自修复防护涂层的研究进展 |
| 1.3.2 环氧树脂胶囊填充型自修复防护涂层的研究进展 |
| 1.3.3 植物油胶囊填充型自修复防护涂层的研究进展 |
| 1.3.4 缓蚀-腐蚀抑制剂胶囊填充型自修复防护涂层的研究进展 |
| 1.4 研究思路与目标 |
| 1.4.1 研究思路 |
| 1.4.2 研究目标 |
| 1.4.3 研究内容 |
| 1.5 课题来源 |
| 第2章 实验方案 |
| 2.1 材料与设备 |
| 2.1.1 实验材料 |
| 2.1.2 仪器设备 |
| 2.2 技术流程 |
| 2.3 微胶囊的合成与制备 |
| 2.3.1 聚脲基单壁微胶囊的合成与制备 |
| 2.3.2 聚脲基双壁微胶囊的合成与制备 |
| 2.3.3 GO改性聚脲基双壁微胶囊的合成与制备 |
| 2.4 微胶囊的结构与性能表征 |
| 2.4.1 微胶囊的表面形貌测试 |
| 2.4.2 微胶囊的化学结构测试 |
| 2.4.3 微胶囊的热稳定性测试 |
| 2.5 自修复涂层的制备与测试 |
| 2.5.1 自修复涂层的制备 |
| 2.5.2 自修复涂层的微观结构测试 |
| 2.5.3 自修复涂层的拉伸性能测试 |
| 2.5.4 自修复涂层的数字散斑测试 |
| 2.5.5 自修复涂层的电化学性能测试 |
| 第3章 聚脲基双壁微胶囊的合成与表征 |
| 3.1 引言 |
| 3.2 聚脲基双壁微胶囊的合成工艺探索 |
| 3.2.1 预聚物乳液的制备工艺探索 |
| 3.2.2 胺基扩链剂乳液的制备工艺探索 |
| 3.2.3 聚脲基单壁微胶囊的合成工艺探索 |
| 3.2.4 聚脲基双壁微胶囊的合成工艺探索 |
| 3.2.5 聚脲基双壁微胶囊的合成与制备 |
| 3.3 聚脲基双壁微胶囊的微观形貌与化学结构表征 |
| 3.3.1 聚脲基双壁微胶囊的微观形貌分析 |
| 3.3.2 聚脲基双壁微胶囊的粒径分布分析 |
| 3.3.3 聚脲基双壁微胶囊的化学结构分析 |
| 3.4 聚脲基双壁微胶囊的芯材含量与热稳定性能表征 |
| 3.4.1 聚脲基双壁微胶囊的芯材含量测试 |
| 3.4.2 聚脲基双壁微胶囊的热稳定性能分析 |
| 3.5 本章小结 |
| 第4章 聚脲基双壁微胶囊/环氧树脂自修复海工防护涂层的制备与表征 |
| 4.1 引言 |
| 4.2 自修复涂层的制备 |
| 4.2.1 自修复涂层拉伸试样的制备 |
| 4.2.2 自修复涂层腐蚀试样的制备 |
| 4.3 自修复涂层的微观结构表征 |
| 4.3.1 自修复涂层中微胶囊分散状态测试分析 |
| 4.3.2 自修复涂层中的微胶囊/环氧树脂界面结构测试分析 |
| 4.4 自修复涂层的力学性能与变形行为表征 |
| 4.4.1 自修复涂层的应力-应变曲线测试分析 |
| 4.4.2 自修复涂层的力学性能自修复效率计算分析 |
| 4.4.3 自修复涂层的力学性能自修复机理研究 |
| 4.5 自修复涂层的电化学性能表征 |
| 4.5.1 自修复涂层的电化学性能修复效率计算分析 |
| 4.5.2 自修复涂层的电化学性能自修复机理研究 |
| 4.6 本章小结 |
| 第5章 GO改性聚脲基双壁微胶囊的合成与表征 |
| 5.1 引言 |
| 5.2 GO改性聚脲基双壁微胶囊的合成工艺研究 |
| 5.2.1 GO改性预聚物乳液的制备工艺探索 |
| 5.2.2 GO改性聚脲基单壁微胶囊的合成工艺探索 |
| 5.2.3 GO改性聚脲基双壁微胶囊的合成工艺探索 |
| 5.2.4 GO改性聚脲基双壁微胶囊的合成与制备 |
| 5.3 GO改性聚脲基双壁微胶囊的微观结构表征 |
| 5.3.1 GO改性微胶囊的微观形貌测试分析 |
| 5.3.2 GO改性微胶囊的粒径分布测试分析 |
| 5.3.3 GO改性微胶囊的化学结构测试分析 |
| 5.3.4 GO改性微胶囊的晶体结构测试分析 |
| 5.4 GO改性聚脲基双壁微胶囊的芯材含量与热稳定性能表征 |
| 5.4.1 GO改性微胶囊的芯材含量测试分析 |
| 5.4.2 GO改性微胶囊的热稳定性能测试分析 |
| 5.5 本章小结 |
| 第6章 GO改性自修复涂层的制备与表征 |
| 6.1 引言 |
| 6.2 GO改性自修复涂层的制备 |
| 6.2.1 改性自修复涂层拉伸试样的制备 |
| 6.2.2 GO改性自修复涂层腐蚀试样的制备 |
| 6.3 GO改性自修复涂层的微观结构表征 |
| 6.3.1 GO改性微胶囊分散状态测试分析 |
| 6.3.2 GO改性微胶囊/环氧树脂界面结构测试分析 |
| 6.4 GO改性自修复涂层的力学性能与变形行为表征 |
| 6.4.1 改性自修复涂层的应力-应变曲线测试分析 |
| 6.4.2 GO改性自修复涂层的力学性能自修复效率计算分析 |
| 6.4.3 GO改性自修复涂层的力学性能自修复机理研究 |
| 6.5 GO改性自修复涂层的电化学性能表征 |
| 6.5.1 GO改性自修复涂层的电化学性能测试分析 |
| 6.5.2 GO改性自修复涂层的电化学性能自修复效率计算分析 |
| 6.5.3 GO改性自修复涂层的电化学性能自修复机理研究 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间论文发表及科研情况 |
| 致谢 |
（6）时空信息综合的静电层析成像系统研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 静电层析成像系统综述 |
| 1.2.2 气固两相流颗粒速度分布测量综述 |
| 1.3 问题提出 |
| 1.4 本文工作内容及创新点 |
| 第2章 静电层析成像理论基础 |
| 2.1 静电传感器阵列 |
| 2.2 静电感应测量原理 |
| 2.3 静电电荷分布重构正问题模型 |
| 第3章 静电传感器阵列结构参数优化 |
| 3.1 优化指标选取 |
| 3.1.1 空间灵敏场强度及均匀性 |
| 3.1.2 奇异值谱线分析 |
| 3.1.3 重构图像相关系数 |
| 3.2 有限元仿真模型搭建 |
| 3.2.1 有限元仿真原理 |
| 3.2.2 模型参数设置 |
| 3.3 电极轴向长度优化 |
| 3.4 电极数目优化 |
| 第4章 静电直接速度分布成像方法 |
| 4.1 互相关基础理论 |
| 4.1.1 凝固流型假设 |
| 4.1.2 互相关测速原理 |
| 4.2 灰度相关速度分布重构法 |
| 4.3 直接速度分布重构法 |
| 4.3.1 互相关时空信息推导 |
| 4.3.2 基于互相关灵敏度的直接速度分布重构方法 |
| 4.3.3 直接速度分布成像正问题验证实验 |
| 第5章 静电层析成像系统与逆问题求解 |
| 5.1 静电层析成像系统 |
| 5.1.1 16电极静电传感器阵列 |
| 5.1.2 信号调理电路 |
| 5.1.3 数据采集系统 |
| 5.1.4 图像重构算法选取 |
| 5.2 离散颗粒速度分布重构 |
| 5.3 垂直管道颗粒落体速度分布重构 |
| 5.3.1 颗粒落体实验装置介绍 |
| 5.3.2 不同颗粒速度分布重构效果 |
| 第6章 直接速度分布重构方法在气力输送中的应用研究 |
| 6.1 气力输送实验平台介绍 |
| 6.2 感应电荷信号与转移电荷信号的特征分析 |
| 6.2.1 感应电荷信号分析 |
| 6.2.2 转移电荷信号分析 |
| 6.3 基于DWT滤波的直接速度分布重构方法 |
| 6.4 气力输送颗粒速度分布重构 |
| 第7章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（7）基于数字散斑相关方法的结构面内位移测量研究（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 国内外的研究现状 |
| 1.2.1 理论研究 |
| 1.2.2 应用研究 |
| 1.3 DSCM研究中的若干问题 |
| 1.4 本文研究的主要内容 |
| 第二章 数字散斑相关方法 |
| 2.1 散斑图像 |
| 2.1.1 试验散斑图像 |
| 2.1.2 模拟散斑图像 |
| 2.2 数字图像采集系统 |
| 2.3 数字散斑相关方法的基本原理 |
| 2.3.1 灰度相关 |
| 2.3.2 分形相关 |
| 2.3.3 相关函数 |
| 2.4 位移场测量 |
| 2.5 本章小结 |
| 第三章 DSCM位移测量研究 |
| 3.1 整像素位移测量 |
| 3.1.1 逐点搜索法 |
| 3.1.2 十字搜索法 |
| 3.1.3 粒子群算法 |
| 3.2 亚像素位移测量 |
| 3.2.1 灰度插值法 |
| 3.2.2 曲面拟合法 |
| 3.2.3 梯度法 |
| 3.2.4 N-R法 |
| 3.2.5 亚像素位移算法比较 |
| 3.3 一种改进的亚像素位移混合算法 |
| 3.4 本章小结 |
| 第四章 实验与分析 |
| 4.1 相关算法的人机设计 |
| 4.1.1 板块设计说明 |
| 4.1.2 标定系数确定 |
| 4.2 刚体平移实验 |
| 4.3 实桥动挠度测量 |
| 4.4 误差分析 |
| 4.4.1 系统误差 |
| 4.4.2 随机误差 |
| 4.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读学位期间发表论文及参加的项目工作) |
（8）基于尺度不变特征融合的目标跟踪算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标跟踪算法研究现状 |
| 1.2.2 图像尺度不变特征研究现状 |
| 1.3 本文研究内容 |
| 第二章 红外图像分析及图像预处理 |
| 2.1 红外图像的特征分析 |
| 2.2 红外图像的预处理 |
| 2.2.1 红外图像增强处理 |
| 2.2.2 红外图像降噪处理 |
| 2.3 本章小结 |
| 第三章 红外目标跟踪算法 |
| 3.1 基于灰度相关匹配的运动目标跟踪算法 |
| 3.2 基于特征匹配的运动目标跟踪算法 |
| 3.2.1 图像局部特征点检测 |
| 3.2.2 图像局部特征点描述 |
| 3.2.3 图像局部特征点匹配 |
| 3.3 本章小结 |
| 第四章 基于尺度不变特征融合的目标跟踪算法 |
| 4.1 尺度空间理论 |
| 4.2 基于SURF-BRISK特征匹配的运动目标跟踪算法 |
| 4.2.1 积分图像 |
| 4.2.2 特征极值点检测 |
| 4.2.3 图像特征点检测 |
| 4.2.4 特征点的邻域 |
| 4.2.5 图像特征点二值描述 |
| 4.2.6 图像特征匹配和目标定位 |
| 4.3 基于尺度空间相关匹配的运动目标跟踪算法 |
| 4.3.1 目标图像的多尺度模型 |
| 4.3.2 相似系数计算 |
| 4.3.3 相关匹配算法目标最佳定位 |
| 4.4 基于尺度不变特征融合的目标跟踪算法 |
| 4.5 本章小结 |
| 第五章 目标跟踪系统软件和实验仿真 |
| 5.1 红外目标跟踪系统软件介绍 |
| 5.2 目标跟踪算法实验仿真 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）地标自主导航的高精度地标库建立方法（论文提纲范文）
| 1 地标导航原理 |
| 2 全局地标库的建立与匹配算法 |
| 2.1 地标的选取原则 |
| 2.2 全局地面控制区的建立 |
| 2.3 地标匹配算法 |
| 3 地标导航 |
| 3.1 地标导航观测方程 |
| 3.2 卫星状态模型 |
| 4 导航仿真 |
| 5 结论 |
（10）基于YHFT-DSP和变焦云台摄像机的全景图像拼接系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的来源、研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文完成的主要工作及章节安排 |
| 1.3.1 本文完成的主要工作 |
| 1.3.2 章节安排 |
| 第二章 图像拼接技术 |
| 2.1 图像拼接技术的特点 |
| 2.2 全景图像拼接的方式 |
| 2.2.1 帧到帧方式 |
| 2.2.2 目标图像到帧方式 |
| 2.2.3 帧到目标图像方式 |
| 2.2.4 目标图像到目标图像方式 |
| 2.3 图像拼接的基本流程 |
| 2.4 图像采集 |
| 2.4.1 普通相机采集图像的一般方法 |
| 2.4.2 图像的坐标变换 |
| 2.4.3 不同的相机运动方式对应的图像变换模型 |
| 2.5 图像预处理 |
| 2.5.1 图像色彩转换 |
| 2.5.2 图像增强 |
| 2.5.3 图像滤波 |
| 2.5.4 图像的柱面坐标投影 |
| 2.6 图像配准 |
| 2.6.1 图像配准的四个要素 |
| 2.6.2 图像配准的方法 |
| 2.6.3 基于特征的配准的一般流程 |
| 2.7 图像融合 |
| 2.8 本章小结 |
| 第三章 基于YHFT-DSP的全景图像拼接硬件系统 |
| 3.1 总体设计 |
| 3.2 变焦云台摄像机 |
| 3.2.1 主要性能特点 |
| 3.2.2 VISCA控制协议 |
| 3.2.3 云台摄像机的控制指令集 |
| 3.3 YHFT图像处理板 |
| 3.3.1 YHFT图像处理板的结构及特点 |
| 3.3.2 YHFT-DSP芯片 |
| 3.3.3 可编程逻辑器件FPGA |
| 3.3.4 YHFT图像处理板的工作原理 |
| 3.4 可变焦云台摄像机与YHFT图像处理板的通信连接 |
| 3.5 本章小结 |
| 第四章 算法改进与全景图像拼接系统的软件设计实现 |
| 4.1 图像拼接算法的改进 |
| 4.1.1 特征提取MORAVEC算法的改进 |
| 4.1.2 利用相关系数进行特征初次匹配算法的改进 |
| 4.1.3 RANSAC精确匹配算法的改进 |
| 4.1.4 变换模型求解算法的改进 |
| 4.1.5 图像插值与图像融合操作合并进行 |
| 4.2 软件程序框架设计 |
| 4.3 云台控制程序的设计 |
| 4.3.1 系统对云台的控制的要求 |
| 4.3.2 云台控制程序设计 |
| 4.4 图像拼接程序的设计 |
| 4.4.1 图像预处理子程序 |
| 4.4.2 图像特征点提取子程序 |
| 4.4.3 特征点初次匹配子程序 |
| 4.4.4 RANSAC精确匹配与变换模型求解子程序 |
| 4.4.5 图像插值与融合子程序 |
| 4.5 本章小结 |
| 第五章 系统实现与性能分析 |
| 5.1 系统实现与测试 |
| 5.1.1 系统实现 |
| 5.1.2 测试方法 |
| 5.1.3 测试内容 |
| 5.2 测试结果与分析 |
| 5.2.1 云台控制 |
| 5.2.2 图像采集 |
| 5.2.3 图像预处理 |
| 5.2.4 特征提取 |
| 5.2.5 特征匹配 |
| 5.2.6 求取图像变换模型参数 |
| 5.2.7 图像插值与融合 |
| 5.2.8 全景图像拼接 |
| 5.3 测试结论 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、灰度相关系数法性能的研究（论文参考文献）
- [1]边坡活动性监测的数字图像相关方法研究[D]. 贺志杰. 北方工业大学, 2021(01)
- [2]基于改进Linemod-2D的形状匹配算法研究及其在载盘污渍检测系统的应用[D]. 陈全义. 江西理工大学, 2020(01)
- [3]基于多目标优化的负荷预测与机器学习混合算法的研究与应用[D]. 宋燕如. 兰州大学, 2020(01)
- [4]基于影像组学对磁共振成像的前列腺癌病理分级预测[D]. 胡泽宇. 西安电子科技大学, 2020(05)
- [5]聚脲基双壁微胶囊/环氧树脂自修复海工防护涂层的制备与性能研究[D]. 张颖锐. 青岛理工大学, 2019(02)
- [6]时空信息综合的静电层析成像系统研究[D]. 张帅. 天津大学, 2019(01)
- [7]基于数字散斑相关方法的结构面内位移测量研究[D]. 严盛龙. 长沙理工大学, 2018(06)
- [8]基于尺度不变特征融合的目标跟踪算法[D]. 张高翔. 西安电子科技大学, 2017(04)
- [9]地标自主导航的高精度地标库建立方法[J]. 杨博,张典律,赵晓涛. 北京航空航天大学学报, 2018(01)
- [10]基于YHFT-DSP和变焦云台摄像机的全景图像拼接系统[D]. 熊乔. 国防科学技术大学, 2016(01)