本文關(guān)鍵詞：基于移動(dòng)平臺(tái)的特征匹配算法評(píng)估系統(tǒng)研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái)隨著圖像匹配技術(shù)的日臻成熟,以及移動(dòng)終端設(shè)備的高速發(fā)展,匹配技術(shù)在終端上的應(yīng)用日益廣泛和深入。然而,目前有關(guān)匹配技術(shù)及相關(guān)算法的研究都是以PC機(jī)為實(shí)現(xiàn)平臺(tái),再將其移植至終端設(shè)備,鮮見(jiàn)基于終端平臺(tái)的相關(guān)算法系統(tǒng)的開(kāi)發(fā)。從終端設(shè)備特性的角度考慮,算法的性能應(yīng)與終端平臺(tái)相得益彰。針對(duì)這一問(wèn)題,本文對(duì)算法在終端運(yùn)行時(shí)的性能評(píng)估系統(tǒng)進(jìn)行了探究,并在實(shí)現(xiàn)系統(tǒng)設(shè)計(jì)后對(duì)匹配算法進(jìn)行測(cè)試,針對(duì)系統(tǒng)給出的算法性能分析對(duì)被評(píng)估的算法采取相應(yīng)的優(yōu)化策略,對(duì)提升終端匹配算法性能具有重要的實(shí)際意義。本文首先對(duì)各類圖像匹配算法進(jìn)行了研究,并深入分析了FAST算法與SURF算法原理。然后以基于點(diǎn)特征的圖像匹配算法為基礎(chǔ),提出圖像匹配算法模型并完成算法的接口設(shè)計(jì)。接著,以Android系統(tǒng)為終端平臺(tái)的載體,通過(guò)JNI技術(shù),將匹配算法依據(jù)相應(yīng)接口移植到Native層,并在Native層設(shè)計(jì)算法評(píng)估的測(cè)試方法和性能指標(biāo)數(shù)據(jù)的處理子模塊,同時(shí)結(jié)合Java層完成系統(tǒng)圖形界面的設(shè)計(jì)和Android系統(tǒng)庫(kù)的調(diào)用,最終實(shí)現(xiàn)基于移動(dòng)平臺(tái)的算法評(píng)估系統(tǒng)。經(jīng)實(shí)驗(yàn)證實(shí),評(píng)估系統(tǒng)的運(yùn)行結(jié)果與PC機(jī)的測(cè)試結(jié)果具有一致性。同時(shí),該系統(tǒng)可以穩(wěn)定地運(yùn)行在Android系統(tǒng)的終端平臺(tái)上并給出用戶指定匹配算法在終端運(yùn)行時(shí)的參數(shù)報(bào)告,對(duì)于分析算法在終端的性能具有實(shí)用價(jià)值。在實(shí)現(xiàn)了算法評(píng)估系統(tǒng)后,本文依據(jù)算法在終端的性能報(bào)告,結(jié)合終端設(shè)備應(yīng)用對(duì)算法的要求,提出基于閾值的魯棒性算法優(yōu)化方案和綜合算法優(yōu)化策略,從盡可能減少計(jì)算量和增強(qiáng)實(shí)時(shí)性的角度對(duì)算法進(jìn)行優(yōu)化。經(jīng)驗(yàn)證,本文提出的算法具有較高的準(zhǔn)確率、穩(wěn)定性和實(shí)用意義。
【關(guān)鍵詞】：移動(dòng)終端 特征匹配 算法評(píng)估 SURF
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-12
• 第一章 緒論12-18
• 1.1 課題意義12-13
• 1.2 研究現(xiàn)狀13-15
• 1.2.1 圖像匹配發(fā)展現(xiàn)狀13-14
• 1.2.2 算法性能評(píng)估現(xiàn)狀14-15
• 1.3 研究目標(biāo)和亟待解決的問(wèn)題15-16
• 1.4 本文主要內(nèi)容和章節(jié)安排16-18
• 第二章 匹配算法原理及接口18-29
• 2.1 圖像匹配算法分類18-21
• 2.1.1 基于灰度信息的圖像匹配方法18-19
• 2.1.2 基于特征信息的圖像匹配方法19-20
• 2.1.3 其他圖像匹配方法20-21
• 2.2 點(diǎn)特征匹配算法分析及接口定義21-28
• 2.2.1 FAST算法21-23
• 2.2.2 SURF算法23-26
• 2.2.3 算法接口預(yù)定義26-28
• 2.3 本章小結(jié)28-29
• 第三章 基于ANDROID系統(tǒng)移動(dòng)平臺(tái)的算法評(píng)估系統(tǒng)實(shí)現(xiàn)29-58
• 3.1 開(kāi)發(fā)平臺(tái)29-32
• 3.1.1 軟件開(kāi)發(fā)平臺(tái)29-31
• 3.1.2 硬件測(cè)試平臺(tái)31-32
• 3.2 系統(tǒng)框架描述32-33
• 3.3 評(píng)估系統(tǒng)關(guān)鍵技術(shù)實(shí)現(xiàn)33-53
• 3.3.1 Native層設(shè)計(jì)與實(shí)現(xiàn)33-44
• 3.3.2 Java層設(shè)計(jì)與實(shí)現(xiàn)44-53
• 3.4 系統(tǒng)測(cè)試53-56
• 3.4.1 測(cè)試環(huán)境53-54
• 3.4.2 測(cè)試結(jié)果與分析54-56
• 3.5 本章小結(jié)56-58
• 第四章 針對(duì)評(píng)估測(cè)試結(jié)果的算法優(yōu)化58-77
• 4.1 基于閾值的魯棒性算法優(yōu)化58-72
• 4.1.1 SURF算法參數(shù)分析58-62
• 4.1.2 基于閾值修正的特征檢測(cè)算法優(yōu)化策略62-66
• 4.1.3 基于分類的特征提取算法修正66-70
• 4.1.4 性能測(cè)試與分析70-72
• 4.2 綜合算法優(yōu)化策略72-75
• 4.2.1 檢測(cè)算法測(cè)試72-73
• 4.2.2 FAST閾值分析73-74
• 4.2.3 測(cè)試與分析74-75
• 4.3 本章小結(jié)75-77
• 第五章 總結(jié)與展望77-79
• 5.1 主要工作與創(chuàng)新點(diǎn)77
• 5.2 科研展望77-79
• 參考文獻(xiàn)79-82
• 致謝82-83
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文83-85

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 高素青;譚勛軍;黃承夏;;一種基于SURF的圖像配準(zhǔn)改進(jìn)算法[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

2 丁尤蓉;王敬東;邱玉嬌;俞海波;;基于自適應(yīng)閾值的FAST特征點(diǎn)提取算法[J];指揮控制與仿真;2013年02期

3 趙立雙;馮瑩;曹毓;;單目視覺(jué)定位中SURF算法參數(shù)的優(yōu)化[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年06期

4 何微;鄧小煉;;自適應(yīng)閾值的遙感影像角點(diǎn)提取算法[J];遙感信息;2011年06期

5 陳麗芳;劉淵;須文波;;改進(jìn)的歸一互相關(guān)法的灰度圖像模板匹配方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年26期

6 李文新;王姜博;慕德俊;袁源;;Android系統(tǒng)Rootkit技術(shù)綜述[J];微處理機(jī);2011年02期

7 李元鋒;李正生;王洋;;基于模糊綜合評(píng)判的多指標(biāo)匹配算法性能評(píng)估[J];光電工程;2010年08期

8 王洋;徐剛鋒;左東廣;;基于Logistic回歸模型的景像匹配算法性能評(píng)估[J];紅外技術(shù);2008年09期

9 田偉剛;郭雷;黃雷;;一種應(yīng)用于圖像配準(zhǔn)中的點(diǎn)特征匹配算法[J];微電子學(xué)與計(jì)算機(jī);2008年03期

10 王軍;張明柱;;圖像匹配算法的研究進(jìn)展[J];大氣與環(huán)境光學(xué)學(xué)報(bào);2007年01期

  本文關(guān)鍵詞：基于移動(dòng)平臺(tái)的特征匹配算法評(píng)估系統(tǒng)研究與實(shí)現(xiàn)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：254255