(18.210.12.229) 您好!臺灣時間:2021/03/03 16:31
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:梁福榮
研究生(外文):Liang, Fu-Rong
論文名稱:以SAR和GMRF模式為基礎之多目標影像比對技術
指導教授:張志吉
指導教授(外文):Zhang, Zhi-Ji
學位類別:碩士
校院名稱:中正理工學院
系所名稱:電子工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1989
畢業學年度:78
語文別:中文
論文頁數:94
中文關鍵詞:最小平方估測高斯馬可夫亂場模式基礎多目標影像比對擷取電子工程
外文關鍵詞:(LSE)(GMRF)(EXTRACTION)(RECURSIVE)(SPATIAL-AUTOREGRESSIVE)ELECTRONIC-ENGINEERING(LSE)(GMRF)(EXTRACTION)(RECURSIVE)(SPATIAL-AUTOREGRESSIVE)(LSE)(GMRF)(EXTRACTION)(RECURSIVE)(SPATIAL-AUTOREGRESSIVE)(LSE)(GMRF)(EXTRACTION)(RECURSIVE)(SPATIAL-AUTOREGRESSIVE)
相關次數:
  • 被引用被引用:0
  • 點閱點閱:73
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0

本文主旨在發展一以影像數學模式為基礎之高效率影像比對方法(Image matching or
image registration),以解決傳統比對方法需要龐大計算量的問題。
本文將採空間自動回歸(Spatial Autoregressive;簡稱SAR models) 和高斯馬可夫亂
場(Gaussian Markov Random Field;簡稱GMRF models)兩個影像數學模式為理論架構
,以最小平方估測(Least Squares Estimation;簡稱LSE)方法求出此兩模式之特徵參
數,再利用這些特徵參數進行特徵比對。
本文另外推導出特徵參數擷取(Extraction)之快速遞迴(Recursive) 演算法,並設計
出此演算法的硬體架構。
模擬結果證實本文所提的方法較傳統的交互相關性函數(Cross Correlation Functi-
on) 快,並且亦可得到準確的結果。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔