基于小波变换的三维模型提取技术的毕业论文,包括代码和答辩ppt.1．实现了三维模型的表示和规范化预处理过程，在此基础上，开发了进行检索实验的可视化特征提取实验平台。 2．结合球面调和变换获取旋转不变量具有降低特征向量维数的特性，实现了基于光线投射的特征提取方法，通过检索评价实验确定了参数的最佳取值。 3．分析了基本的光线投射方法和改进的光线投射方法的缺陷，提出了一种基于三维小波变换的特征描述方法。对光线投射算法进行了扩展，将切比雪夫采样点序列进行离散小波变换，然后利用球面调和变换获得旋转不变

运动目标提取和跟踪是视觉分析、高级行为理解以及运动编码等计算机视觉 应用领域中基本而又重要的一步，也是计算机视觉中的难点问题。本文深入研究 了运动视觉中目标的精确提取与跟踪算法，包括运动检测、阴影消除、外轮廓提 取以及目标的跟踪四个方面-Extraction and tracking of moving targets is a visual analysis, to understand high-level acts, as well as encoding movement i

RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出[1]。 RANSAC算法经常用于计算机视觉中。例如，在立体视觉领域中同时解决一对相机的匹配点问题及基本矩阵的计算。 RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers，偏离正常范围很远、无法适应数学模型的数据)