1. 毕业设计（论文）主要内容：

单应又称射影变换，它将一个射影平面上的点映射到另一个射影平面上。这里说的单应性矩阵主要是指平面单应性矩阵，在三轴坐标中XYZ，Z=1这个有点类似于三维的齐次坐标。单应性矩阵主要用来解决两个问题：一、表述真实世界中一个平面与对应它图像的透视变换；二、从通过透视变换实现图像从一种视图变换到另外一种视图。目前深度学习技术尤其是卷积神经网络在图像中应用广泛，而且效果优异，本研究基于深度学习的技术来实现单应性矩阵的估算。通过对该课题的研究，进行一次综合运用所学理论和技能的训练，进一步提高分析问题和解决问题的能力。

主要内容包括：
1. 了解深度学习、单应性矩阵等基本概念；
2. 深度学习网络搭建和pytorch训练 ，实现基于深度学习的单应性矩阵的估算；
3. 对算法进行比较评估。

2. 毕业设计（论文）主要任务及要求

1.查阅15篇相关文献（不少于3篇外文文献），并每篇书写200—300字文献摘要（装订成册，带封面）；
2.认真填写周记，完成至少1500字开题报告（“设计的目的及意义”至少800汉字；“基本内容和技术方案”至少400汉字；进度安排应尽可能详细；
3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；
4.完成系统的编码与调试；
5.完成10000字以上的毕业论文；
6.进行论文答辩。

3. 毕业设计（论文）完成任务的计划与安排

(1)2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；
(3)2019/5/1—2019/5/25：撰写及修改毕业论文；
(4)2019/5/26—2019/6/5：准备答辩。

4. 主要参考文献

[1] DeTone, D., T. Malisiewicz and A. Rabinovich, Deep Image Homography Estimation. 2016.
[2] Nowruzi, F.E., R. Laganiere and N. Japkowicz. Homography Estimation from Image Pairs with Hierarchical Convolutional Networks. 2017: IEEE.