| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 图像配准技术简介 | 第15-29页 |
| 1.2.1 图像配准方法概述 | 第15-16页 |
| 1.2.2 图像配准方法分类 | 第16-17页 |
| 1.2.3 基于区域的配准方法 | 第17-18页 |
| 1.2.4 基于局部特征的配准方法 | 第18-21页 |
| 1.2.5 空间变换模型 | 第21-26页 |
| 1.2.6 图像变换和插值 | 第26-27页 |
| 1.2.7 图像配准效果评价方法 | 第27-28页 |
| 1.2.8 图像配准技术的难点 | 第28-29页 |
| 1.3 本文的主要工作 | 第29-32页 |
| 1.3.1 论文的主要成果 | 第29-30页 |
| 1.3.2 论文的结构安排 | 第30-32页 |
| 第2章 基于一致性点漂移的图像配准算法 | 第32-52页 |
| 2.1 引言 | 第32-33页 |
| 2.2 一致性点漂移算法 | 第33-37页 |
| 2.3 基于投影变换的一致性点漂移配准算法 | 第37-44页 |
| 2.3.1 基本变量 | 第38-39页 |
| 2.3.2 平滑正则项 | 第39-40页 |
| 2.3.3 模型参数求解 | 第40-43页 |
| 2.3.4 算法流程 | 第43-44页 |
| 2.4 基于局部特征的一致性点漂移配准算法 | 第44-46页 |
| 2.5 实验结果与分析 | 第46-51页 |
| 2.5.1 仿真数据实验 | 第46-48页 |
| 2.5.2 图像数据实验 | 第48-51页 |
| 2.6 本章小结 | 第51-52页 |
| 第3章 基于移动直接线性变换的图像配准算法 | 第52-73页 |
| 3.1 引言 | 第52-53页 |
| 3.2 移动直接线性变换算法 | 第53-56页 |
| 3.2.1 全局变换参数估计 | 第53-55页 |
| 3.2.2 基于移动直接线性变换算法的变换模型参数估计 | 第55-56页 |
| 3.3 基于改进移动直接线性变换的图像配准算法 | 第56-62页 |
| 3.3.1 投影参数向量场模型 | 第56-58页 |
| 3.3.2 投影参数向量场求解 | 第58-62页 |
| 3.4 图像配准算法在图像拼接中的应用 | 第62-67页 |
| 3.4.1 图像拼接 | 第62-63页 |
| 3.4.2 针对图像拼接的空间变换模型参数估计 | 第63-67页 |
| 3.5 实验结果与分析 | 第67-71页 |
| 3.5.1 图像配准实验 | 第67-70页 |
| 3.5.2 图像拼接实验 | 第70-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第4章 针对多聚焦图像的图像配准算法 | 第73-95页 |
| 4.1 引言 | 第73-74页 |
| 4.2 相关研究 | 第74-78页 |
| 4.2.1 多聚焦图像光学特性 | 第74-75页 |
| 4.2.2 SIFT特征的尺度空间分析 | 第75-77页 |
| 4.2.3 多聚焦图像特征点尺度分析 | 第77-78页 |
| 4.3 多聚焦图像的特征及特征匹配 | 第78-82页 |
| 4.3.1 基于局部特征与分布信息的图像特征提取 | 第78-81页 |
| 4.3.2 多聚焦图像特征匹配 | 第81-82页 |
| 4.4 多聚焦图像配准 | 第82页 |
| 4.5 基于焦点叠加的多聚焦图像融合算法 | 第82-84页 |
| 4.6 手持移动设备算法应用 | 第84-85页 |
| 4.7 实验结果与分析 | 第85-93页 |
| 4.7.1 多聚焦图像特征匹配实验 | 第85-88页 |
| 4.7.2 图像景深扩展实验 | 第88-90页 |
| 4.7.3 多聚焦图像配准与融合实验 | 第90-93页 |
| 4.8 本章小结 | 第93-95页 |
| 第5章 基于无监督特征学习的图像配准算法 | 第95-121页 |
| 5.1 引言 | 第95-96页 |
| 5.2 无监督特征学习方法介绍 | 第96-100页 |
| 5.2.1 图像预处理 | 第97-98页 |
| 5.2.2 常见字典学习方法 | 第98-99页 |
| 5.2.3 常见特征编码方法 | 第99-100页 |
| 5.3 基于无监督特征学习的图像配准算法 | 第100-107页 |
| 5.3.1 多层匹配框架 | 第102-103页 |
| 5.3.2 多层特征提取 | 第103-105页 |
| 5.3.3 目标函数与优化 | 第105-107页 |
| 5.4 图像配准算法在图像解析中的应用 | 第107-109页 |
| 5.5 实验与分析 | 第109-120页 |
| 5.5.1 实验设置 | 第109页 |
| 5.5.2 评价标准 | 第109-110页 |
| 5.5.3 Caltech-101数据集实验 | 第110-114页 |
| 5.5.4 Pascal VOC 2012数据集实验 | 第114-116页 |
| 5.5.5 LMO数据集实验 | 第116-118页 |
| 5.5.6 特征学习中各影响因素分析 | 第118-120页 |
| 5.6 本章小结 | 第120-121页 |
| 第6章 总结与展望 | 第121-125页 |
| 6.1 主要工作和贡献 | 第121-123页 |
| 6.2 未来的工作与展望 | 第123-125页 |
| 参考文献 | 第125-137页 |
| 攻读学位期间发表论文与研究成果清单 | 第137-138页 |
| 致谢 | 第138页 |