旋转式全景图像拼接算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外图像拼接领域研究现状 | 第12-14页 |
| 1.2.1 国外图像拼接领域研究现状 | 第12-13页 |
| 1.2.2 国内研究状况 | 第13-14页 |
| 1.3 本文主要的研究工作及章节安排 | 第14-16页 |
| 1.3.1 论文研究工作 | 第14页 |
| 1.3.2 论文内容安排 | 第14-16页 |
| 第2章 图像拼接基本方法 | 第16-35页 |
| 2.1 引言 | 第16页 |
| 2.2 图像拼接流程 | 第16-17页 |
| 2.3 图像预处理 | 第17-21页 |
| 2.3.1 图像去噪 | 第17-18页 |
| 2.3.2 图像柱面投影 | 第18-21页 |
| 2.4 特征点检测算法 | 第21-28页 |
| 2.4.1 Harris角点检测算法 | 第21-23页 |
| 2.4.2 Fast特征点点检测算法 | 第23-24页 |
| 2.4.3 SURF特征点检测算法 | 第24-27页 |
| 2.4.4 SIFT特征点检测算法 | 第27-28页 |
| 2.5 图像特征点匹配 | 第28-33页 |
| 2.5.1 图像特征点匹配 | 第28-31页 |
| 2.5.2 图像特征点对提纯 | 第31-33页 |
| 2.6 图像融合 | 第33-34页 |
| 2.6.1 加权平均法 | 第33页 |
| 2.6.2 多分辨率融合算法 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 图像特征点检测算法分析 | 第35-50页 |
| 3.1 引言 | 第35页 |
| 3.2 最大特征点数与检测时间分析 | 第35-38页 |
| 3.3 外界干扰下的鲁棒性分析 | 第38-47页 |
| 3.3.1 缩放变化下的算法鲁棒性 | 第38-40页 |
| 3.3.2 旋转变化下的算法鲁棒性 | 第40-43页 |
| 3.3.3 光强变化下的算法鲁棒性 | 第43-45页 |
| 3.3.4 模糊变换下的算法鲁棒性 | 第45-47页 |
| 3.3.5 算法选择 | 第47页 |
| 3.4 两幅图像拼接 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 图像拼接算法优化 | 第50-69页 |
| 4.1 引言 | 第50页 |
| 4.2 图像复杂度 | 第50-55页 |
| 4.2.1 图像复杂度基本概念 | 第50-52页 |
| 4.2.2 获取图像复杂度 | 第52-54页 |
| 4.2.3 特征点数筛选 | 第54-55页 |
| 4.3 BP神经网络 | 第55-62页 |
| 4.3.1 神经网络基本概念 | 第55-57页 |
| 4.3.2 BP神经网络学习过程 | 第57-59页 |
| 4.3.3 BP神经网络的实现 | 第59-62页 |
| 4.4 重叠区域查找 | 第62-65页 |
| 4.4.1 NCC算法基本概念 | 第62-63页 |
| 4.4.2 NCC算法改进 | 第63-65页 |
| 4.5 特征点不足情况下的图像拼接 | 第65-68页 |
| 4.5.1 特征点较少情况下的图像拼接 | 第65-67页 |
| 4.5.2 特征点几乎没有的情况 | 第67-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第5章 图像拼接技术在红外测温系统中的应用 | 第69-79页 |
| 5.1 引言 | 第69页 |
| 5.2 全景图像拼接算法实现 | 第69-74页 |
| 5.2.1 两幅图像拼接 | 第69-70页 |
| 5.2.2 多图拼接 | 第70-74页 |
| 5.2.3 图像拼接时间对比 | 第74页 |
| 5.3 旋转式图像拼接系统 | 第74-78页 |
| 5.3.1 硬件实现 | 第74-76页 |
| 5.3.2 旋转式拼接软件实现 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第85-86页 |
| 致谢 | 第86页 |
