| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及应用领域 | 第8-9页 |
| 1.2 研究动态 | 第9-12页 |
| 1.3 本文研究重点及内容安排 | 第12-14页 |
| 2 基于特征点的图像拼接关键技术 | 第14-34页 |
| 2.1 图像拼接流程 | 第14-15页 |
| 2.2 图像采集与预处理 | 第15-18页 |
| 2.2.1 图像采集方法 | 第15页 |
| 2.2.2 预处理方法 | 第15-18页 |
| 2.3 基于特征点的图像匹配 | 第18-26页 |
| 2.3.1 图像匹配的三类常用算法 | 第18-20页 |
| 2.3.2 特征点提取 | 第20-25页 |
| 2.3.3 特征点匹配 | 第25-26页 |
| 2.4 图像变换 | 第26-32页 |
| 2.4.1 变换模型估计 | 第26-29页 |
| 2.4.2 鲁棒性估计方法 | 第29-30页 |
| 2.4.3 采样与插值 | 第30-32页 |
| 2.5 图像融合 | 第32-34页 |
| 3 基于SIFT的图像拼接验证与描述子研究 | 第34-54页 |
| 3.1 SIFT的基础理论 | 第34-39页 |
| 3.2 基于SIFT的图像拼接算法实验 | 第39-44页 |
| 3.2.1 特征点数目较多情况下的拼接算法验证 | 第39-42页 |
| 3.2.2 特征点数目较少情况下的拼接算法验证 | 第42-44页 |
| 3.3 SIFT描述子的现有改进算法 | 第44-51页 |
| 3.3.1 邻域形状的改进 | 第45-47页 |
| 3.3.2 描述对象的改进 | 第47-49页 |
| 3.3.3 降维等其他方法 | 第49-51页 |
| 3.4 SIFT描述子改进算法对比 | 第51-54页 |
| 4 基于MFCS-LBP的图像拼接算法 | 第54-72页 |
| 4.1 背景理论 | 第55-56页 |
| 4.1.1 LBP与CS-LBP | 第55-56页 |
| 4.1.2 多分辨率融合理论 | 第56页 |
| 4.2 本文改进：MFCS-LBP描述子 | 第56-58页 |
| 4.2.1 CWCS-LBP描述子的设计 | 第56-57页 |
| 4.2.2 MFCS-LBP描述子的设计 | 第57-58页 |
| 4.3 基于MFCS-LBP的图像拼接算法 | 第58-61页 |
| 4.3.1 基于MFCS-LBP的特征点描述算法 | 第58-59页 |
| 4.3.2 基于MFCS-LBP的图像拼接算法 | 第59-61页 |
| 4.4 实验结果与分析 | 第61-72页 |
| 4.4.1 描述子性能实验 | 第61-64页 |
| 4.4.2 拼接算法性能实验（广场监控场景） | 第64-68页 |
| 4.4.3 MFCS-LBP应用实验（车库监控场景） | 第68-72页 |
| 5 结论 | 第72-74页 |
| 5.1 工作总结 | 第72页 |
| 5.2 展望方向 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| A. 作者在攻读学位期间发表的论文（和专利）目录 | 第80页 |
| B. 作者在攻读学位期间参与的科研项目 | 第80页 |