| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-14页 |
| 缩略语对照表 | 第14-19页 |
| 第一章 绪论 | 第19-39页 |
| 1.1 图像配准的研究背景和意义 | 第19-21页 |
| 1.2 图像配准的数学描述 | 第21-23页 |
| 1.3 图像配准的分类和研究现状 | 第23-35页 |
| 1.3.1 基于图像灰度的配准方法 | 第24-27页 |
| 1.3.2 基于图像区域和边缘特征的配准方法 | 第27-29页 |
| 1.3.3 基于特征点配准方法 | 第29-34页 |
| 1.3.4 基于空间结构的特征匹配与图像配准方法 | 第34-35页 |
| 1.4 论文研究内容和创新 | 第35-37页 |
| 1.5 论文组织结构 | 第37-39页 |
| 第二章 基于墨西哥帽函数的图像特征检测与配准 | 第39-69页 |
| 2.1 基于墨西哥帽函数的特征检测算子 | 第39-40页 |
| 2.2 基于墨西哥帽算子的边缘检测 | 第40-45页 |
| 2.3 基于尺度空间墨西哥帽算子的特征点检测 | 第45-48页 |
| 2.4 基于区域划分的特征点匹配策略 | 第48-56页 |
| 2.4.1 基于链码和Zernike矩的区域特征匹配 | 第49-51页 |
| 2.4.2 图像区域划分和特征点分组 | 第51-53页 |
| 2.4.3 基于仿射不变三角形划分的点集匹配策略 | 第53-56页 |
| 2.4.4 基于区域划分的特征点匹配流程 | 第56页 |
| 2.5 分组的随机采样一致性变换矩阵估计 | 第56-57页 |
| 2.6 实验结果与分析 | 第57-68页 |
| 2.6.1 实验环境和实验数据集 | 第57-60页 |
| 2.6.2 区域特征提取对特征点匹配的影响 | 第60-62页 |
| 2.6.3 算法性能比较 | 第62-68页 |
| 2.7 本章小结 | 第68-69页 |
| 第三章 基于局部二值模式的特征点描述和图像配准 | 第69-93页 |
| 3.1 基于简化的Hessian矩阵行列式的特征点检测 | 第69-72页 |
| 3.2 用于图像特征描述的局部二值模式 | 第72-75页 |
| 3.3 同值分割的统一局部二值模式 | 第75-79页 |
| 3.3.1 统一局部二值模式 | 第75页 |
| 3.3.2 统一局部二值模式的同值分割判定 | 第75-79页 |
| 3.4 高维特征点描述子的搜索匹配策略 | 第79-80页 |
| 3.5 基于随机采样一致性的误匹配删除 | 第80-82页 |
| 3.6 实验结果与分析 | 第82-92页 |
| 3.6.1 实验环境和实验数据集 | 第82-85页 |
| 3.6.2 US-LBP描述子在旋转和尺度变换下的配准效果 | 第85-86页 |
| 3.6.3 US-LBP描述子的参数设置和对一般LBP描述子的性能提升 | 第86-87页 |
| 3.6.4 算法性能比较 | 第87-92页 |
| 3.7 本章小结 | 第92-93页 |
| 第四章 基于排列顺序编码的特征点描述方法 | 第93-115页 |
| 4.1 基于最近邻序列的特征描述 | 第93-94页 |
| 4.2 基于Rank-order编码的特征点描述子 | 第94-96页 |
| 4.3 特征描述子中的Rank-order连接权值 | 第96-104页 |
| 4.3.1 特征点描述函数中连接权值的几何意义 | 第96-97页 |
| 4.3.2 连接权值中全局参照点的选取 | 第97-101页 |
| 4.3.3 基于随机采样一致性的全局参照点精度优化 | 第101-103页 |
| 4.3.4 GRAO描述子在旋转和尺度变换下的配准效果 | 第103-104页 |
| 4.4 结合DAISY和GRAO描述子的图像配准 | 第104-114页 |
| 4.4.1 DAISY描述子的构成 | 第104-106页 |
| 4.4.2 GRAO描述子的相似性度量 | 第106-107页 |
| 4.4.3 结合两种特征描述的相似性度量和特征匹配 | 第107页 |
| 4.4.4 基于空间约束的外点删除和变换矩阵估计 | 第107-108页 |
| 4.4.5 算法性能比较 | 第108-114页 |
| 4.5 本章小结 | 第114-115页 |
| 第五章 基于目标分解的变换矩阵估计优化策略 | 第115-129页 |
| 5.1 图像配准目标函数的转化 | 第115-116页 |
| 5.2 配准目标函数的分解优化 | 第116-117页 |
| 5.3 基于目标函数分解的图像配准方法 | 第117-124页 |
| 5.3.1 基于灰度直方图的SIFT特征描述子 | 第117-119页 |
| 5.3.2 特征差异度量的距离描述方式 | 第119-120页 |
| 5.3.3 基于距离的特征点匹配策略 | 第120-121页 |
| 5.3.4 分解的目标函数估计 | 第121页 |
| 5.3.5 优化方案对SIFT算法的性能提升 | 第121-124页 |
| 5.4 使用目标函数优化对基于GRAO描述子的图像配准的改进 | 第124-127页 |
| 5.4.1 改进的GRAO描述子与图像配准流程 | 第124页 |
| 5.4.2 优化方案对基于GRAO的配准性能的提升 | 第124-127页 |
| 5.5 本章小结 | 第127-129页 |
| 第六章 总结与展望 | 第129-131页 |
| 6.1 研究工作总结 | 第129-130页 |
| 6.2 研究展望 | 第130-131页 |
| 参考文献 | 第131-141页 |
| 致谢 | 第141-143页 |
| 作者简介 | 第143-144页 |
