改进SIFT拼接算法的实现
| 中文摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 图像拼接研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及趋势 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 拼接技术面临的困难 | 第14页 |
| 1.4 本文主要研究内容及组织框架 | 第14-17页 |
| 第2章 图像拼接原理及算法 | 第17-37页 |
| 2.1 图像拼接原理 | 第17-18页 |
| 2.2 图像预处理 | 第18-26页 |
| 2.2.1 图像的点运算 | 第18-21页 |
| 2.2.2 图像的几何变换 | 第21-23页 |
| 2.2.3 空间域图像增强 | 第23-24页 |
| 2.2.4 频率域图像增强 | 第24-26页 |
| 2.3 特征点检测与匹配 | 第26-33页 |
| 2.3.1 Moravec算子 | 第27页 |
| 2.3.2 Forstner算子 | 第27-28页 |
| 2.3.3 Harris算子 | 第28-30页 |
| 2.3.4 微分算子 | 第30-33页 |
| 2.4 图像融合 | 第33-35页 |
| 2.4.1 加权平均法 | 第33页 |
| 2.4.2 IHS图像融合方法 | 第33-34页 |
| 2.4.3 主分量融合法 | 第34-35页 |
| 2.4.4 多尺度融合 | 第35页 |
| 2.5 图像融合准则 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 SIFT拼接算法的实现 | 第37-51页 |
| 3.1 SIFT算法 | 第37-45页 |
| 3.1.1 尺度空间极值点检测 | 第37-43页 |
| 3.1.2 确定特征点的主方向 | 第43页 |
| 3.1.3 关键点特征描述 | 第43-45页 |
| 3.2 RANSAC | 第45-47页 |
| 3.2.1 RANSAC算法基本思想 | 第46页 |
| 3.2.2 RANSAC算法在特征点匹配中的应用 | 第46-47页 |
| 3.3 KD树 | 第47-50页 |
| 3.3.1 KD树的相似性查找 | 第48页 |
| 3.3.2 BBF搜索策略 | 第48-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 SIFT算法的改进及实现 | 第51-59页 |
| 4.1 特征点的筛选 | 第52-54页 |
| 4.1.1 特征点初筛选 | 第53-54页 |
| 4.1.2 非极值点抑制 | 第54页 |
| 4.2 特征点的匹配 | 第54-57页 |
| 4.2.1 特征点主方向确定和描述子生成 | 第54-55页 |
| 4.2.2 特征点匹配 | 第55-57页 |
| 4.3 图像融合 | 第57-58页 |
| 4.3.1 原始融合算法 | 第57页 |
| 4.3.2 改进融合算法 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 软件的测试与仿真 | 第59-71页 |
| 5.1 图像特征点匹配仿真测试 | 第59-61页 |
| 5.2 图像的拼接仿真测试 | 第61-69页 |
| 5.3 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
