| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-23页 |
| ·本文的研究背景和研究意义 | 第13-17页 |
| ·图像配准技术的国内外研究现状 | 第17-21页 |
| ·本文的主要研究内容和组织结构 | 第21-23页 |
| 第2章 相机成像几何基础与图像变换模型 | 第23-41页 |
| ·相机成像的几何基础 | 第23-29页 |
| ·针孔相机模型 | 第23-25页 |
| ·常用坐标系及其关系 | 第25-29页 |
| ·相机的运动与图像几何变换 | 第29-39页 |
| ·相机的运动 | 第29-31页 |
| ·图像几何变换 | 第31-35页 |
| ·相机的运动与图像空间变换的关系 | 第35-39页 |
| ·本章小结 | 第39-41页 |
| 第3章 基于特征点的图像配准的关键技术 | 第41-75页 |
| ·特征点的提取 | 第41-58页 |
| ·特征点提取算法的评价 | 第42-43页 |
| ·Harris 角点检测算法 | 第43-47页 |
| ·SUSAN 算法 | 第47-49页 |
| ·DoG 算法 | 第49-54页 |
| ·三种特征点提取算法性能比较 | 第54-58页 |
| ·特征点的表示和描述 | 第58-63页 |
| ·特征点描述算子的评价 | 第58-59页 |
| ·SIFT 特征点描述算法 | 第59-63页 |
| ·特征点的匹配 | 第63-67页 |
| ·相似性度量准则 | 第63-64页 |
| ·搜索策略 | 第64-66页 |
| ·误匹配点的去除 | 第66-67页 |
| ·空间变换矩阵的估计 | 第67-69页 |
| ·重采样和插值技术 | 第69-72页 |
| ·重采样技术 | 第69-70页 |
| ·插值技术 | 第70-72页 |
| ·图像配准精度的分析 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第4章 基于尺度相互作用墨西哥帽小波的图像配准 | 第75-101页 |
| ·超复杂神经元细胞（Hyper-complex Neuron）数学模型的建立 | 第75-78页 |
| ·人类大脑视觉皮层的感受野（Receptive Field） | 第75-76页 |
| ·不同层次神经元细胞的数学模型 | 第76-78页 |
| ·尺度相互作用的墨西哥帽小波提取图像特征点 | 第78-86页 |
| ·尺度相互作用模型 | 第78-79页 |
| ·墨西哥帽小波 | 第79-84页 |
| ·加入尺度因子的墨西哥帽小波 | 第84-86页 |
| ·对数极坐标变换的特征点匹配 | 第86-91页 |
| ·对数极坐标变换 | 第86-89页 |
| ·对数极坐标变换的特征点匹配 | 第89-91页 |
| ·归一化伪 Zernike 矩特征点匹配和迭代加权最小二乘法 | 第91-96页 |
| ·伪 Zernike 矩 | 第91-92页 |
| ·伪 Zernike 矩的旋转不变性 | 第92-93页 |
| ·归一化伪 Zernike 矩 | 第93-94页 |
| ·迭代加权最小二乘法 | 第94-96页 |
| ·仿真实验和结果分析 | 第96-100页 |
| ·本章小结 | 第100-101页 |
| 第5章 基于 SURF-DAISY 算法和随机 kd 树的图像配准 | 第101-125页 |
| ·SURF 算法 | 第101-108页 |
| ·DoH 特征检测算子 | 第101-103页 |
| ·近似的 DoH 特征检测算子 | 第103-107页 |
| ·SURF 特征描述算子 | 第107-108页 |
| ·DAISY 描述算子 | 第108-112页 |
| ·卷积方向图 | 第108-109页 |
| ·DAISY 描述算子的生成 | 第109-112页 |
| ·随机抽样一致性算法（RANSAC） | 第112-113页 |
| ·随机 kd 树 | 第113-115页 |
| ·配准过程的流程图 | 第115-116页 |
| ·仿真实验与结果分析 | 第116-124页 |
| ·本章小结 | 第124-125页 |
| 第6章 总结和展望 | 第125-129页 |
| 参考文献 | 第129-135页 |
| 在学期间学术成果情况 | 第135-136页 |
| 指导教师及作者简介 | 第136-137页 |
| 致谢 | 第137-138页 |
