| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 图像配准基本理论 | 第19-35页 |
| 2.1 图像配准基本概述 | 第19页 |
| 2.2 图像配准基本原理 | 第19-20页 |
| 2.3 图像配准的变换模型 | 第20-24页 |
| 2.4 图像配准方法分类 | 第24-26页 |
| 2.4.1 基于灰度的图像配准方法 | 第24-25页 |
| 2.4.2 基于图像特征的配准方法 | 第25-26页 |
| 2.5 经典的图像特征提取算子 | 第26-34页 |
| 2.5.1 SIFT算子 | 第27-33页 |
| 2.5.2 SURF算子 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于D-Nets的合成图像配准方法的研究 | 第35-51页 |
| 3.1 图像边缘检测算子 | 第35-39页 |
| 3.1.1 Roberts算子 | 第35-36页 |
| 3.1.2 Sobel算子 | 第36-37页 |
| 3.1.3 Canny算子 | 第37页 |
| 3.1.4 Laplace算子 | 第37-39页 |
| 3.2 基于D-Nets的合成图像配准方法 | 第39-45页 |
| 3.2.1 D-Nets基本概述 | 第39-40页 |
| 3.2.2 D-Nets基本原理 | 第40-43页 |
| 3.2.3 基于D-Nets的合成图像配准方法 | 第43-45页 |
| 3.3 实验结果分析 | 第45-49页 |
| 3.3.1 数据集 | 第45页 |
| 3.3.2 评估准则 | 第45页 |
| 3.3.3 使用合成图像的证明实验 | 第45-46页 |
| 3.3.4 设置参数 | 第46-47页 |
| 3.3.5 分类训练实验 | 第47页 |
| 3.3.6 不同阈值实验 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于RANSAC算法的D-Nets配准方法的研究 | 第51-57页 |
| 4.1 基于RANSAC算法的D-Nets配准方法 | 第51-54页 |
| 4.1.1 RANSAC算法的基本概述 | 第51-52页 |
| 4.1.2 RANSAC算法的基本步骤 | 第52页 |
| 4.1.3 基于RANSAC算法的D-Nets配准方法 | 第52-54页 |
| 4.2 实验结果分析 | 第54-55页 |
| 4.2.1 评估准则 | 第54页 |
| 4.2.2 实验结果 | 第54-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第5章 结论与展望 | 第57-58页 |
| 5.1 研究结论 | 第57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间取得的学术成果 | 第63-64页 |
| 致谢 | 第64页 |
