摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第16-22页 |
1.1 研究背景及意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-20页 |
1.3 本文工作及章节安排 | 第20-22页 |
第二章 图像配准的技术基础 | 第22-39页 |
2.1 引言 | 第22页 |
2.2 典型传感器图像的成像特性 | 第22-25页 |
2.2.1 可见光图像 | 第23页 |
2.2.2 红外图像 | 第23-24页 |
2.2.3 SAR图像 | 第24-25页 |
2.3 图像的降噪方法 | 第25-28页 |
2.3.1 高斯滤波 | 第25-26页 |
2.3.2 均值滤波 | 第26页 |
2.3.3 中值滤波 | 第26-27页 |
2.3.4 基于频域的滤波 | 第27页 |
2.3.5 Lee滤波 | 第27-28页 |
2.4 基于区域信息的配准方法 | 第28-30页 |
2.5 基于局部特征的配准方法 | 第30-36页 |
2.5.1 Moravec角点 | 第30-31页 |
2.5.2 Harris角点 | 第31-33页 |
2.5.3 DoG角点 | 第33-34页 |
2.5.4 分支特征点 | 第34-36页 |
2.6 图像配准问题的一般性处理流程 | 第36-38页 |
2.7 本章小结 | 第38-39页 |
第三章 基于区域信息的图像匹配定位方法 | 第39-55页 |
3.1 引言 | 第39页 |
3.2 基于分支特征点的HAUSDORFF距离测度的匹配方法 | 第39-45页 |
3.2.1 分支特征点的提取 | 第39-40页 |
3.2.2 Hausdorff距离测度准则 | 第40-42页 |
3.2.3 金字塔分层搜索策略 | 第42-43页 |
3.2.4 仿真实验与结果分析 | 第43-45页 |
3.3 基于图像区块多尺度自卷积特征的匹配方法 | 第45-49页 |
3.3.1 多尺度自卷积特征MSA | 第45-47页 |
3.3.2 改进型欧氏距离相似性测度 | 第47-48页 |
3.3.3 金字塔分层搜索策略 | 第48-49页 |
3.4 对比仿真实验与结果分析 | 第49-54页 |
3.4.1 SAR图像 | 第49-51页 |
3.4.2 可见光图像 | 第51-52页 |
3.4.3 红外图像 | 第52-54页 |
3.5 本章小结 | 第54-55页 |
第四章 基于局部不变特征的图像精确配准方法 | 第55-80页 |
4.1 引言 | 第55页 |
4.2 局部不变特征SIFT的提取与表达 | 第55-63页 |
4.2.1 构建多尺度空间 | 第55-58页 |
4.2.2 检测局部极值点 | 第58-59页 |
4.2.3 去除不稳定点与边缘点 | 第59-60页 |
4.2.4 确定特征点主方向 | 第60-61页 |
4.2.5 生成128维SIFT特征向量 | 第61-63页 |
4.3 基于SIFT与MSA组合特征的配准方法 | 第63-66页 |
4.3.1 构建SIFT与MSA组合特征 | 第64页 |
4.3.2 实现特征匹配 | 第64-65页 |
4.3.3 优化变换模型 | 第65-66页 |
4.3.4 算法流程与参数设置 | 第66页 |
4.4 图像配准算法的评价体系 | 第66-69页 |
4.4.1 特征提取算子的检测性能 | 第67-68页 |
4.4.2 配准结果的精确度 | 第68-69页 |
4.4.3 已配准图像局部放大细节的主观评价 | 第69页 |
4.5 仿真实验与结果分析 | 第69-79页 |
4.5.1 SAR图像的变换矩阵逼近实验 | 第69-71页 |
4.5.2 可见光图像的变换矩阵逼近实验 | 第71-72页 |
4.5.3 红外图像的变换矩阵逼近实验 | 第72-73页 |
4.5.4 不同季节不同成像角度的实拍图像配准实验 | 第73-79页 |
4.6 本章小结 | 第79-80页 |
第五章 地形景象匹配辅助导航系统的数字仿真平台 | 第80-87页 |
5.1 引言 | 第80页 |
5.2 系统架构 | 第80-82页 |
5.3 开发流程 | 第82-83页 |
5.4 功能介绍 | 第83-86页 |
5.5 本章小结 | 第86-87页 |
第六章 总结与展望 | 第87-90页 |
参考文献 | 第90-96页 |
致谢 | 第96-97页 |
攻读硕士学位期间已发表或者录用的论文 | 第97页 |
本论文受到如下项目资助 | 第97页 |