| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 图像配准简介 | 第9页 |
| 1.2 多模图像 | 第9-11页 |
| 1.2.1 多模图像的概念 | 第9-10页 |
| 1.2.2 多模图像配准的意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 论文结构及章节安排 | 第14-15页 |
| 第二章 图像配准的相关理论 | 第15-21页 |
| 2.1 图像配准的主要方法 | 第15-16页 |
| 2.2 图像特征的分类 | 第16-19页 |
| 2.2.1 点特征 | 第16-17页 |
| 2.2.2 线特征 | 第17页 |
| 2.2.3 面特征 | 第17页 |
| 2.2.4 纹理特征 | 第17-18页 |
| 2.2.5 颜色特征 | 第18-19页 |
| 2.3 图像配准的基本步骤 | 第19-20页 |
| 2.3.1 特征点提取 | 第19页 |
| 2.3.2 特征描述符的计算 | 第19-20页 |
| 2.3.3 特征描述符的匹配 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 多模图像的经典配准算法GS SIFT | 第21-33页 |
| 3.1 GS_SIFT算法简介 | 第21-22页 |
| 3.2 特征点提取 | 第22-27页 |
| 3.2.1 建立高斯金字塔 | 第22-24页 |
| 3.2.2 建立DoG金字塔 | 第24-25页 |
| 3.2.3 局部极值检测 | 第25页 |
| 3.2.4 特征点精确定位以及进一步过滤 | 第25-27页 |
| 3.3 特征描述符的建立 | 第27-30页 |
| 3.3.1 对特征点进行方向关联 | 第27-28页 |
| 3.3.2 SIFT特征描述符 | 第28-29页 |
| 3.3.3 GS_SIFT特征描述符的建立 | 第29-30页 |
| 3.4 特征描述符的匹配 | 第30页 |
| 3.5 流程图以及算法配准效果 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 GS_SIFT算法的研究 | 第33-42页 |
| 4.1 研究思路 | 第33页 |
| 4.2 SURF特征点检测法的引入 | 第33-35页 |
| 4.2.1 SURF算法简介 | 第33-35页 |
| 4.2.2 将SURF特征点检测法引入GS_SIFT算法 | 第35页 |
| 4.3 改变GS_SIFT描述符窗口尺寸 | 第35-37页 |
| 4.3.1 描述符窗口尺寸对配准效果的影响 | 第35-36页 |
| 4.3.2 增加描述符窗口的配准效果 | 第36-37页 |
| 4.4 提高梯度直方图的统计精度 | 第37-38页 |
| 4.4.1 梯度直方图 | 第37页 |
| 4.4.2 提高梯度直方图精确度对配准效果的影响 | 第37-38页 |
| 4.5 描述符融合过程中的错误匹配 | 第38-41页 |
| 4.5.1 描述符产生错误匹配的原因 | 第38-39页 |
| 4.5.2 整体主方向调整法的原理及其效果 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 算法实现及结果分析 | 第42-50页 |
| 5.1 算法实现环境及图像数据说明 | 第42页 |
| 5.2 引入SURF算法 | 第42-44页 |
| 5.2.1 实现过程 | 第42-43页 |
| 5.2.2 引入SURF算法后的效果统计及分析 | 第43-44页 |
| 5.3 特征描述符建立过程中的影响因素 | 第44-46页 |
| 5.3.1 改变描述符窗口尺寸的实现过程及结果统计 | 第44-45页 |
| 5.3.2 改变梯度直方图精度的过程与结果统计 | 第45页 |
| 5.3.3 改变两种因素后的算法误差统计与分析 | 第45-46页 |
| 5.4 整体主方向调整法 | 第46-48页 |
| 5.4.1 实现过程 | 第46-47页 |
| 5.4.2 整体主方向调整法的效果总结以及原因探究 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 研究内容及成果总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录1 文中所应用的多模图像来源以及网址 | 第55-56页 |
| 致谢 | 第56页 |
