| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 特征点检测技术 | 第10-12页 |
| 1.2.2 特征点描述符生成技术 | 第12-14页 |
| 1.2.3 存在的主要问题 | 第14-15页 |
| 1.3 论文内容结构安排 | 第15-16页 |
| 第二章 特征点提取算法概述 | 第16-29页 |
| 2.1 Harris算法 | 第16-17页 |
| 2.2 Shi-Tomasi算法 | 第17-18页 |
| 2.3 SUSAN算法 | 第18-19页 |
| 2.4 SIFT算法 | 第19-21页 |
| 2.4.1 建立高斯差分金字塔 | 第19-20页 |
| 2.4.2 特征点搜索与定位 | 第20页 |
| 2.4.3 边缘效应剔除 | 第20-21页 |
| 2.5 四种特征点提取算法性能比较 | 第21-28页 |
| 2.5.1 特征点检测速度对比实验 | 第21-22页 |
| 2.5.2 特征点定位精度对比实验 | 第22-24页 |
| 2.5.3 特征点检测算子适应性对比实验 | 第24-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 改进的Shi-Tomasi角点检测算法 | 第29-46页 |
| 3.1 改进算法原理 | 第29-31页 |
| 3.2 角点提取步骤 | 第31-32页 |
| 3.3 角点的精确定位 | 第32-36页 |
| 3.3.1 泰勒展开法 | 第33-35页 |
| 3.3.2 最小二乘曲面拟合法 | 第35-36页 |
| 3.3.3 向量点积法 | 第36页 |
| 3.4 实验结果与分析 | 第36-45页 |
| 3.4.1 Shi-Tomasi算法和Harris-Laplace算法的对比实验 | 第36-37页 |
| 3.4.2 本文算法与Harris-Laplace算法的对比实验 | 第37-42页 |
| 3.4.3 三种亚像素级角点求取方法比较 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 利用亮度排序的快速鲁棒特征描述与匹配算法 | 第46-65页 |
| 4.1 SURF算法 | 第46-48页 |
| 4.1.1 特征点的检测 | 第46-47页 |
| 4.1.2 特征点主方向的计算 | 第47页 |
| 4.1.3 特征点描述符的生成 | 第47-48页 |
| 4.2 改进的特征描述符 | 第48-50页 |
| 4.2.1 灰度排序原理 | 第49-50页 |
| 4.2.2 算法步骤 | 第50页 |
| 4.3 特征匹配 | 第50-51页 |
| 4.3.1 匹配准则 | 第50-51页 |
| 4.3.2 匹配对提纯 | 第51页 |
| 4.4 实验结果与分析 | 第51-63页 |
| 4.4.1 实验参数的选择 | 第51-52页 |
| 4.4.2 标准数据集实验 | 第52-56页 |
| 4.4.3 遥感影像实验 | 第56-62页 |
| 4.4.4 亮度排序描述符和SIFT、SURF描述符的对比实验 | 第62-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72页 |
