摘要 | 第4-7页 |
abstract | 第7-10页 |
第1章 绪论 | 第18-28页 |
1.1 课题研究背景及意义 | 第18-19页 |
1.2 图像配准的研究现状与方法 | 第19-25页 |
1.2.1 国内外研究现状 | 第19-20页 |
1.2.2 图像配准算法分类 | 第20-25页 |
1.3 待解决问题与主要研究内容 | 第25-26页 |
1.4 论文的章节安排 | 第26-28页 |
第2章 遥感图像配准基本理论及技术 | 第28-46页 |
2.1 引言 | 第28页 |
2.2 遥感图像特性分析 | 第28-35页 |
2.2.1 遥感图像属性分析 | 第29-31页 |
2.2.2 遥感图像光谱分析 | 第31-32页 |
2.2.3 红外与可见光遥感图像特性分析 | 第32-35页 |
2.3 图像配准基本原理 | 第35-45页 |
2.3.1 图像配准公式化表示 | 第35页 |
2.3.2 基于特征的图像配准算法的优点 | 第35-36页 |
2.3.3 基于特征的图像配准算法流程 | 第36-45页 |
2.3.4 图像配准算法的评价 | 第45页 |
2.4 本章小结 | 第45-46页 |
第3章 基于二进制特征描述的遥感图像快速配准 | 第46-72页 |
3.1 引言 | 第46-47页 |
3.2 特征点检测算法 | 第47-51页 |
3.2.1 常见特征点检测算法的比较 | 第47-48页 |
3.2.2 尺度空间与FAST特征点提取算法结合 | 第48-51页 |
3.3 特征点描述符的构建 | 第51-59页 |
3.3.1 构建描述符的采样策略 | 第51-55页 |
3.3.2 特征点的主方向设置 | 第55-58页 |
3.3.3 已知图像空间分辨率的描述符优化 | 第58-59页 |
3.4 特征点描述符匹配 | 第59-60页 |
3.4.1 特征点主方向的归一化 | 第59-60页 |
3.4.2 特征点描述符的匹配 | 第60页 |
3.5 实验结果与分析 | 第60-69页 |
3.5.1 描述符的区分度评价 | 第60-62页 |
3.5.2 实验数据结果 | 第62-69页 |
3.6 本章小结 | 第69-72页 |
第4章 基于边缘复杂度的红外与可见光遥感图像配准 | 第72-90页 |
4.1 引言 | 第72-73页 |
4.2 特征提取算法 | 第73-78页 |
4.2.1 基于相位一致性的边缘提取算法 | 第73-76页 |
4.2.2 SURF特征点检测算法 | 第76-78页 |
4.3 基于边缘复杂度的特征描述与匹配 | 第78-83页 |
4.3.1 基于边缘轮廓图的匹配 | 第78-79页 |
4.3.2 边缘复杂度检测算法 | 第79-83页 |
4.4 实验结果与分析 | 第83-88页 |
4.5 本章小结 | 第88-90页 |
第5章 基于全局结构特征的红外与可见光遥感图像配准 | 第90-114页 |
5.1 引言 | 第90-91页 |
5.2 特征点检测算法 | 第91-92页 |
5.2.1 图像金字塔的构建 | 第91页 |
5.2.2 基于SURF优化的特征点提取算法 | 第91-92页 |
5.3 特征描述符的构建 | 第92-94页 |
5.3.1 特征点筛选 | 第92页 |
5.3.2 特征点描述符的构建 | 第92-94页 |
5.4 特征描述符的匹配 | 第94-99页 |
5.4.1 特征点粗匹配 | 第94-97页 |
5.4.2 特征点精匹配 | 第97-99页 |
5.5 实验结果与分析 | 第99-113页 |
5.5.1 实验环境与数据 | 第99-101页 |
5.5.2 实验结果与分析 | 第101-113页 |
5.6 本章小结 | 第113-114页 |
第6章 图像配准硬件系统 | 第114-122页 |
6.1 引言 | 第114页 |
6.2 硬件架构与程序设计 | 第114-120页 |
6.2.1 输入与输出 | 第115-117页 |
6.2.2 核心器件 | 第117-118页 |
6.2.3 外围配置电路 | 第118-119页 |
6.2.4 程序设计 | 第119-120页 |
6.3 实验结果 | 第120-121页 |
6.4 本章小结 | 第121-122页 |
第7章 总结与展望 | 第122-126页 |
7.1 论文的工作总结 | 第122-123页 |
7.2 论文主要创新性工作 | 第123-124页 |
7.3 后续工作展望 | 第124-126页 |
参考文献 | 第126-136页 |
致谢 | 第136-138页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第138页 |