| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·本课题研究背景及意义 | 第9-11页 |
| ·国内外研究现状及发展动态分析 | 第11-13页 |
| ·本文研究内容及章节安排 | 第13-15页 |
| 第二章 新型表面贴装元器件的图像配准基础 | 第15-24页 |
| ·贴片机的视觉系统 | 第15-19页 |
| ·数字图像配准 | 第19-23页 |
| ·图像配准的数学定义 | 第19页 |
| ·图像配准的基本框架 | 第19-22页 |
| ·特征检测 | 第20页 |
| ·特征匹配 | 第20页 |
| ·变换模型参数估计 | 第20-22页 |
| ·图像重采样 | 第22页 |
| ·图像配准的分类 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于互信息的新型元器件配准算法研究 | 第24-30页 |
| ·互信息的理论基础 | 第24-27页 |
| ·信息熵定义 | 第24-25页 |
| ·互信息定义 | 第25-26页 |
| ·最大互信息理论 | 第26-27页 |
| ·基于互信息的新型元器件配准实现过程 | 第27-28页 |
| ·实验结果 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于最小能量 SURF 的新型元器件配准算法研究 | 第30-45页 |
| ·斑点检测 | 第30-32页 |
| ·一维信号斑点检测 | 第30-31页 |
| ·二维信号斑点检测（LoG 检测） | 第31-32页 |
| ·SURF 算法思想 | 第32-42页 |
| ·积分图像 | 第32-33页 |
| ·SURF 关键点检测 | 第33-37页 |
| ·快速 Hessian 矩阵 | 第33-34页 |
| ·尺度空间构建 | 第34-36页 |
| ·关键点定位 | 第36-37页 |
| ·SURF 关键点描述 | 第37-39页 |
| ·特征匹配 | 第39-40页 |
| ·最小能量新型元器件精确配准 | 第40-42页 |
| ·结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于 FREAK 描述子的新型元器件配准算法研究 | 第45-54页 |
| ·关键点检测 | 第45-46页 |
| ·二进制描述子 | 第46页 |
| ·人类视网膜 | 第46-47页 |
| ·基于 FREAK 描述子的新型元器件配准算法思想 | 第47-50页 |
| ·视网膜采样模型 | 第47-48页 |
| ·FREAK 描述子生成 | 第48-49页 |
| ·确定方向 | 第49页 |
| ·特征匹配 | 第49-50页 |
| ·RANSAC 匹配对提纯 | 第50-53页 |
| ·实验结果分析 | 第53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |
