| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 本论文研究的背景和意义 | 第9-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.2.1 国外稳像技术的发展 | 第12-13页 |
| 1.2.2 国内稳像技术的发展 | 第13-14页 |
| 1.3 本论文的主要研究工作与章节安排 | 第14-16页 |
| 1.3.1 本文主要研究工作 | 第14页 |
| 1.3.2 本文章节安排 | 第14-16页 |
| 第2章 电子稳像技术的基本原理和方法 | 第16-33页 |
| 2.1 视频稳像概述 | 第16-18页 |
| 2.1.1 机械式稳像 | 第16-17页 |
| 2.1.2 光学稳像 | 第17页 |
| 2.1.3 电子稳像 | 第17-18页 |
| 2.2 电子稳像的基本原理与方法 | 第18-20页 |
| 2.3 电子稳像的数学建模 | 第20-23页 |
| 2.3.1 摄像机的成像原理 | 第20-21页 |
| 2.3.2 帧内运动和帧间运动 | 第21-22页 |
| 2.3.3 图像运动的数学模型 | 第22-23页 |
| 2.4 运动估计 | 第23-31页 |
| 2.4.1 图像块法（块匹配法BMA） | 第23-26页 |
| 2.4.2 灰度投影法(基于像素灰度值的运动估计方法） | 第26-29页 |
| 2.4.3 光流法 | 第29-30页 |
| 2.4.4 特征法 | 第30页 |
| 2.4.5 相位相关法 | 第30-31页 |
| 2.5 运动滤波和运动补偿 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 关于FAST快速特征点匹配算法的优化 | 第33-52页 |
| 3.1 特征点选取的方法 | 第33-40页 |
| 3.1.1 Canny边缘检测 | 第33-37页 |
| 3.1.2 Harris算法和SURF算法 | 第37-39页 |
| 3.1.3 FAST算法 | 第39-40页 |
| 3.2 特征点的优化 | 第40-42页 |
| 3.2.1 阈值ε_d的确定 | 第40-41页 |
| 3.2.2 进行非极大值抑制 | 第41-42页 |
| 3.2.3 添加距离约束d_(min) | 第42页 |
| 3.3 特征点检测步骤 | 第42-44页 |
| 3.4 实验性能分析 | 第44-49页 |
| 3.4.1 亮度的变化 | 第44-47页 |
| 3.4.2 对比度的变化 | 第47-49页 |
| 3.5 数据分析 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 特征点匹配和运动补偿 | 第52-65页 |
| 4.1 FREAK（Fast Retina Keypoint） | 第52-55页 |
| 4.1.1 人体视网膜 | 第52页 |
| 4.1.2 FREAK描述算子 | 第52-54页 |
| 4.1.3 特征点匹配 | 第54-55页 |
| 4.2 RANSAC随机采样一致算法 | 第55-58页 |
| 4.3 全局运动参数计算 | 第58-60页 |
| 4.3.1 变焦系数s的确定 | 第58-59页 |
| 4.3.2 其余运动参数的选取 | 第59-60页 |
| 4.4 运动滤波和运动补偿 | 第60-64页 |
| 4.4.1 Kalman运动滤波 | 第60-61页 |
| 4.4.2 运动补偿 | 第61页 |
| 4.4.3 实验结果和分析 | 第61-63页 |
| 4.4.4 评价标准 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 视频稳像硬件平台的实现 | 第65-71页 |
| 5.1 算法在Matlab上的实现 | 第65-66页 |
| 5.2 算法在硬件平台上的实现 | 第66-70页 |
| 5.2.1 概论 | 第66-67页 |
| 5.2.2 系统整体方案 | 第67-68页 |
| 5.2.3 系统硬件设计 | 第68-69页 |
| 5.2.4 硬件平台的实现 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表论文与研究结果清单 | 第78-79页 |
| 致谢 | 第79页 |