| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 前言 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8-11页 |
| 1.1.1 课题的研究背景 | 第8-9页 |
| 1.1.2 课题的目的和意义 | 第9-11页 |
| 1.2 图像配准技术的研究现状 | 第11-12页 |
| 1.3 研究内容和论文结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 机器视觉技术 | 第14-20页 |
| 2.1 机器视觉简介 | 第14-15页 |
| 2.1.1 机器视觉概念 | 第14-15页 |
| 2.1.2 机器视觉的研究范畴 | 第15页 |
| 2.1.3 机器视觉的研究现状 | 第15页 |
| 2.2 机器视觉的关键技术 | 第15-17页 |
| 2.2.1 光源照明 | 第16页 |
| 2.2.2 光学镜头 | 第16页 |
| 2.2.3 CCD摄像机及图像采集卡 | 第16-17页 |
| 2.2.4 图像信号处理 | 第17页 |
| 2.2.5 执行机构 | 第17页 |
| 2.3 机器视觉的应用 | 第17-19页 |
| 2.3.1 机器视觉技术在工业的应用 | 第17页 |
| 2.3.2 在农业生产领域中的应用研究 | 第17-18页 |
| 2.3.3 在动物产品品质检测中的应用研究 | 第18页 |
| 2.3.4 机器视觉在图像监控、安防、交通管理中的应用 | 第18-19页 |
| 2.4 机器视觉发展趋势 | 第19页 |
| 2.4.1 价格持续下降 | 第19页 |
| 2.4.2 功能逐渐增多 | 第19页 |
| 2.4.3 产品小型化 | 第19页 |
| 2.4.4 集成产品增多 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 图像配准理论与技术基础 | 第20-37页 |
| 3.1 图像配准的概念 | 第20-21页 |
| 3.2 数字图像的获取 | 第21-22页 |
| 3.3 图像配准的步骤 | 第22-24页 |
| 3.4 图像配准方法的分类 | 第24-26页 |
| 3.5 主要的图像配准方法 | 第26-33页 |
| 3.5.1 基于特征的配准方法 | 第26-27页 |
| 3.5.2 基于灰度信息的图像配准方法 | 第27-33页 |
| 3.6 图像配准后续处理 | 第33-36页 |
| 3.6.1 重采样理论 | 第33-36页 |
| 3.7 本章小结 | 第36-37页 |
| 4 基于快速傅里叶变换分区域图像配准的方法 | 第37-42页 |
| 4.1 基于变换域的图像配准方法综述 | 第37页 |
| 4.2 基于傅里叶方法图像配准的方法 | 第37-40页 |
| 4.2.1 平移参数的确定 | 第38-39页 |
| 4.2.2 旋转变换因子的确定 | 第39页 |
| 4.2.3 图像配准中的尺度缩放因子的确定 | 第39-40页 |
| 4.3 基于小波变换的图像配准方法 | 第40页 |
| 4.4 基于其它变换域的图像配准方法 | 第40页 |
| 4.5 三种主要配准方法的比较 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 实验结果及分析 | 第42-51页 |
| 5.1 实验环境 | 第42-43页 |
| 5.2 快速傅里叶变换算法步骤 | 第43-45页 |
| 5.2.1 极坐标变换和对数极坐标变换 | 第44-45页 |
| 5.3 实验结果 | 第45-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 结论 | 第51-52页 |
| 7 展望 | 第52-53页 |
| 8 参考文献 | 第53-58页 |
| 9 论文发表情况 | 第58-59页 |
| 10 致谢 | 第59页 |