| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 计算机视觉及导航技术的研究现状与发展 | 第12-13页 |
| 1.3 图像匹配技术研究现状 | 第13-14页 |
| 1.4 图像特征提取方法 | 第14页 |
| 1.5 图像特征匹配方法 | 第14-15页 |
| 1.6 全局运动估计技术研究现状 | 第15页 |
| 1.7 本文主要工作 | 第15-16页 |
| 1.8 论文组织结构 | 第16-17页 |
| 第2章 图像处理理论与模型选取 | 第17-33页 |
| 2.1 计算机视觉理论的基本概念 | 第17-21页 |
| 2.1.1 常用坐标系及其关系 | 第17-20页 |
| 2.1.2 针孔模型 | 第20-21页 |
| 2.2 图像序列预处理 | 第21-25页 |
| 2.2.1 图像去噪 | 第22-23页 |
| 2.2.2 图像增强 | 第23-25页 |
| 2.3 描述全局运动的摄像机参数模型 | 第25-31页 |
| 2.3.1 运动矢量分布模型 | 第25-27页 |
| 2.3.2 基于参数模型的运动描述 | 第27-30页 |
| 2.3.3 全局运动参数模型选取 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于SIFT特征的图像匹配及优化 | 第33-45页 |
| 3.1 SIFT的特征点提取 | 第33-38页 |
| 3.1.1 生成尺度空间 | 第33-34页 |
| 3.1.2 检测图像尺度空间极值 | 第34-35页 |
| 3.1.3 特征点的精确定位 | 第35-36页 |
| 3.1.4 特征点主方向的确定 | 第36-37页 |
| 3.1.5 特征描述子的构建 | 第37-38页 |
| 3.2 基于SIFT特征点的图像匹配 | 第38-41页 |
| 3.2.1 SIFT初匹配 | 第38-39页 |
| 3.2.2 基于邻域灰度信息特征点筛选 | 第39-41页 |
| 3.3 基于RANSAC算法的匹配点对优化 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于改进SIFT的全局运动参数估计 | 第45-59页 |
| 4.1 欧式距离比阈值的确定 | 第45-49页 |
| 4.1.1 欧式距离比阈值参数寻优算法设计 | 第45-47页 |
| 4.1.2 算法有效性分析 | 第47-49页 |
| 4.2 自动比例采样算法分析及设计 | 第49-54页 |
| 4.2.1 基于采样的图像匹配原理 | 第49-52页 |
| 4.2.2 自动比例采样算法设计及实现 | 第52-54页 |
| 4.2.3 算法有效性分析 | 第54页 |
| 4.3 全局运动参数估计 | 第54-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第5章 测试与实验结果及分析 | 第59-69页 |
| 5.1 基于自适应距离比阈值的SIFT算法的测试及实验结果 | 第59-64页 |
| 5.1.1 SIFT提取特征点算法测试 | 第59-60页 |
| 5.1.2 初匹配算法测试 | 第60页 |
| 5.1.3 自适应阈值算法测试 | 第60-62页 |
| 5.1.4 自适应阈值的匹配与经验阈值匹配效率对比 | 第62-63页 |
| 5.1.5 自适应阈值的匹配与经验阈值匹配获取参数精度对比 | 第63-64页 |
| 5.2 自动比例采样算法测试 | 第64-65页 |
| 5.3 摄像机运动轨迹描述 | 第65-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 下一步工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
