| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 图像配准的国内外研究现状 | 第8-11页 |
| 1.3 本论文的主要内容与组织结构 | 第11-12页 |
| 1.3.1 本论文的主要内容 | 第11页 |
| 1.3.2 本论文的组织结构 | 第11-12页 |
| 第二章 图像配准基本理论 | 第12-24页 |
| 2.1 图像配准的概念 | 第12页 |
| 2.2 图像配准的基本框架 | 第12-13页 |
| 2.2.1 特征检测 | 第12页 |
| 2.2.2 特征匹配 | 第12页 |
| 2.2.3 变换模型估计 | 第12-13页 |
| 2.2.4 图像重采样和变换 | 第13页 |
| 2.3 图像配准的基本方法 | 第13-20页 |
| 2.3.1 基于图像灰度信息的方法 | 第13-15页 |
| 2.3.2 基于变换域的图像配准方法 | 第15-17页 |
| 2.3.3 基于特征的图像配准方法 | 第17-20页 |
| 2.4 常用几何变换模型 | 第20-23页 |
| 2.4.1 刚体变换 | 第21-22页 |
| 2.4.2 相似变换 | 第22页 |
| 2.4.3 仿射变换 | 第22页 |
| 2.4.4 投影变换 | 第22-23页 |
| 2.4.5 非线性变化 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于特征点的图像配准 | 第24-54页 |
| 3.1 基于特征点算法简介 | 第24页 |
| 3.2 角点提取算法 | 第24-40页 |
| 3.2.1 SUSAN 算法 | 第24-26页 |
| 3.2.2 Harris 算法 | 第26-28页 |
| 3.2.3 SIFT 算法 | 第28-40页 |
| 3.3 本文对 SIFT 算法的改进 | 第40-43页 |
| 3.4 改进的 SIFT 算法的实验结果 | 第43-47页 |
| 3.4.1 可见光图像配准实验 | 第43-45页 |
| 3.4.2 红外图像与可见光图像配准实验 | 第45-47页 |
| 3.5 原始和改进的 SIFT 算法实验结果对比 | 第47页 |
| 3.6 不同情况下的实验对比 | 第47-52页 |
| 3.7 基于点特征的图像配准方法的不足 | 第52-53页 |
| 3.8 本章小结 | 第53-54页 |
| 第四章 基于边缘特征的图像配准 | 第54-65页 |
| 4.1 图像边缘的定义 | 第54页 |
| 4.2 图像边缘检测方法 | 第54-59页 |
| 4.2.1 一阶微分边缘检测算子 | 第54-55页 |
| 4.2.2 二阶微分边缘检测算子 | 第55-56页 |
| 4.2.3 Canny 边缘检测方法 | 第56-59页 |
| 4.3 基于形状上下文的图像配准 | 第59-60页 |
| 4.3.1 形状上下文（Shape Context）特征 | 第59-60页 |
| 4.3.2 基于形状上下文（Shape Context）的图像配准 | 第60页 |
| 4.3.3 Shape Context 的缺点 | 第60页 |
| 4.4 改进的基于 Shape Context 的图像配准 | 第60-61页 |
| 4.5 实验与结论 | 第61-63页 |
| 4.6 本章总结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
