| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-16页 |
| ·课题研究背景和意义 | 第13-14页 |
| ·研究现状 | 第14页 |
| ·本文研究内容及主要工作 | 第14-16页 |
| 第2章 SIFT算法的相关研究 | 第16-31页 |
| ·基本概念 | 第16-26页 |
| ·图像的采样 | 第17-18页 |
| ·图像的卷积 | 第18-20页 |
| ·图像的高斯金字塔和DOG金字塔 | 第20-22页 |
| ·图像的尺度空间 | 第22页 |
| ·图像的梯度计算 | 第22-24页 |
| ·图像的旋转 | 第24-26页 |
| ·数字图像的特征提取 | 第26-28页 |
| ·SIFT算法的提出及其应用 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 SIFT算法详细步骤分析 | 第31-44页 |
| ·关于SIFT特征点的提取 | 第31页 |
| ·SIFT关键点的特性 | 第31-33页 |
| ·图像尺度空间的建立 | 第33-35页 |
| ·高斯空间的数学模型 | 第33页 |
| ·DOG空间的数学模型 | 第33-35页 |
| ·获取本地极值点 | 第35页 |
| ·对尺度空间采样频率的讨论 | 第35-37页 |
| ·精确定位极值点 | 第37-39页 |
| ·进行三维二次拟合 | 第37-38页 |
| ·消除边缘不稳定点的影响 | 第38-39页 |
| ·为关键点分配方向 | 第39-40页 |
| ·关键点描述子的生成 | 第40-41页 |
| ·对PCA-SIFT算法进行研究 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 对SIFT算法进行优化和改进 | 第44-59页 |
| ·图像的锐化 | 第44-46页 |
| ·图像锐化的概念 | 第44-45页 |
| ·拉普拉斯算子 | 第45-46页 |
| ·图像高斯模糊后SIFT特征点的变化 | 第46-51页 |
| ·高斯模糊图像经拉普拉斯算子处理后的SIFT特征点提取 | 第51-53页 |
| ·使用SIFT算法进行图像配准实验 | 第53-55页 |
| ·对关键点描述子进行降维处理 | 第55-58页 |
| ·提出改进算法的降维思想 | 第55-56页 |
| ·对实验结果和计算复杂度进行比较分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间所发表的学术论文 | 第65页 |