| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-15页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·现场鞋印识别的国内研究现状 | 第10-11页 |
| ·图像配准和尺度不变特征算法的研究现状 | 第11-13页 |
| ·论文研究内容和组织结构 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·组织结构 | 第13-15页 |
| 2 鞋印图像及图像配准 | 第15-23页 |
| ·鞋印图像的基本分类 | 第15-18页 |
| ·鞋底花纹分类 | 第15-17页 |
| ·鞋印图像的分区 | 第17-18页 |
| ·图像配准的相关内容 | 第18-22页 |
| ·配准的概念及数学定义 | 第18-19页 |
| ·图像配准的分类 | 第19-20页 |
| ·图像配准的变换模型 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于SIFT算法的图像特征提取 | 第23-41页 |
| ·常用的图像特征 | 第23页 |
| ·尺度空间理论 | 第23-26页 |
| ·尺度不变特征理论基础 | 第24页 |
| ·尺度空间的发展历程 | 第24-25页 |
| ·图像在尺度空间中的表示 | 第25-26页 |
| ·SIFT特征向量提取算法 | 第26-39页 |
| ·尺度空间的极值检测 | 第27-28页 |
| ·高斯金字塔的构建 | 第28-29页 |
| ·构建尺度空间需要确定的参数 | 第29-30页 |
| ·DoG尺度空间的形成 | 第30-31页 |
| ·检测尺度空间极值 | 第31-32页 |
| ·精确定位特征点 | 第32-36页 |
| ·特征点方向的分配 | 第36-37页 |
| ·特征向量的形成 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 4 鞋印图像采集视觉系统硬件平台搭建及图像的预处理 | 第41-51页 |
| ·视觉系统硬件平台的搭建 | 第41-42页 |
| ·常用的鞋印图像预处理方法 | 第42-48页 |
| ·彩色图像的灰度化处理 | 第43-44页 |
| ·图像滤波技术 | 第44-46页 |
| ·图像锐化 | 第46-47页 |
| ·归一化处理 | 第47-48页 |
| ·本章小结 | 第48-51页 |
| 5 基于SIFT算法的鞋印图像配准 | 第51-65页 |
| ·实验对象的采集 | 第51-52页 |
| ·鞋印图像的定位 | 第52-58页 |
| ·常用鞋印图像定位方法 | 第52-53页 |
| ·基于鞋印特征的二次定位法 | 第53-56页 |
| ·定位算法的实验结果及分析 | 第56-58页 |
| ·改进SIFT算法的特征向量匹配 | 第58-62页 |
| ·特征向量的生成 | 第58-59页 |
| ·特征向量的匹配 | 第59-62页 |
| ·特征点匹配算法的实验 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·创新点 | 第66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |