改进的SIFT算法及其在图像拼接中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国内研究现状 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11页 |
| 1.3 图像拼接的应用领域 | 第11-13页 |
| 1.4 本文的主要内容以及组织结构 | 第13-14页 |
| 1.4.1 本文的主要内容 | 第13页 |
| 1.4.2 组织结构 | 第13-14页 |
| 第二章 图像拼接基本理论 | 第14-23页 |
| 2.1 图像采集 | 第14-15页 |
| 2.2 图像预处理 | 第15-17页 |
| 2.3 图像配准 | 第17-21页 |
| 2.3.1 图像配准关键要素 | 第17-18页 |
| 2.3.2 图像配准的分类 | 第18-20页 |
| 2.3.3 配准算法评价体系 | 第20-21页 |
| 2.4 图像融合 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于SIFT特征点提取的算法 | 第23-39页 |
| 3.1 SIFT特征点提取 | 第23-28页 |
| 3.1.1 高斯金字塔和高斯尺度空间构建 | 第23-24页 |
| 3.1.2 构建高斯差分尺度空间和检测极值点 | 第24-26页 |
| 3.1.3 去除低对比度点及边缘响应 | 第26-28页 |
| 3.2 基于高斯二阶差分的SIFT特征点提取 | 第28-31页 |
| 3.2.1 构建高斯二阶差分金字塔 | 第28-29页 |
| 3.2.2 过零点检测 | 第29-31页 |
| 3.2.3 特征点精确定位 | 第31页 |
| 3.3 SIFT特征描述符 | 第31-38页 |
| 3.3.1 特征描述符生成 | 第31-33页 |
| 3.3.2 改进的类SIFT描述符 | 第33-38页 |
| 3.4 本章小节 | 第38-39页 |
| 第四章分块区域SIFT特征向量匹配 | 第39-53页 |
| 4.1 构建分块区域 | 第39-40页 |
| 4.2 SIFT特征点匹配 | 第40-43页 |
| 4.2.1 基于K-D树BBF搜索算法 | 第41-42页 |
| 4.2.2 视差梯度预筛选 | 第42-43页 |
| 4.2.3 RANSAC算法 | 第43页 |
| 4.3 分块图像区域匹配 | 第43-45页 |
| 4.4 实验结果分析 | 第45-52页 |
| 4.4.1 实验环境 | 第45页 |
| 4.4.2 对比实验 | 第45-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于特征的最佳缝合线融合算法 | 第53-59页 |
| 5.1 加权平滑法 | 第53-54页 |
| 5.2 最佳拼接线的线性加权平滑法 | 第54-55页 |
| 5.3 图像拼接实验结果与分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
