基于ATUM-SEM图像的配准方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第11-21页 |
| 1.1 研究的背景和意义 | 第11-13页 |
| 1.2 国内外的研究现状 | 第13-19页 |
| 1.3 本文研究的主要内容 | 第19-21页 |
| 第2章 预备知识 | 第21-33页 |
| 2.1 图像配准的定义及分类 | 第21-23页 |
| 2.1.1 图像配准的定义 | 第21-22页 |
| 2.1.2 图像配准方法分类 | 第22-23页 |
| 2.2 基于特征的图像配准 | 第23-31页 |
| 2.2.1 特征提取 | 第24-25页 |
| 2.2.2 特征匹配 | 第25-27页 |
| 2.2.3 变换模型的参数估计 | 第27-28页 |
| 2.2.4 图像重采样及图像插值 | 第28-30页 |
| 2.2.5 图像配准质量评价指标 | 第30-31页 |
| 2.3 ATUM-SEM序列图像配准概述 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 图像粗配准 | 第33-44页 |
| 3.1 SIFT特征匹配算法 | 第33-41页 |
| 3.1.1 特征点的检测 | 第33-37页 |
| 3.1.1.1 尺度空间的生成 | 第33-34页 |
| 3.1.1.2 建立高斯金字塔和DOG金字塔 | 第34-35页 |
| 3.1.1.3 DOG空间的极值点检测和定位 | 第35-37页 |
| 3.1.2 特征向量的生成 | 第37-40页 |
| 3.1.2.1 特征点方向的确定 | 第37页 |
| 3.1.2.2 特征向量的生成 | 第37-40页 |
| 3.1.3 特征向量的匹配 | 第40-41页 |
| 3.2 估计刚性变换 | 第41-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第4章 精配准 | 第44-61页 |
| 4.1 siftflow稠密匹配 | 第44-48页 |
| 4.1.1 深度SIFT描述子 | 第44-45页 |
| 4.1.2 匹配SIFT描述子 | 第45页 |
| 4.1.3 粗到细的匹配方案 | 第45-48页 |
| 4.2 误匹配剔除 | 第48-54页 |
| 4.2.1 基于SVR的点集匹配模型 | 第48-50页 |
| 4.2.2 SVR模型的求解 | 第50-52页 |
| 4.2.3 混合模型估计误匹配 | 第52-54页 |
| 4.3 基于控制点的显微图像变形方法 | 第54-58页 |
| 4.3.1 图像变形算法 | 第54-58页 |
| 4.4 实验结果及分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 后续工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 硕士生在读期间已发表和已录用的论文情况 | 第68页 |
