基于归一化互相关匹配的图像配准技术研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-14页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文工作及文章结构 | 第13-14页 |
| 2 图像配准的相关理论与技术 | 第14-24页 |
| 2.1 图像配准的数学描述 | 第14页 |
| 2.2 图像配准的基本要素 | 第14-19页 |
| 2.2.1 特征空间 | 第14-16页 |
| 2.2.2 空间变换模型 | 第16-18页 |
| 2.2.3 相似性测度 | 第18页 |
| 2.2.4 寻优方式和插值 | 第18-19页 |
| 2.3 图像配准的技术分类 | 第19-21页 |
| 2.3.1 基于特征的图像配准技术 | 第19-20页 |
| 2.3.2 基于灰度的图像配准技术 | 第20页 |
| 2.3.3 基于变换域的图像配准技术 | 第20-21页 |
| 2.4 Harris角点检测方法 | 第21-22页 |
| 2.5 随机抽样一致性算法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 改进的归一化互相关匹配算法 | 第24-37页 |
| 3.1 归一化互相关匹配算法 | 第24-26页 |
| 3.1.1 算法原理 | 第24-25页 |
| 3.1.2 算法分析 | 第25-26页 |
| 3.2 NCC算法的改进思路 | 第26-27页 |
| 3.3 CSO-NCC算法 | 第27-33页 |
| 3.3.1 猫群算法简述 | 第27-30页 |
| 3.3.2 改进算法的思想 | 第30-33页 |
| 3.4 仿真实验及性能分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于CSO-NCC算法的图像配准技术及应用 | 第37-45页 |
| 4.1 基于CSO-NCC算法的图像配准技术 | 第37-40页 |
| 4.1.1 技术流程图 | 第37-38页 |
| 4.1.2 对比实验分析 | 第38-40页 |
| 4.2 在全景图像处理中的应用 | 第40-44页 |
| 4.2.1 全景图像处理的概念 | 第40-41页 |
| 4.2.2 应用结果 | 第41-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50页 |
