| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 图像拼接技术的研究背景和意义 | 第7页 |
| 1.2 图像拼接技术的研究现状 | 第7-8页 |
| 1.3 本文主要工作 | 第8-9页 |
| 1.4 论文基本结构 | 第9-10页 |
| 第二章 图像拼接的有关理论 | 第10-24页 |
| 2.1 图像拼接的基本流程 | 第10页 |
| 2.2 图像采集 | 第10-11页 |
| 2.3 图像的预处理 | 第11-17页 |
| 2.3.1 图像平滑 | 第11-13页 |
| 2.3.2 图像的畸变校正 | 第13-17页 |
| 2.4 图像匹配 | 第17-19页 |
| 2.4.1 基于灰度的图像匹配 | 第17-18页 |
| 2.4.2 基于特征点的图像匹配 | 第18-19页 |
| 2.5 图像的投影变换模型 | 第19-22页 |
| 2.6 本章小结 | 第22-24页 |
| 第三章 基于角点特征的图像匹配算法 | 第24-31页 |
| 3.1 提取角点特征的算法 | 第24-27页 |
| 3.1.1 Harris算法 | 第24-25页 |
| 3.1.2 SUSAN算法 | 第25-26页 |
| 3.1.3 Moravec算法 | 第26-27页 |
| 3.2 角点特征的图像匹配 | 第27-28页 |
| 3.3 RANSAC匹配特征点提纯算法 | 第28-29页 |
| 3.4 实验结果与分析 | 第29-31页 |
| 第四章 基于不变量的特征匹配算法 | 第31-45页 |
| 4.1 SIFT算法 | 第31-34页 |
| 4.1.1 高斯尺度变换 | 第31-32页 |
| 4.1.2 局部空间极值点的检测 | 第32-33页 |
| 4.1.3 关键极值点大小和方向的确定 | 第33-34页 |
| 4.1.4 生成SIFT特征描述子 | 第34页 |
| 4.2 SURF算法 | 第34-36页 |
| 4.2.1 积分图像的生成 | 第34-35页 |
| 4.2.2 特征点的提取 | 第35-36页 |
| 4.3 改进的SURF算法 | 第36-37页 |
| 4.4 不变量特征粗匹配的算法 | 第37-39页 |
| 4.4.1 基于最近邻匹配法 | 第37-38页 |
| 4.4.2 最近邻比次近邻粗匹配方法 | 第38页 |
| 4.4.3 快速匹配方法 | 第38-39页 |
| 4.5 实验结果与分析 | 第39-43页 |
| 4.5.1 SIFT算法与SURF算法实验结果与分析 | 第39-42页 |
| 4.5.2 改进SURF算法实验结果与分析 | 第42-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 全景图像的拼接 | 第45-51页 |
| 5.1 全景图像拼接的流程 | 第45页 |
| 5.2 图像融合 | 第45-48页 |
| 5.2.1 直接平均融合法 | 第45-46页 |
| 5.2.2 加权平均融合法 | 第46-47页 |
| 5.2.3 多分辨率样条技术融合法 | 第47页 |
| 5.2.4 中值滤波融合法 | 第47-48页 |
| 5.3 拼接结果与分析 | 第48-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介 | 第56页 |
| 作者在读期间的研究成果 | 第56页 |