| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 前言 | 第10页 |
| 1.2 多光谱图像及其配准意义 | 第10-12页 |
| 1.2.1 多光谱图像的概念 | 第10-11页 |
| 1.2.2 多光谱图像配准的意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文结构及章节安排 | 第14-16页 |
| 第二章 图像配准理论及多光谱图像配准难点 | 第16-28页 |
| 2.1 图像配准的基本方法 | 第16-17页 |
| 2.2 基于特征的图像配准算法基本步骤 | 第17-18页 |
| 2.2.1 特征点提取 | 第17-18页 |
| 2.2.2 特征描述符的计算 | 第18页 |
| 2.2.3 特征描述符的匹配 | 第18页 |
| 2.3 尺度不变特征变换匹配算法(SIFT算法) | 第18-23页 |
| 2.3.1 构建高斯差分金字塔 | 第19-21页 |
| 2.3.2 关键点搜索与定位 | 第21页 |
| 2.3.3 主方向定义与赋值 | 第21-22页 |
| 2.3.4 关键点描述 | 第22-23页 |
| 2.4 多光谱图像特性及其配准难点 | 第23-27页 |
| 2.4.1 多光谱图像特性 | 第23页 |
| 2.4.2 多光谱图像的对应点像素关系 | 第23-24页 |
| 2.4.3 多光谱图像的梯度方向反转 | 第24-26页 |
| 2.4.4 特征点检测重复率 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于边缘像素的梯度幅度改进算法和快速算法 | 第28-38页 |
| 3.1 边缘像素与边缘检测 | 第28-30页 |
| 3.1.1 边缘的定义 | 第28页 |
| 3.1.2 Canny算子 | 第28-30页 |
| 3.2 基于边缘像素的梯度幅度加权算法 | 第30-35页 |
| 3.2.1 EOH描述符算法 | 第30页 |
| 3.2.2 基于边缘像素的梯度幅度加权算法 | 第30-31页 |
| 3.2.3 RANSAC原理及图像处理中的应用 | 第31-33页 |
| 3.2.4 算法的配准效果 | 第33-35页 |
| 3.3 EOH的快速算法 | 第35-37页 |
| 3.3.1 EOH的快速算法 | 第35页 |
| 3.3.2 算法的配准效果 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 改进的具有旋转不变性的特征配准算法 | 第38-59页 |
| 4.1 图像预处理与图像特征检测 | 第38页 |
| 4.2 特征点主方向定义与改进 | 第38-41页 |
| 4.2.1 主方向的意义 | 第38-39页 |
| 4.2.2 主方向的相关算法 | 第39-40页 |
| 4.2.3 主方向的改进算法 | 第40-41页 |
| 4.3 基于SIFT特征点的具有旋转不变性的特征配准算法 | 第41-50页 |
| 4.3.1 算法流程 | 第41-42页 |
| 4.3.2 计算描述符向量 | 第42-43页 |
| 4.3.3 算法的结果分析 | 第43-50页 |
| 4.4 基于图像线段交点的具有旋转不变性的特征配准算法 | 第50-57页 |
| 4.4.1 图像中的线段及其交点检测 | 第50-52页 |
| 4.4.2 算法流程 | 第52-53页 |
| 4.4.3 算法的结果分析 | 第53-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-62页 |
| 5.1 研究内容及成果总结 | 第59-60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |