| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 本文研究的背景与意义 | 第9-10页 |
| 1.2 图像匹配技术的发展和研究现状 | 第10-11页 |
| 1.3 论文的主要工作 | 第11页 |
| 1.4 论文的内容安排 | 第11-13页 |
| 第二章 图像匹配技术研究 | 第13-29页 |
| 2.1 图像匹配的原理 | 第13-15页 |
| 2.1.1 图像匹配的定义 | 第13页 |
| 2.1.2 图像的空间几何变换模型 | 第13-15页 |
| 2.2 图像匹配方法的构成因素 | 第15-18页 |
| 2.2.1 概述 | 第15页 |
| 2.2.2 特征空间 | 第15-16页 |
| 2.2.3 相似性度量 | 第16-17页 |
| 2.2.4 搜索空间 | 第17页 |
| 2.2.5 搜索策略 | 第17-18页 |
| 2.3 图像匹配的基本方法 | 第18-28页 |
| 2.3.1 基本概念 | 第18页 |
| 2.3.2 基于灰度信息的图像匹配方法 | 第18-21页 |
| 2.3.3 基于变换域信息的图像匹配方法 | 第21-25页 |
| 2.3.4 基于特征信息的图像匹配方法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 图像匹配的典型算法 | 第29-55页 |
| 3.1 SIFT 算法 | 第29-36页 |
| 3.1.1 SIFT 算法概述 | 第29页 |
| 3.1.2 图像的尺度空间的表示 | 第29-30页 |
| 3.1.3 高斯金字塔与高斯差分金字塔 | 第30-32页 |
| 3.1.4 DOG 算子局部极值点检测 | 第32页 |
| 3.1.5 关键点精确定位 | 第32-34页 |
| 3.1.6 关键点的方向分配 | 第34页 |
| 3.1.7 关键点的特征描述 | 第34-36页 |
| 3.1.8 图像匹配 | 第36页 |
| 3.2 PCA-SIFT 算法 | 第36-38页 |
| 3.2.1 PCA 概述 | 第36-37页 |
| 3.2.2 PCA-SIFT 算法实现过程 | 第37-38页 |
| 3.3 SURF | 第38-42页 |
| 3.3.1 SURF 算法概述 | 第38页 |
| 3.3.2 关键点检测 | 第38-40页 |
| 3.3.3 关键点的特征描述 | 第40-42页 |
| 3.3.4 匹配特征点 | 第42页 |
| 3.4 SIFT 算法与 SURF 算法的实验对比与分析 | 第42-54页 |
| 3.4.1 实验准备工作 | 第42页 |
| 3.4.2 实验对比与分析 | 第42-54页 |
| 3.4.2.1 模糊程度不同的图像匹配 | 第42-45页 |
| 3.4.2.2 旋转角度不同的图像匹配 | 第45-48页 |
| 3.4.2.3 光照强度不同的图像匹配 | 第48-51页 |
| 3.4.2.4 分辨率不同的图像匹配 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 最近邻算法 | 第55-65页 |
| 4.1 最近邻搜索 | 第55-58页 |
| 4.1.1 K 近邻算法 | 第55-56页 |
| 4.1.2 K 近邻算法的实现--KD 树 | 第56-58页 |
| 4.2 优化 KD 树的 SIFT 图像匹配算法 | 第58-64页 |
| 4.2.1 算法原理 | 第58-59页 |
| 4.2.2 算法实现过程 | 第59-60页 |
| 4.2.3 实验样本及方法 | 第60页 |
| 4.2.4 实验结果及分析 | 第60-64页 |
| 4.3 本章小结 | 第64-65页 |
| 第五章 结论 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-68页 |