| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 基础矩阵估计研究现状 | 第10-11页 |
| 1.3 论文的研究内容 | 第11-13页 |
| 第二章 对极几何与基础矩阵 | 第13-16页 |
| 2.1 本文使用的一些记号 | 第13页 |
| 2.2 对极几何 | 第13-15页 |
| 2.3 基础矩阵 | 第15-16页 |
| 第三章 特征检测和特征点匹配 | 第16-25页 |
| 3.1 二阶导数法 | 第16-18页 |
| 3.2 中值滤波角点检测 | 第18页 |
| 3.3 Harris兴趣点检测算子 | 第18-20页 |
| 3.4 尺度不变特征变换(SIFT)算法 | 第20-25页 |
| 3.4.1 尺度空间极值检测 | 第22页 |
| 3.4.2 特征点精确定位 | 第22-23页 |
| 3.4.3 特征点主方向分配 | 第23-24页 |
| 3.4.4 特征点描述 | 第24页 |
| 3.4.5 特征点匹配 | 第24-25页 |
| 第四章 传统基础矩阵估计技术 | 第25-34页 |
| 4.1 7点法 | 第25-26页 |
| 4.2 8点法 | 第26页 |
| 4.3 归一化输入坐标法 | 第26-27页 |
| 4.4 最小化点到其对应极线距离的非线性方法 | 第27-29页 |
| 4.4.1 线性迭代法 | 第27-28页 |
| 4.4.2 参数空间的非线性最小化方法 | 第28-29页 |
| 4.5 LMeDS | 第29-31页 |
| 4.6 随机抽样一致(RANSAC) | 第31-32页 |
| 4.7 一种评价基础矩阵差别的方法 | 第32-33页 |
| 4.8 本章小结 | 第33-34页 |
| 第五章 聚类分析 | 第34-45页 |
| 5.1 聚类的概念 | 第34-35页 |
| 5.2 相似性度量 | 第35-36页 |
| 5.3 常见聚类技术 | 第36-41页 |
| 5.3.1 分层式聚类技术 | 第36-37页 |
| 5.3.2 划分式聚类技术 | 第37-41页 |
| 5.3.3 非迭代型分割式算法 | 第41页 |
| 5.4 自动确定簇的数目的聚类算法 | 第41-43页 |
| 5.4.1 迭代式自组织数据分析技术(ISODATA) | 第41-42页 |
| 5.4.2 簇搜索动态优化技术(DYNOC) | 第42页 |
| 5.4.3 其他方法 | 第42-43页 |
| 5.5 基于密度峰值搜索的聚类方法 | 第43-45页 |
| 第六章 基于聚类的基础矩阵估计方法 | 第45-48页 |
| 6.1 匹配点的四维空间 | 第45-46页 |
| 6.2 基于聚类的基础矩阵估计方法 | 第46-48页 |
| 第七章 实验结果 | 第48-58页 |
| 7.1 SIFT特征提取与匹配实验 | 第48-51页 |
| 7.1.1 SIFT算法旋转、平移和缩放(RST)不变性实验 | 第48-51页 |
| 7.1.2 SIFT算法不同视点图像对特征提取与匹配实验 | 第51页 |
| 7.2 基于聚类的基础矩阵估计实验 | 第51-58页 |
| 7.2.1 实际图像 | 第54-56页 |
| 7.2.2 合成图像 | 第56-58页 |
| 第八章 全文总结和展望 | 第58-60页 |
| 8.1 主要结论 | 第58页 |
| 8.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 在学期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
