基于GPU的多分辨率红外与可见光图像配准研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·引言 | 第11-12页 |
| ·图像配准概述 | 第12-13页 |
| ·国内外研究状况 | 第13-14页 |
| ·论文主要工作及章节安排 | 第14-15页 |
| 第二章 图像配准 | 第15-23页 |
| ·图像配准的数学定义 | 第15页 |
| ·图像配准的变换模型 | 第15-17页 |
| ·图像配准的常用方法 | 第17-22页 |
| ·基于灰度的图像配准方法 | 第17-20页 |
| ·基于特征的图像配准方法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 红外与可见光图像配准 | 第23-64页 |
| ·红外与可见光图像分析 | 第23-25页 |
| ·红外图像的特点 | 第23-24页 |
| ·可见光图像的特点 | 第24页 |
| ·红外与可见光图像的区别 | 第24-25页 |
| ·红外与可见光图像配准过程 | 第25-26页 |
| ·红外与可见光图像预处理 | 第26-32页 |
| ·图像增强 | 第26-27页 |
| ·图像去噪 | 第27-32页 |
| ·图像特征提取 | 第32-44页 |
| ·点特征提取 | 第33-37页 |
| ·边缘提取 | 第37-44页 |
| ·尺度空间 | 第44-55页 |
| ·尺度空间及其性质 | 第44-48页 |
| ·多尺度特征点提取 | 第48-52页 |
| ·多尺度边缘提取 | 第52-55页 |
| ·相似性度量 | 第55-60页 |
| ·Hausdorff 距离原理 | 第55-58页 |
| ·自动区域 Hausdorff 距离 | 第58-60页 |
| ·模型参数估计 | 第60-62页 |
| ·最小二乘法（LSM） | 第60-61页 |
| ·随机抽样一致性法（RANSAC） | 第61-62页 |
| ·参数估计算法分析 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第四章 CUDA 红外与可见光图像配准实现 | 第64-85页 |
| ·GPU 及 CUDA 简介 | 第64-67页 |
| ·CUDA 编程模型 | 第64-65页 |
| ·CUDA 映射模型 | 第65-66页 |
| ·GPU 存储器模型 | 第66-67页 |
| ·红外与可见光图像配准实现 | 第67-79页 |
| ·红外与可见光图像配准实现流程 | 第67-69页 |
| ·红外图像增强实现 | 第69-70页 |
| ·红外图像滤波实现 | 第70-72页 |
| ·红外与可见光图像特征提取实现 | 第72-77页 |
| ·Hausdorff 距离匹配实现 | 第77页 |
| ·随机一致性检验实现 | 第77-79页 |
| ·红外与可见光图像配准结果分析 | 第79-84页 |
| ·本章小结 | 第84-85页 |
| 第五章 总结与展望 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 致谢 | 第89-90页 |
| 在学期间的研究成果及发表的学术论文 | 第90页 |
