| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题意义 | 第10-11页 |
| 1.2 图像配准概述 | 第11-15页 |
| 1.2.1 图像配准的定义和目的 | 第11页 |
| 1.2.2 图像配准问题的分类 | 第11-12页 |
| 1.2.3 图像配准的研究现状 | 第12-15页 |
| 1.3 本文章节安排 | 第15-16页 |
| 第二章 角点检测 | 第16-34页 |
| 2.1 基于模板的角点检测算法 | 第16-17页 |
| 2.2 基于边缘的角点检测算法 | 第17-19页 |
| 2.2.1 边界链码 | 第17-18页 |
| 2.2.2 边缘曲率 | 第18页 |
| 2.2.3 小波变换 | 第18-19页 |
| 2.3 基于灰度变换的角点检测算法 | 第19-30页 |
| 2.3.1 Moravec | 第19-20页 |
| 2.3.2 Harris | 第20-22页 |
| 2.3.3 SUSAN | 第22-24页 |
| 2.3.4 MIC | 第24-26页 |
| 2.3.5 实验结果比较 | 第26-30页 |
| 2.4 改进的HARRIS 角点检测算法 | 第30-32页 |
| 2.4.1 算法说明 | 第30-31页 |
| 2.4.2 实验结果 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 SIFT 图像配准算法 | 第34-49页 |
| 3.1 尺度空间 | 第34-37页 |
| 3.1.1 DOG (Difference of Gaussian)算子 | 第34-35页 |
| 3.1.2 DOG 和LOG | 第35页 |
| 3.1.3 尺度空间的建立 | 第35-37页 |
| 3.2 特征点定位 | 第37-39页 |
| 3.2.1 初步定位 | 第37页 |
| 3.2.2 精确定位 | 第37-38页 |
| 3.2.3 去除边缘相应 | 第38-39页 |
| 3.3 特征点主方向 | 第39-41页 |
| 3.4 特征描述子计算 | 第41-42页 |
| 3.5 特征匹配 | 第42-43页 |
| 3.6 SIFT 特征描述子的改进 | 第43-47页 |
| 3.6.1 经典SIFT 特征描述子的缺点 | 第43-44页 |
| 3.6.2 PCA-SIFT 特征描述子 | 第44-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章基于点特征的红外和可见光图像配准 | 第49-69页 |
| 4.1 问题和难点 | 第49-50页 |
| 4.1.1 灰度值差异 | 第49-50页 |
| 4.1.2 纹理差异 | 第50页 |
| 4.2 特征点配准 | 第50-56页 |
| 4.2.1 ICP 算法 | 第51-52页 |
| 4.2.2 Keller 的方法 | 第52-55页 |
| 4.2.3 小结 | 第55-56页 |
| 4.3 基于局部边缘和梯度的多特征配准方法 | 第56-63页 |
| 4.3.1 算法概述 | 第56页 |
| 4.3.2 局部特征 | 第56-61页 |
| 4.3.3 匹配策略 | 第61-63页 |
| 4.4 实验结果 | 第63-67页 |
| 4.4.1 红外图像与可见光图像配准 | 第63-65页 |
| 4.4.2 与SIFT 算法的比较 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 图像配准技术在图像拼接中的应用 | 第69-78页 |
| 5.1 引言 | 第69页 |
| 5.2 基于配准的拼接 | 第69-77页 |
| 5.2.1 算法介绍 | 第71-75页 |
| 5.2.2 实验结果 | 第75-77页 |
| 5.3 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士期间发表的相关论文 | 第84-85页 |
| 致谢 | 第85-87页 |