基于SIFT的遥感影像自动配准的研究与实现
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-15页 |
| ·研究本课题的背景与意义 | 第9-10页 |
| ·图像配准技术的发展趋势、难点和应用领域 | 第10-12页 |
| ·本文的章节安排 | 第12-15页 |
| 2 图像配准的基础理论 | 第15-35页 |
| ·图像配准的定义 | 第15-16页 |
| ·图像配准的基本流程 | 第16-29页 |
| ·特征提取 | 第18-22页 |
| ·特征匹配 | 第22-28页 |
| ·变换模型参数估算 | 第28页 |
| ·图像重采样与变换 | 第28-29页 |
| ·图像配准的方法分类 | 第29-35页 |
| ·灰度配准 | 第29-30页 |
| ·特征配准 | 第30-31页 |
| ·基于互信息的图像配准 | 第31-35页 |
| 3 现有的特征点提取方法 | 第35-45页 |
| ·SUSAN 算法的特征点提取方法 | 第35-39页 |
| ·SUSAN 兴趣点检测基本理论 | 第35-36页 |
| ·SUSAN 算法步骤 | 第36-37页 |
| ·SUSAN 角点检测算法的特点 | 第37-38页 |
| ·试验结果 | 第38-39页 |
| ·Harris 算子的角点提取 | 第39-42页 |
| ·Harris 角点提取算法基本理论 | 第39-40页 |
| ·Harris 算法的主要步骤 | 第40-42页 |
| ·Harris 角点检测算子特点 | 第42页 |
| ·传统点检测的软件实现基本步骤 | 第42-45页 |
| ·空间滤波 | 第42-43页 |
| ·点检测原理 | 第43-45页 |
| 4 SIFT 自动匹配算法 | 第45-65页 |
| ·SIFT 算法简介 | 第45页 |
| ·SIFT 算法的步骤 | 第45-46页 |
| ·SIFT 算法的理论 | 第46-54页 |
| ·尺度空间的定义 | 第46页 |
| ·高斯尺度空间构建 | 第46-47页 |
| ·图像的金字塔构建 | 第47-48页 |
| ·高斯差分尺度空间的产生 | 第48-49页 |
| ·精确确定关键点的位置 | 第49-51页 |
| ·确定关键点的主方向 | 第51-52页 |
| ·描述子的生成 | 第52-53页 |
| ·特征点的匹配 | 第53-54页 |
| ·系统实现 | 第54-65页 |
| ·SIFT 算法的软件实现及细节 | 第54-58页 |
| ·实验结果 | 第58-61页 |
| ·对SIFT 算法的改进 | 第61-65页 |
| 5 遥感影像的自动配准试验 | 第65-71页 |
| ·遥感影像的SIFT 自动匹配 | 第65-66页 |
| ·遥感影像的拼接 | 第66-68页 |
| ·遥感影像的融合 | 第68-71页 |
| 6 总结与展望 | 第71-73页 |
| ·本文完成的工作 | 第71页 |
| ·需要进一步完成的工作 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79-80页 |
| 详细摘要 | 第80-82页 |
