| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 概述 | 第10-11页 |
| 1.2.2 基于区域类的配准算法 | 第11-12页 |
| 1.2.3 基于特征类的配准算法 | 第12-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 第2章 单幅红外图像的超分辨率实现 | 第16-27页 |
| 2.1 超分辨率算法概述 | 第16-18页 |
| 2.1.1 基本概念 | 第16页 |
| 2.1.2 图像退化模型 | 第16-17页 |
| 2.1.3 算法评价方法 | 第17-18页 |
| 2.2 超分辨率方法分类 | 第18-19页 |
| 2.2.1 传统的多帧图像的超分辨率方法 | 第18-19页 |
| 2.2.2 基于学习的超分辨率方法 | 第19页 |
| 2.3 基于自相似性的超分辨率算法 | 第19-25页 |
| 2.3.1 图像的自相似性 | 第19-21页 |
| 2.3.2 基于自相似性的SR算法流程 | 第21-22页 |
| 2.3.3 基于自相似性的SR算法实现 | 第22-23页 |
| 2.3.4 反向迭代投影算法 | 第23-25页 |
| 2.4 实验结果 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 红外与可见光图像匹配 | 第27-42页 |
| 3.1 红外和可见光图像特性 | 第27-29页 |
| 3.1.1 光谱特性 | 第27页 |
| 3.1.2 成像特性 | 第27-28页 |
| 3.1.3 差异分析 | 第28-29页 |
| 3.2 SURF特征检测 | 第29-33页 |
| 3.2.1 积分图像 | 第29页 |
| 3.2.2 Hessian矩阵近似 | 第29-30页 |
| 3.2.3 图像尺度空间 | 第30-32页 |
| 3.2.4 特征点定位 | 第32-33页 |
| 3.3 SURF特征描述 | 第33-34页 |
| 3.3.1 特征点主方向 | 第33页 |
| 3.3.2 构建特征描述子 | 第33-34页 |
| 3.4 SURF特征匹配 | 第34-35页 |
| 3.5 SURF特征描述的不足 | 第35-36页 |
| 3.6 自相似性描述子 | 第36-41页 |
| 3.6.1 生成自相似性描述子 | 第36-40页 |
| 3.6.2 基于LSS的特征匹配 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 红外与可见光图像配准 | 第42-58页 |
| 4.1 配准问题描述 | 第42-45页 |
| 4.1.1 配准模型 | 第42页 |
| 4.1.2 空间变换模型 | 第42-43页 |
| 4.1.3 参数估计 | 第43-44页 |
| 4.1.4 本文配准框架 | 第44-45页 |
| 4.2 配准算法性能评价指标 | 第45-47页 |
| 4.2.1 定位误差 | 第45-46页 |
| 4.2.2 匹配误差 | 第46页 |
| 4.2.3 配准误差 | 第46-47页 |
| 4.3 本文算法与SURF算法配准结果分析 | 第47-53页 |
| 4.3.1 变换参数求解 | 第47-49页 |
| 4.3.2 配准效果比较分析 | 第49-51页 |
| 4.3.3 配准精度比较分析 | 第51-53页 |
| 4.4 本文算法与PSO-SIFT算法配准结果分析 | 第53-57页 |
| 4.4.1 变换参数求解 | 第53-55页 |
| 4.4.2 配准效果比较分析 | 第55-56页 |
| 4.4.3 配准精度比较分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |