| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 图目录 | 第12-15页 |
| 表目录 | 第15-17页 |
| 第1章 绪论 | 第17-27页 |
| 1.1 本论文研究的目的和意义 | 第17-18页 |
| 1.2 图像配准技术简介 | 第18-23页 |
| 1.2.1 图像配准技术概述 | 第18-19页 |
| 1.2.2 图像配准技术分类及方法 | 第19-23页 |
| 1.3 本文主要研究内容与结构安排 | 第23-27页 |
| 第2章 面向配准的图像增强去噪算法 | 第27-52页 |
| 2.1 引言 | 第27页 |
| 2.2 自适应的 LIP 模型 Lee 图像增强算法 | 第27-39页 |
| 2.2.1 Deng 基于 LIP 模型的图像增强算法 | 第28-29页 |
| 2.2.2 人眼视觉特性的客观分析与主观测试 | 第29-33页 |
| 2.2.3 改进的 LIP 模型 Lee 图像增强算法 | 第33-34页 |
| 2.2.4 实验结果与分析 | 第34-39页 |
| 2.3 基于边缘显著度的图像增强算法 | 第39-46页 |
| 2.3.1 边缘定义及性质 | 第39-41页 |
| 2.3.2 人眼视觉边缘特性 | 第41-42页 |
| 2.3.3 边缘显著度增强算法 | 第42-44页 |
| 2.3.4 实验结果及分析 | 第44-46页 |
| 2.4 结合均值滤波的自适应中值滤波去噪算法 | 第46-50页 |
| 2.4.1 传统中值滤波去噪算法的问题 | 第47-48页 |
| 2.4.2 结合均值滤波的自适应中值滤波去噪算法 | 第48-49页 |
| 2.4.3 实验结果及分析 | 第49-50页 |
| 2.5 本章小结 | 第50-52页 |
| 第3章 基于梯度特征的同源图像配准算法 | 第52-74页 |
| 3.1 引言 | 第52页 |
| 3.2 基于特征的配准方法 | 第52-54页 |
| 3.3 基于梯度向量的同源图像配准算法 | 第54-65页 |
| 3.3.1 Harris 角点提取算法 | 第54-55页 |
| 3.3.2 一种新的基于 4 阶梯度向量的描述子 | 第55-58页 |
| 3.3.3 一种单阈值双匹配的特征向量匹配算法 | 第58-60页 |
| 3.3.4 实验结果及分析 | 第60-65页 |
| 3.4 基于子图的同源图像配准算法 | 第65-72页 |
| 3.4.1 子图法配准原理 | 第65-68页 |
| 3.4.2 基于熵和平均梯度的子图提取算法 | 第68-69页 |
| 3.4.3 实验结果及分析 | 第69-72页 |
| 3.5 本章小结 | 第72-74页 |
| 第4章 基于边缘显著性的异源图像配准算法 | 第74-113页 |
| 4.1 引言 | 第74-75页 |
| 4.2 基于边缘 FMT 的异源图像配准算法 | 第75-86页 |
| 4.2.1 传统基于 FMT 的图像配准算法 | 第75-76页 |
| 4.2.2 一种边缘 FMT 算法（E-FMT） | 第76-80页 |
| 4.2.3 实验结果及分析 | 第80-86页 |
| 4.3 边缘图像互相关的红外可见光图像配准算法 | 第86-110页 |
| 4.3.1 基于形态学的边缘区域的提取 | 第87-91页 |
| 4.3.2 四种相似性度量因子的选择 | 第91-96页 |
| 4.3.3 一种 MSER+PSO 分步式搜索优化算法 | 第96-107页 |
| 4.3.4 边缘图像互相关的异源图像配准算法 | 第107-108页 |
| 4.3.5 实验结果及分析 | 第108-110页 |
| 4.4 本章小结 | 第110-113页 |
| 第5章 基于视觉注意的异源图像配准算法 | 第113-140页 |
| 5.1 引言 | 第113-114页 |
| 5.2 视觉注意机制及经典算法 | 第114-122页 |
| 5.2.1 视觉注意机制 | 第114-116页 |
| 5.2.2 经典的频域视觉注意模型 | 第116-122页 |
| 5.3 谱分离的视觉注意计算模型 | 第122-131页 |
| 5.3.1 谱分离的视觉注意模型的设计思想 | 第122-126页 |
| 5.3.2 谱分离的视觉注意模型 | 第126-128页 |
| 5.3.3 实验结果和分析 | 第128-131页 |
| 5.4 基于自适应形态学的显著图增强及提取算法 | 第131-133页 |
| 5.5 基于视觉注意的红外可见光图像配准算法 | 第133-138页 |
| 5.5.1 基于视觉注意配准算法的步骤 | 第133-135页 |
| 5.5.2 实验结果及分析 | 第135-138页 |
| 5.6 本章小结 | 第138-140页 |
| 第6章 总结与展望 | 第140-144页 |
| 6.1 本文研究工作总结 | 第140-142页 |
| 6.2 进一步研究的方向与展望 | 第142-144页 |
| 参考文献 | 第144-154页 |
| 攻读学位期间发表论文与研究成果清单 | 第154-156页 |
| 致谢 | 第156-157页 |
| 作者简介 | 第157页 |
