| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 引言 | 第9-11页 |
| ·三维重建理论的提出以及发展现状 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·问题的提出 | 第10-11页 |
| ·研究内容和基本框架 | 第11页 |
| 2 基于 Harris 和 SUSAN 的自适应特征点检测算法 | 第11-25页 |
| ·特征点检测技术的概况 | 第11-13页 |
| ·Harris 特征点检测算法 | 第13-16页 |
| ·Harris 特征点检测算子理论 | 第13-15页 |
| ·Harris 特征点检测算法流程 | 第15-16页 |
| ·Harris 特征点检测算法不足之处 | 第16页 |
| ·最小核值相似区角点检测（SUSAN）算法 | 第16-19页 |
| ·SUSAN 特征点检测算法原理及其计算方法 | 第16-18页 |
| ·SUSAN 特征点检测算法流程 | 第18页 |
| ·SUSAN 特征点检测算法不足之处 | 第18-19页 |
| ·基于 Harris 的自适应角点检测算法 | 第19-25页 |
| ·算法描述 | 第19-20页 |
| ·算法仿真与实验分析 | 第20-25页 |
| 3 基于 SIFT 图像匹配算法的改进 | 第25-36页 |
| ·图像匹配算法概况 | 第25页 |
| ·图像匹配方法分类 | 第25-27页 |
| ·区域匹配 | 第25页 |
| ·相位匹配 | 第25-26页 |
| ·特征匹配 | 第26-27页 |
| ·SIFT 算法的基础理论 | 第27-31页 |
| ·尺度空间的建立 | 第27-28页 |
| ·特征点定位 | 第28-29页 |
| ·精确定位特征点的位置 | 第29-30页 |
| ·关键点方向分配 | 第30-31页 |
| ·特征点描述算子生成 | 第31页 |
| ·匹配 | 第31页 |
| ·改进的 SIFT 算法 | 第31-36页 |
| ·改进算法描述 | 第32-33页 |
| ·特征向量维数的确定 | 第33-35页 |
| ·算法仿真与分析 | 第35-36页 |
| 4 总结和展望 | 第36-38页 |
| ·总结 | 第36-37页 |
| ·展望 | 第37-38页 |
| 致谢 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 作者简介 | 第42页 |