| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究图像匹配的意义 | 第10-11页 |
| 1.2 图像匹配的研究历史和现状 | 第11-13页 |
| 1.3 图像匹配存在的问题 | 第13页 |
| 1.4 本文的主要内容 | 第13-15页 |
| 1.4.1 分章内容 | 第13-14页 |
| 1.4.2 文章创新点 | 第14-15页 |
| 1.4.3 工作内容 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 图像匹配及最优化问题的基本理论 | 第16-23页 |
| 2.1 图像匹配的概述 | 第16-18页 |
| 2.1.1 图像匹配的定义 | 第16页 |
| 2.1.2 图像匹配的一般流程 | 第16-17页 |
| 2.1.3 图像匹配的关键要素 | 第17-18页 |
| 2.2 图像匹配方法的介绍 | 第18-21页 |
| 2.2.1 基于灰度的图像匹配 | 第18-20页 |
| 2.2.2 基于图像特征的匹配 | 第20页 |
| 2.2.3 基于其它理论的图像匹配 | 第20-21页 |
| 2.3 优化问题与粒子群算法在图像匹配中的应用 | 第21-22页 |
| 2.3.1 最优化问题 | 第21页 |
| 2.3.2 PSO在图像匹配中的应用 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 融入最佳叶节点的改进粒子群算法 | 第23-35页 |
| 3.1 粒子群算法（PSO） | 第23-26页 |
| 3.1.1 PSO算法概述 | 第23-25页 |
| 3.1.2 PSO算法的流程图 | 第25页 |
| 3.1.3 PSO算法存在的问题 | 第25-26页 |
| 3.2 粒子群的拓扑结构 | 第26-27页 |
| 3.3 逐级寻优算法（TPSO） | 第27-34页 |
| 3.3.1 TPSO算法的基本思想 | 第27-28页 |
| 3.3.2 TPSO算法设计 | 第28-30页 |
| 3.3.3 TPSO算法测试 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 融合粒子群与拓扑相似性的图像匹配算法 | 第35-46页 |
| 4.1 SURF特征点检测 | 第35-39页 |
| 4.1.1 特征点检测 | 第35-37页 |
| 4.1.2 特征点主方向的确定 | 第37-38页 |
| 4.1.3 基于TPSO和拓扑相似性的图像匹配算法（LM）的特征检测 | 第38-39页 |
| 4.2 相似度计算 | 第39-41页 |
| 4.2.1 轮廓相似度计算 | 第39-40页 |
| 4.2.2 拓扑相似度计算 | 第40-41页 |
| 4.3 拓扑相似性约束条件 | 第41-43页 |
| 4.4 利用TPSO进行图像特征优化 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 仿真实验及数据分析 | 第46-56页 |
| 5.1 TPSO算法的收敛性分析 | 第46-48页 |
| 5.2 TPSO的简单应用 | 第48-49页 |
| 5.3 图像匹配实验结果 | 第49-53页 |
| 5.4 系统实现 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |