差分进化算法的改进和基于边缘点的SAR图像配准方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 差分进化算法的研究背景和意义 | 第15-16页 |
| 1.1.2 SAR图像配准的研究背景及意义 | 第16页 |
| 1.2 差分进化算法的研究历史及现状 | 第16-18页 |
| 1.2.1 控制参数的改进 | 第16-17页 |
| 1.2.2 进化算子的改进 | 第17页 |
| 1.2.3 反向学习的引入 | 第17页 |
| 1.2.4 与其它优化算法的结合 | 第17-18页 |
| 1.3 SAR图像配准研究历史及现状 | 第18-21页 |
| 1.3.1 基于灰度的图像配准 | 第18-19页 |
| 1.3.2 基于特征的图像配准方法 | 第19-21页 |
| 1.4 论文的主要工作和安排 | 第21-23页 |
| 第二章 差分进化算法与SAR图像配准基础 | 第23-33页 |
| 2.1 差分进化算法 | 第23-27页 |
| 2.1.1 原始的差分进化算法 | 第23-25页 |
| 2.1.2 差分进化算法的评价 | 第25-27页 |
| 2.2 SAR图像配准 | 第27-31页 |
| 2.2.1 图像配准基本概念 | 第27页 |
| 2.2.2 图像配准的框架 | 第27-29页 |
| 2.2.3 图像配准技术 | 第29-30页 |
| 2.2.4 SAR图像配准的评价准则 | 第30-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 差分进化算法的改进 | 第33-49页 |
| 3.1 引言 | 第33-34页 |
| 3.2 本文算法 | 第34-36页 |
| 3.2.1 改进的选择操作 | 第34-35页 |
| 3.2.2 基于个体的综合学习 | 第35-36页 |
| 3.2.3 克隆变异操作 | 第36页 |
| 3.3 本章方法的具体描述 | 第36-38页 |
| 3.4 实验结果和分析 | 第38-47页 |
| 3.4.1 比较算法与本算法的参数设置 | 第38-39页 |
| 3.4.2 实验结果及分析 | 第39-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于边缘点的SAR图像配准方法 | 第49-75页 |
| 4.1 引言 | 第49-50页 |
| 4.2 本文算法 | 第50-60页 |
| 4.2.1 边缘点提取分析 | 第50-56页 |
| 4.2.2 嵌套DPSO算法 | 第56-60页 |
| 4.3 本方法的具体描述 | 第60-64页 |
| 4.4 实验结果与分析 | 第64-73页 |
| 4.4.1 实验对象 | 第64-66页 |
| 4.4.2 实验结果与分析 | 第66-73页 |
| 4.5 本章总结 | 第73-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 工作总结 | 第75页 |
| 5.2 未来展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
