| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 课题背景与意义 | 第12-13页 |
| 1.2 课题研究现状 | 第13-27页 |
| 1.2.1 遥感影像匹配 | 第13-17页 |
| 1.2.2 视觉局部特征提取 | 第17-26页 |
| 1.2.3 研究热点 | 第26-27页 |
| 1.3 论文主要工作及章节安排 | 第27-30页 |
| 第二章 基于双边滤波器的均匀分布角点检测SAR影像匹配 | 第30-48页 |
| 2.1 引言 | 第30-31页 |
| 2.2 相关技术背景 | 第31-36页 |
| 2.2.1 Harris角点检测 | 第32-33页 |
| 2.2.2 双边滤波器 | 第33-35页 |
| 2.2.3 均匀分布策略 | 第35-36页 |
| 2.3 基于双边滤波器的均匀分布角点检测及影像匹配 | 第36-41页 |
| 2.3.1 基于双边滤波器的角点检测 | 第36-38页 |
| 2.3.2 改进的均匀分布策略 | 第38-39页 |
| 2.3.3 SAR影像匹配 | 第39-41页 |
| 2.4 实验与结果分析 | 第41-46页 |
| 2.4.1 角点检测率和重复性评价 | 第41-43页 |
| 2.4.2 分布均匀性评价 | 第43-44页 |
| 2.4.3 SAR影像匹配性能评价 | 第44-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第三章 基于卷积神经网络深度特征的遥感影像匹配方法 | 第48-58页 |
| 3.1 引言 | 第48-49页 |
| 3.2 基于卷积神经网络的深度特征 | 第49-55页 |
| 3.2.1 卷积神经网络基本原理 | 第49-51页 |
| 3.2.2 卷积神经网络典型体系结构 | 第51-54页 |
| 3.2.3 深度特征的优势 | 第54-55页 |
| 3.3 基于深度特征的遥感影像匹配方法 | 第55-57页 |
| 3.3.1 基本思想 | 第56页 |
| 3.3.2 技术流程 | 第56-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于GoogLeNet深度特征的无人机影像匹配方法 | 第58-74页 |
| 4.1 引言 | 第58-59页 |
| 4.2 基于GoogLeNet深度特征的遥感影像匹配方法 | 第59-63页 |
| 4.2.1 技术流程 | 第59-60页 |
| 4.2.2 基于GoogLeNet的深度特征提取方法 | 第60-63页 |
| 4.3 实验与结果分析 | 第63-71页 |
| 4.3.1 实验设置 | 第63-66页 |
| 4.3.2 局部特征区域大小选择 | 第66-67页 |
| 4.3.3 颜色信息引入有效性评价 | 第67-68页 |
| 4.3.4 无人机影像匹配性能评价 | 第68-71页 |
| 4.4 本章小结 | 第71-74页 |
| 第五章 基于Siamese深度特征的光学卫星影像匹配方法 | 第74-86页 |
| 5.1 引言 | 第74-75页 |
| 5.2 基于Siamese深度特征的遥感影像匹配方法 | 第75-77页 |
| 5.2.1 技术流程 | 第75-76页 |
| 5.2.2 基于Siamese网络的深度特征提取方法 | 第76-77页 |
| 5.3 Siamese网络体系结构设计与模型训练 | 第77-80页 |
| 5.3.1 体系结构设计 | 第77-78页 |
| 5.3.2 模型训练 | 第78-80页 |
| 5.4 实验与结果分析 | 第80-83页 |
| 5.4.1 实验设置 | 第80-81页 |
| 5.4.2 网络性能定性评价 | 第81-82页 |
| 5.4.3 光学卫星影像匹配性能评价 | 第82-83页 |
| 5.5 本章小结 | 第83-86页 |
| 第六章 总结与展望 | 第86-90页 |
| 6.1 总结与创新 | 第86-87页 |
| 6.2 工作展望 | 第87-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-100页 |
| 作者在学期间取得的学术成果 | 第100页 |
