首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于改进Demons算法的图像配准研究

摘要第5-6页
abstract第6-7页
第1章 绪论第10-14页
    1.1 图像配准的研究意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 非刚性图像配准方法存在的问题第12页
    1.4 论文主要研究内容及结构第12-14页
第2章 图像配准的基础知识第14-21页
    2.1 数字图像的定义第14页
    2.2 图像配准的定义第14页
    2.3 图像配准的基本框架第14-16页
        2.3.1 特征空间第15-16页
        2.3.2 搜索空间第16页
        2.3.3 搜索策略第16页
        2.3.4 相似性度量第16页
    2.4 配准方法分类及流程第16-20页
        2.4.1 基于图像特征的配准算法第17-18页
        2.4.2 基于灰度值的配准算法第18-19页
        2.4.3 基于变换域的配准方法第19-20页
        2.4.4 图像配准算法分类图第20页
    2.5 本章小结第20-21页
第3章 一种改进的Active Demons算法研究第21-46页
    3.1 Demons算法第21-24页
        3.1.1 Demons算法的理论基础第21-22页
        3.1.2 Demons算法驱动力计算公式第22-23页
        3.1.3 Demons算法流程第23-24页
    3.2 Active Demons算法第24-26页
        3.2.1 Active Demons算法来源第24页
        3.2.2 Active Demons算法驱动力计算公式第24-25页
        3.2.3 Active Demons算法流程第25页
        3.2.4 Active Demons算法的不足第25-26页
    3.3 一种改进的Active Demons算法—F-angle Demons算法第26-27页
        3.3.1 F-angle Demons算法驱动力计算公式第26页
        3.3.2 F-angle Demons算法流程第26-27页
    3.4 F-angle Demons算法实验与结果分析第27-30页
    3.5 F-angle Demons算法的改进第30-45页
        3.5.1 三种算法对比实验与结果分析第31-38页
        3.5.2 控制系数对比实验与结果分析第38-45页
    3.6 本章小结第45-46页
第4章 一种基于梯度信息的改进微分同胚Demons算法第46-62页
    4.1 微分同胚Demons(D Demons)第46-47页
    4.2 一种基于梯度信息的改进微分同胚Demons算法(G Demons)第47-54页
        4.2.1 G Demons算法求解过程第47-53页
        4.2.2 G Demons算法流程第53-54页
    4.3 改进微分同胚 Demons 算法数值实验第54-61页
    4.4 本章小结第61-62页
结论第62-63页
参考文献第63-68页
攻读硕士学位期间发表的论文和取得的研究成果第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:基于矩阵压缩理论的Apriori算法研究与应用
下一篇:面向网络文本地理信息的POI获取技术研究