| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究工作的背景与意义 | 第12-14页 |
| 1.2 图像匹配研究历史与现状 | 第14-19页 |
| 1.2.1 图像特征点匹配的历史现状 | 第15-16页 |
| 1.2.2 稠密图像匹配的研究现状 | 第16-19页 |
| 1.3 本文的主要贡献与创新 | 第19-20页 |
| 1.4 论文的结构安排 | 第20-22页 |
| 第二章 基于传播引导的图像稠密匹配算法研究 | 第22-51页 |
| 2.1 引言 | 第22-24页 |
| 2.2 相关工作 | 第24-27页 |
| 2.2.1 基于几何不变描述子的稠密匹配算法 | 第25-26页 |
| 2.2.2 基于几何不变匹配框架的稠密匹配算法 | 第26-27页 |
| 2.3 基于传播引导的图像稠密匹配算法 | 第27-40页 |
| 2.3.1 算法概述 | 第27-28页 |
| 2.3.2 尺度旋转不变的稠密描述子 | 第28-35页 |
| 2.3.2.1 基于邻域分布统计的描述子在尺度空间的不变特征分析 | 第28-32页 |
| 2.3.2.2 最大值池化操作对流场准确性的影响 | 第32-33页 |
| 2.3.2.3 尺度旋转不变的稠密LIOP描述子构建方法 | 第33-35页 |
| 2.3.3 基于尺度旋转不变的匹配方法 | 第35-39页 |
| 2.3.3.1 基于尺度旋转不变的样本点匹配方法 | 第35-37页 |
| 2.3.3.2 目标函数的优化 | 第37-38页 |
| 2.3.3.3 流场传播算法 | 第38-39页 |
| 2.3.4 基于传播引导的形变匹配优化器 | 第39-40页 |
| 2.4 实验结果 | 第40-49页 |
| 2.4.1 参数设置说明 | 第40-41页 |
| 2.4.2 数据库介绍 | 第41页 |
| 2.4.3 对比方法 | 第41-42页 |
| 2.4.4 定量实验数据分析和对比 | 第42-45页 |
| 2.4.5 定性实验分析 | 第45-48页 |
| 2.4.6 计算时间的对比与分析 | 第48-49页 |
| 2.4.7 局限性分析 | 第49页 |
| 2.5 本章小结和讨论 | 第49-51页 |
| 第三章 基于对象感知的图像稠密语义匹配方法研究 | 第51-73页 |
| 3.1 引言 | 第51-52页 |
| 3.2 相关研究介绍 | 第52-55页 |
| 3.3 基于对象感知的分层图模型 | 第55-64页 |
| 3.3.1 模型概述 | 第55-56页 |
| 3.3.2 模型构建 | 第56-62页 |
| 3.3.3 匹配的目标函数 | 第62-63页 |
| 3.3.4 运行效率的分析和优化 | 第63-64页 |
| 3.4 基于对象驱动的视觉相似性计算 | 第64-66页 |
| 3.5 实验结果与对比 | 第66-72页 |
| 3.5.1 实验环境和参数设置 | 第66-67页 |
| 3.5.2 JR数据集的实验分析和对比 | 第67-69页 |
| 3.5.3 Caltech-101数据集的实验分析和对比 | 第69-70页 |
| 3.5.4 定性实验 | 第70-72页 |
| 3.5.5 运行效率分析 | 第72页 |
| 3.6 本章总结和工作展望 | 第72-73页 |
| 第四章 对象骨架检测算法及其在稠密语义匹配中的应用 | 第73-94页 |
| 4.1 引言 | 第73-75页 |
| 4.2 对象骨架检测相关研究 | 第75-76页 |
| 4.2.1 传统方法 | 第75-76页 |
| 4.2.2 基于深度卷积网络的方法 | 第76页 |
| 4.3 基于多尺度双向传播全卷积网络的对象骨架检测算法 | 第76-82页 |
| 4.3.1 方法概述 | 第77-78页 |
| 4.3.2 多尺度双向传播全卷积网络 | 第78-80页 |
| 4.3.3 稠密连接机制 | 第80-82页 |
| 4.4 对象骨架检测的实验分析 | 第82-89页 |
| 4.4.1 实现细节 | 第82页 |
| 4.4.2 实验数据集以及验证准则介绍 | 第82-83页 |
| 4.4.3 实验对比方法介绍 | 第83-84页 |
| 4.4.4 网络结构的必要性分析 | 第84页 |
| 4.4.5 定量实验分析与对比 | 第84-87页 |
| 4.4.6 定性实验结果以及运行效率 | 第87-89页 |
| 4.4.7 模型泛化能力验证 | 第89页 |
| 4.5 基于对象骨架感知的稠密语义匹配 | 第89-92页 |
| 4.6 本章小结 | 第92页 |
| 4.7 后续工作展望 | 第92-94页 |
| 第五章 稠密图像匹配在计算机视觉中的应用 | 第94-107页 |
| 5.1 基于稠密图像匹配的语义分割 | 第94-100页 |
| 5.1.1 引言 | 第94-95页 |
| 5.1.2 算法描述 | 第95-98页 |
| 5.1.3 实验分析 | 第98-100页 |
| 5.2 基于稠密图像匹配的联合分割 | 第100-105页 |
| 5.2.1 引言 | 第100-101页 |
| 5.2.2 算法介绍 | 第101-104页 |
| 5.2.3 实验分析 | 第104-105页 |
| 5.3 本章小节 | 第105-106页 |
| 5.4 未来工作展望 | 第106-107页 |
| 第六章 全文总结与展望 | 第107-110页 |
| 6.1 全文总结 | 第107-109页 |
| 6.2 后续工作展望 | 第109-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-119页 |
| 攻读博士学位期间取得的成果 | 第119-120页 |
