| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| ·课题背景及其意义 | 第8-9页 |
| ·景象匹配算法的国内外研究现状 | 第9-10页 |
| ·本文的主要研究内容 | 第10-11页 |
| 第2章 基于灰度的图像匹配概述 | 第11-26页 |
| ·图像匹配概念 | 第11-13页 |
| ·图像匹配关键要素 | 第11页 |
| ·匹配性能的描述 | 第11-12页 |
| ·本文所研究的图像匹配 | 第12-13页 |
| ·相似性测度 | 第13-22页 |
| ·互信息 | 第13-16页 |
| ·灰色关联分析方法 | 第16-17页 |
| ·对齐度 | 第17-18页 |
| ·归一化积相关算法 | 第18页 |
| ·几种相似性测度算法实验分析 | 第18-22页 |
| ·分层搜索策略：小波变换 | 第22-23页 |
| ·智能搜索算法：微粒群算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 整数提升小波变换图像匹配算法 | 第26-38页 |
| ·引言 | 第26页 |
| ·整数提升小波变换 | 第26-32页 |
| ·小波提升 | 第28-29页 |
| ·Haar 小波和 Daubechies4 小波提升方案 | 第29-31页 |
| ·小波基的选取 | 第31-32页 |
| ·基于 Haar 提升小波的图像匹配算法设计 | 第32-34页 |
| ·分层层数的确定 | 第32-33页 |
| ·各层相似性测度的确定 | 第33-34页 |
| ·高层局部搜索半径 L 的确定 | 第34页 |
| ·算法仿真分析 | 第34-37页 |
| ·匹配精度性能分析 | 第34-36页 |
| ·匹配计算量分析 | 第36-37页 |
| ·提升小波匹配的优点 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于改进对齐度和 PSO 的图像匹配算法 | 第38-49页 |
| ·引言 | 第38页 |
| ·分灰度阶对齐度计算 | 第38-41页 |
| ·分灰度阶对齐度值和计算速度 | 第38-40页 |
| ·分灰度阶对齐度匹配正确率 | 第40-41页 |
| ·分灰度阶对齐度与互信息之比较 | 第41页 |
| ·基于 8 阶对齐度准则的改进 PSO 图像匹配 | 第41-47页 |
| ·标准 PSO 算法在图像匹配中存在的问题 | 第42-43页 |
| ·图像匹配中 PSO 算法的有效改进方法 | 第43-44页 |
| ·随机初始化改进 | 第44-47页 |
| ·算法仿真分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 存在旋转的图像匹配算法 | 第49-59页 |
| ·引言 | 第49页 |
| ·图像空间变换和插值 | 第49-52页 |
| ·图像空间变换 | 第49-52页 |
| ·图像插值 | 第52页 |
| ·存在旋转的图像匹配算法设计 | 第52-54页 |
| ·算法仿真分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |