异源图像边缘提取与匹配算法研究
| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 论文的研究背景和意义 | 第11-12页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 边缘检测算法的发展 | 第13-15页 |
| 1.2.2 图像匹配方法的发展 | 第15-16页 |
| 1.3 论文组织结构和创新点 | 第16-18页 |
| 1.3.1 本文组织结构 | 第16-17页 |
| 1.3.2 本文的创新点 | 第17-18页 |
| 第二章 异源图像边缘检测算法与匹配技术 | 第18-33页 |
| 2.1 异源图像特性分析 | 第18-21页 |
| 2.1.1 异源图像成像机理与特性 | 第18-19页 |
| 2.1.2 异源图像的差异性 | 第19-21页 |
| 2.1.3 异源图像的共性 | 第21页 |
| 2.2 常用的边缘提取算法及实验 | 第21-25页 |
| 2.3 基于特征的图像匹配算法及实验 | 第25-29页 |
| 2.3.1 ESD距离相似性度量 | 第25页 |
| 2.3.2 Hausdorff距离相似性度量 | 第25-26页 |
| 2.3.3 图像匹配实验及结果分析 | 第26-29页 |
| 2.4 图像匹配的性能评价体系 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于改进的小波边缘检测的异源图像匹配 | 第33-51页 |
| 3.1 小波变换边缘检测算法原理及实验 | 第33-35页 |
| 3.2 改进的小波模极大值边缘检测算法 | 第35-41页 |
| 3.2.1 半邻域法 | 第35-37页 |
| 3.2.2 Facet模型 | 第37-38页 |
| 3.2.3 算法思路和具体实现步骤 | 第38-41页 |
| 3.2.4 实验结果与分析 | 第41页 |
| 3.3 图像匹配结果与性能分析 | 第41-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于CV模型的异源图像匹配 | 第51-67页 |
| 4.1 CV模型边缘检测算法 | 第51-56页 |
| 4.1.1 水平集方法理论 | 第51-53页 |
| 4.1.2 CV活动轮廓模型 | 第53-55页 |
| 4.1.3 CV模型边缘检测结果与分析 | 第55-56页 |
| 4.2 改进的CV模型边缘提取算法 | 第56-60页 |
| 4.2.1 全局信息E_G | 第56-57页 |
| 4.2.2 局部信息E_L | 第57页 |
| 4.2.3 约束项E_R | 第57-58页 |
| 4.2.4 改进模型的演化过程 | 第58-60页 |
| 4.3 图像匹配结果与性能分析 | 第60-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67页 |
| 5.2 工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者在学期间取得的学术成果 | 第74页 |
