| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 论文的研究背景和意义 | 第11-12页 |
| 1.2 异源图像匹配问题相关知识 | 第12-14页 |
| 1.2.1 异源图像匹配问题的描述 | 第12-13页 |
| 1.2.2 图像匹配过程 | 第13页 |
| 1.2.3 性能指标 | 第13-14页 |
| 1.3 异源图像匹配的相关技术现状 | 第14-16页 |
| 1.3.1 基于区域的匹配方法 | 第14-15页 |
| 1.3.2 基于特征的匹配方法 | 第15-16页 |
| 1.4 本文组织结构和创新点 | 第16-19页 |
| 1.4.1 本文组织结构 | 第16-18页 |
| 1.4.2 本文的创新点 | 第18-19页 |
| 第二章 异源图像匹配相关技术 | 第19-35页 |
| 2.1 异源图像成像特性分析 | 第19-20页 |
| 2.2 常用的特征提取方法 | 第20-28页 |
| 2.2.1 常用的边缘提取方法 | 第21-25页 |
| 2.2.2 常用的轮廓提取方法 | 第25-28页 |
| 2.3 常用的相似性度量 | 第28-33页 |
| 2.3.1 基于互信息的度量 | 第28-30页 |
| 2.3.2 基于ESD距离的度量 | 第30-32页 |
| 2.3.3 基于Hausdorff距离的度量 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于轮廓特征的异源图像匹配 | 第35-43页 |
| 3.1 传统CV模型的轮廓提取 | 第35-37页 |
| 3.2 改进的基于CV模型的轮廓提取 | 第37-39页 |
| 3.3 实验结果与分析 | 第39-42页 |
| 3.3.1 基于ESD距离的相似性度量 | 第39-40页 |
| 3.3.2 基于Hausdorff距离的相似性度量 | 第40-42页 |
| 3.4 本章小节 | 第42-43页 |
| 第四章 基于梯度方向分布场的异源图像匹配 | 第43-61页 |
| 4.1 分布场原理 | 第43-48页 |
| 4.1.1 分布场图的表示 | 第44页 |
| 4.1.2 分布场图的计算 | 第44-48页 |
| 4.2 基于梯度方向DF图的异源图像匹配 | 第48-53页 |
| 4.2.1 构建梯度方向DF图 | 第48-49页 |
| 4.2.2 选取有效区域 | 第49页 |
| 4.2.3 主方向DF图 | 第49-50页 |
| 4.2.4 相似性度量 | 第50页 |
| 4.2.5 爬山搜索 | 第50-52页 |
| 4.2.6 匹配过程实现 | 第52-53页 |
| 4.3 实验结果与分析 | 第53-59页 |
| 4.3.1 平移变换匹配结果 | 第54-56页 |
| 4.3.2 旋转变换匹配结果 | 第56-58页 |
| 4.3.3 实验对比分析 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文主要工作总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69页 |