基于互信息及蚁群算法的红外与可见光图像配准研究
摘要 | 第1-6页 |
ABSTRACT | 第6-7页 |
缩略语表 | 第7-11页 |
第一章 绪论 | 第11-15页 |
·课题研究背景 | 第11-13页 |
·理论意义及应用价值 | 第11-12页 |
·国内外研究概况及现状 | 第12-13页 |
·本文研究内容及组织结构 | 第13-15页 |
第二章 红外与可见光图像配准 | 第15-21页 |
·红外与可见光图像 | 第15-16页 |
·红外成像的原理与应用 | 第15-16页 |
·红外与可见光图像的关系 | 第16页 |
·图像配准的方法 | 第16-19页 |
·什么是图像配准 | 第16-17页 |
·图像配准的主要方法 | 第17-19页 |
·图像配准方法的发展趋势 | 第19页 |
·红外与可见光图像的配准 | 第19-20页 |
·小结 | 第20-21页 |
第三章 基于互信息的红外与可见光图像配准 | 第21-32页 |
·互信息的概念 | 第21-22页 |
·熵 | 第21-22页 |
·互信息 | 第22页 |
·基于互信息的图像配准方法 | 第22-28页 |
·基于互信息图像配准的基本步骤 | 第22-23页 |
·图像的变换 | 第23-24页 |
·图像的插值 | 第24-26页 |
·出界点的处理 | 第26-27页 |
·灰度级别对配准的影响 | 第27-28页 |
·基于互信息的红外与可见光图像配准 | 第28-31页 |
·图像互信息的统计方法 | 第28-30页 |
·配准参数的最优化搜索 | 第30页 |
·配准总体方案设计 | 第30-31页 |
·亟待解决的问题 | 第31页 |
·小结 | 第31-32页 |
第四章 基于蚁群算法的红外与可见光图像配准 | 第32-49页 |
·概述 | 第32页 |
·蚁群算法简介 | 第32-40页 |
·蚂蚁系统 | 第32-34页 |
·蚁群系统 | 第34-36页 |
·蚁群算法的特征 | 第36-38页 |
·蚁群算法的应用 | 第38-40页 |
·蚁群算法同其他仿生优化算法的比较与融合 | 第40-41页 |
·相同点 | 第40-41页 |
·不同点 | 第41页 |
·与其他算法的融合 | 第41页 |
·基于蚁群算法的红外与可见光图像配准 | 第41-45页 |
·原理 | 第41-42页 |
·设计 | 第42-44页 |
·配准的具体步骤 | 第44-45页 |
·蚁群算法参数的设置 | 第45-46页 |
·实验结果与讨论 | 第46-48页 |
·小结 | 第48-49页 |
第五章 基于改进蚁群算法的红外与可见光图像配准 | 第49-63页 |
·概述 | 第49页 |
·遗传算法 | 第49-51页 |
·遗传算法的特点 | 第49-50页 |
·遗传算法与其他算法的不同 | 第50页 |
·遗传算法的运行参数 | 第50页 |
·遗传算法的运算过程 | 第50-51页 |
·遗传算法的应用 | 第51页 |
·基于遗传算法的图像配准 | 第51-55页 |
·确定编码方式 | 第51页 |
·确定适应度表示 | 第51-52页 |
·确定种群数目P 及最小遗传代数N | 第52页 |
·初始化种群 | 第52页 |
·轮盘赌法和最有保存策略 | 第52-53页 |
·自适应交叉 | 第53页 |
·自适应变异 | 第53-54页 |
·算法实现流程图 | 第54-55页 |
·动态融合的混合算法原理 | 第55-58页 |
·基本思想 | 第55-57页 |
·两种算法动态融合的临界点确定 | 第57页 |
·结论 | 第57-58页 |
·基于动态融合混合算法的红外与可见光图像配准 | 第58-59页 |
·配准算法具体过程 | 第58-59页 |
·算法实现流程图 | 第59页 |
·配准算法实验结果及对比 | 第59-62页 |
·基于改进算法的红外与可见光图像配准实验结果 | 第60-61页 |
·算法的收敛过程 | 第61页 |
·配准结果比较及讨论 | 第61-62页 |
·小结 | 第62-63页 |
第六章 结论与展望 | 第63-65页 |
·总结 | 第63-64页 |
·未来工作展望 | 第64-65页 |
参考文献 | 第65-70页 |
作者攻读硕士学位期间发表的论文 | 第70-71页 |
致谢 | 第71页 |