基于深度学习的图像匹配及融合算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 课题研究背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文主要工作内容及章节安排 | 第19-20页 |
| 第二章 图像匹配及图像融合理论基础 | 第20-40页 |
| 2.1 基于特征的图像匹配方法 | 第20-27页 |
| 2.1.1 基本流程 | 第20-21页 |
| 2.1.2 图像特征提取 | 第21-22页 |
| 2.1.3 图像特征匹配及关联 | 第22-23页 |
| 2.1.4 变换模型参数求解 | 第23-24页 |
| 2.1.5 图像插值与变换 | 第24-26页 |
| 2.1.6 图像匹配方法的评价 | 第26-27页 |
| 2.2 变换域图像融合方法 | 第27-39页 |
| 2.2.1 概述 | 第27-28页 |
| 2.2.2 基于多尺度变换的图像融合方法 | 第28-33页 |
| 2.2.3 基于稀疏表示的图像融合方法 | 第33-34页 |
| 2.2.4 图像融合规则 | 第34-37页 |
| 2.2.5 图像融合方法的评价 | 第37-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第三章 卷积神经网络和反卷积网络理论基础 | 第40-52页 |
| 3.1 卷积神经网络的理论基础 | 第40-45页 |
| 3.1.1 卷积神经网络的结构 | 第40-44页 |
| 3.1.2 卷积神经网络的训练 | 第44-45页 |
| 3.2 反卷积网络的理论基础 | 第45-51页 |
| 3.2.1 反卷积网络的模型结构 | 第45-49页 |
| 3.2.2 反卷积网络的推断学习 | 第49-51页 |
| 3.3 本章小结 | 第51-52页 |
| 第四章 基于卷积神经网络的图像匹配算法研究 | 第52-66页 |
| 4.1 基于卷积神经网络的图像匹配算法流程 | 第52-54页 |
| 4.2 改进的基于卷积神经网络的图像匹配算法 | 第54-60页 |
| 4.2.1 概述 | 第54页 |
| 4.2.2 特征提取 | 第54-55页 |
| 4.2.3 样本获取 | 第55-57页 |
| 4.2.4 网络结构与参数 | 第57-58页 |
| 4.2.5 特征匹配与关联 | 第58-60页 |
| 4.3 图像匹配实验及结果分析 | 第60-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 基于反卷积网络的图像融合算法研究 | 第66-88页 |
| 5.1 基于反卷积网络的图像融合算法流程 | 第66-68页 |
| 5.2 反卷积网络的训练 | 第68-70页 |
| 5.3 图像的分解与重构 | 第70-72页 |
| 5.4 图像融合规则的选择 | 第72-73页 |
| 5.5 图像融合实验及结果分析 | 第73-87页 |
| 5.5.1 多聚焦图像融合实验 | 第73-78页 |
| 5.5.2 医学图像融合实验 | 第78-82页 |
| 5.5.3 遥感图像融合实验 | 第82-87页 |
| 5.6 本章小结 | 第87-88页 |
| 第六章 总结与展望 | 第88-90页 |
| 6.1 总结 | 第88页 |
| 6.2 展望 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 致谢 | 第96-98页 |
| 作者简介 | 第98-99页 |
