| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 图表清单 | 第9-12页 |
| 注释表 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 基于区域的图像匹配方法 | 第14-15页 |
| 1.2.2 基于特征的图像匹配方法 | 第15-19页 |
| 1.3 存在问题 | 第19页 |
| 1.4 本文主要内容与创新点 | 第19-21页 |
| 1.4.1 本文主要内容 | 第19-20页 |
| 1.4.2 本文创新点 | 第20-21页 |
| 1.5 本文内容安排 | 第21-22页 |
| 第二章 人类视觉感知规律和异源图像粗大轮廓特点研究 | 第22-27页 |
| 2.1 人类视觉感知的过程 | 第22-24页 |
| 2.2 异源图像粗大边缘的特点研究 | 第24-26页 |
| 2.2.1 异源图像的成像原理及粗大边缘的形成机理 | 第24-26页 |
| 2.2.2 粗大边缘的特点 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于核空间 PFCM 聚类的异源图像粗大轮廓提取方法及其快捷计算研究 | 第27-43页 |
| 3.1 粗大轮廓提取概述与现状 | 第27-29页 |
| 3.2 构建二维的特征空间研究 | 第29-32页 |
| 3.2.1 灰度特征 | 第29-30页 |
| 3.2.2 纹理特征分析研究 | 第30-32页 |
| 3.3 基于高斯核空间 PFCM 聚类算法（KPFCM）研究 | 第32-37页 |
| 3.3.1 FCM 算法研究与分析 | 第32-33页 |
| 3.3.2 PCM 算法研究与分析 | 第33-34页 |
| 3.3.3 IPCM 算法研究与分析 | 第34-35页 |
| 3.3.4 PFCM 算法研究与分析 | 第35页 |
| 3.3.5 KPFCM 算法研究与分析 | 第35-37页 |
| 3.4 KPFCM 聚类的快速算法（FKPFCM 算法）研究 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-41页 |
| 3.5.1 鲁棒性验证 | 第38-41页 |
| 3.5.2 实时性验证 | 第41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 基于局部尺度特征描述和改进 DTW 的轮廓匹配算法研究 | 第43-57页 |
| 4.1 轮廓匹配概述及现状 | 第43-44页 |
| 4.1.1 轮廓匹配概述 | 第43页 |
| 4.1.2 轮廓匹配现状 | 第43-44页 |
| 4.2 轮廓匹配算法流程设计 | 第44-45页 |
| 4.3 基于局部尺度特征的轮廓描述算法研究 | 第45-48页 |
| 4.3.1 保持轮廓局部结构的描述符 | 第45-47页 |
| 4.3.2 基于局部尺度进行非均匀采样 | 第47页 |
| 4.3.3 特征描述符的归一化研究 | 第47-48页 |
| 4.4 基于改进 DTW 技术的轮廓匹配算法研究 | 第48-52页 |
| 4.4.1 传统 DTW 算法原理 | 第48-50页 |
| 4.4.2 基于九宫格路径约束条件的 DTW 算法研究 | 第50-52页 |
| 4.5 实验结果对比与分析 | 第52-56页 |
| 4.5.1 实验可视化结果 | 第52-54页 |
| 4.5.2 实验定量化结果 | 第54-55页 |
| 4.5.3 结果分析 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 基于粗大轮廓的异源图像匹配实验研究 | 第57-68页 |
| 5.1 基于粗大轮廓的异源图像匹配算法详细流程 | 第57-58页 |
| 5.2 实验结果与分析 | 第58-67页 |
| 5.2.1 实拍可见光图像之间的匹配结果 | 第58-60页 |
| 5.2.2 实拍红外图像之间的匹配结果 | 第60-62页 |
| 5.2.3 SAR 图像之间的匹配结果 | 第62-64页 |
| 5.2.4 实拍可见光图像与红外图像之间的匹配结果 | 第64-65页 |
| 5.2.5 可见光图像与 SAR 图像之间的匹配结果 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文的主要工作 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
