| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究的背景与意义 | 第10页 |
| 1.2 课题研究现状与发展趋势 | 第10-11页 |
| 1.3 本文研究内容与组织结构 | 第11-13页 |
| 第二章 图像配准综述 | 第13-31页 |
| 2.1 图像配准概念及框架 | 第13-20页 |
| 2.1.1 特征空间 | 第14-15页 |
| 2.1.2 搜索空间 | 第15-17页 |
| 2.1.3 相似性测度 | 第17-20页 |
| 2.1.4 搜索策略 | 第20页 |
| 2.2 图像配准步骤 | 第20-24页 |
| 2.2.1 图像预处理 | 第20-23页 |
| 2.2.2 配准步骤 | 第23-24页 |
| 2.3 图像配准方法分类 | 第24-28页 |
| 2.3.1 图像维数分类 | 第25页 |
| 2.3.2 配准过程的交互性分类 | 第25页 |
| 2.3.3 控制点的分类 | 第25页 |
| 2.3.4 配准过程分类 | 第25-26页 |
| 2.3.5 图像来源及成像部位分类 | 第26页 |
| 2.3.6 成像模式分类 | 第26页 |
| 2.3.7 空间变换模型分类 | 第26-28页 |
| 2.3.8 变换函数作用域分类 | 第28页 |
| 2.4 图像配准评估 | 第28-30页 |
| 2.4.1 评估指标 | 第28-29页 |
| 2.4.2 评估方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于粒子群算法的图像配准 | 第31-47页 |
| 3.1 粒子群算法概述 | 第31-36页 |
| 3.1.1 粒子群算法来源 | 第32页 |
| 3.1.2 粒子群算法基本原理 | 第32-34页 |
| 3.1.3 粒子群算法参数分析 | 第34-35页 |
| 3.1.4 粒子群算法流程 | 第35-36页 |
| 3.2 蚁群算法概述 | 第36-38页 |
| 3.2.1 蚁群算法原理 | 第36-38页 |
| 3.2.2 蚁群算法流程 | 第38页 |
| 3.3 基于蚁群算法的混合粒子群算法及图像配准 | 第38-42页 |
| 3.3.1 混合粒子群算法流程 | 第39-40页 |
| 3.3.2 基于蚁群算法的混合粒子群算法的图像配准 | 第40-42页 |
| 3.4 配准实验结果及分析 | 第42-46页 |
| 3.4.1 实验结果 | 第42-45页 |
| 3.4.2 实验结果分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于雁群理论和蚁群算法的混合粒子群算法的图像配准 | 第47-58页 |
| 4.1 雁群理论概述 | 第47-49页 |
| 4.1.1 飞行机制 | 第47-48页 |
| 4.1.2 雁群算法思想 | 第48页 |
| 4.1.3 雁群算法步骤 | 第48-49页 |
| 4.2 基于雁群理论和蚁群算法的混合粒子群算法及其图像配准 | 第49-53页 |
| 4.2.1 基于雁群理论和蚁群算法的混合粒子群算法流程 | 第50-52页 |
| 4.2.2 基于雁群理论和蚁群算法的混合粒子群算法的图像配准 | 第52-53页 |
| 4.3 配准实验结果及分析 | 第53-56页 |
| 4.3.1 实验结果 | 第53-55页 |
| 4.3.2 实验结果分析 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表论文情况 | 第64页 |
