| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 第一章 引言 | 第12-24页 |
| ·图谱理论 | 第12-16页 |
| ·图谱理论的发展 | 第12-14页 |
| ·相关概念 | 第14-16页 |
| ·图像匹配 | 第16-18页 |
| ·图像匹配研究的意义 | 第17页 |
| ·图谱理论在图像匹配中的应用 | 第17-18页 |
| ·图像分割 | 第18-23页 |
| ·图像分割研究的意义 | 第19-20页 |
| ·图谱理论在图像分割中的应用 | 第20-23页 |
| ·论文的主要研究内容及组织结构 | 第23-24页 |
| 第二章 基于邻接谱的图像特征点匹配算法及研究 | 第24-37页 |
| ·图的邻接矩阵 | 第24-25页 |
| ·算法回顾 | 第25-30页 |
| ·Scott 和 Longuet-Higgins 算法 | 第25页 |
| ·Shapiro 和 Brady 算法 | 第25-26页 |
| ·Pilu 算法 | 第26页 |
| ·实验及其结果 | 第26-30页 |
| ·基于颜色的邻接谱的图像特征点匹配算法 | 第30-36页 |
| ·颜色空间简介 | 第30-33页 |
| ·基于 HSV 颜色特征的邻接谱的图像特征点匹配算法 | 第33-34页 |
| ·基于色调的邻接谱的图像特征点匹配算法 | 第34页 |
| ·实验及其结果 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于 Laplace 谱的图像特征点匹配算法及研究 | 第37-49页 |
| ·Laplace (矩阵的) 谱 | 第37-38页 |
| ·基于 Laplace 谱的图像特征点匹配算法 | 第38-42页 |
| ·算法描述 | 第38-39页 |
| ·扰动分析 | 第39-40页 |
| ·实验及其结果 | 第40-42页 |
| ·基于颜色梯度的 Laplace 谱的图像特征点匹配算法 | 第42-45页 |
| ·算法描述 | 第42-43页 |
| ·实验及其结果 | 第43-45页 |
| ·基于概率松弛的 Laplace 谱的图像特征点匹配算法 | 第45-48页 |
| ·算法描述 | 第45-47页 |
| ·实验及其结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于图的规范割的图像分割方法及研究 | 第49-56页 |
| ·Normalized Cut | 第49-50页 |
| ·Normalized Cut 和 k-Means 的图像分割方法 | 第50-55页 |
| ·利用 k-Means 产生预分割区域 | 第50-51页 |
| ·Normalized Cut 用于区域间的分割 | 第51-52页 |
| ·具体算法描述 | 第52-53页 |
| ·实验及其结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的论文 | 第64页 |
