| 摘要 | 第3-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 图像配准技术研究现状 | 第11-12页 |
| 1.2.2 图像拼接技术研究现状 | 第12-14页 |
| 1.3 论文研究内容与组织结构 | 第14-16页 |
| 1.3.1 论文的研究内容 | 第14页 |
| 1.3.2 论文的组织结构 | 第14-16页 |
| 2 相关理论与方法 | 第16-31页 |
| 2.1 卷积神经网络相关理论 | 第16-19页 |
| 2.1.1 卷积神经网络概述 | 第16-17页 |
| 2.1.2 卷积神经网络结构 | 第17-18页 |
| 2.1.3 卷积神经网络优化技术 | 第18-19页 |
| 2.2 图像配准的相关概念 | 第19-24页 |
| 2.2.1 图像变换模型 | 第19-21页 |
| 2.2.2 图像插值技术 | 第21-23页 |
| 2.2.3 相似性度量 | 第23-24页 |
| 2.3 图像配准算法 | 第24-27页 |
| 2.3.1 基于灰度信息的配准算法 | 第24-25页 |
| 2.3.2 基于图像特征的配准算法 | 第25-26页 |
| 2.3.3 基于深度学习的配准算法 | 第26-27页 |
| 2.4 图像拼接算法 | 第27-30页 |
| 2.4.1 像素级拼接算法 | 第28页 |
| 2.4.2 特征级拼接算法 | 第28-29页 |
| 2.4.3 决策级拼接算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 卷积神经网络和校正网络相结合的遥感图像配准算法 | 第31-47页 |
| 3.1 数据处理方法 | 第31-35页 |
| 3.1.1 图像几何变换 | 第31-33页 |
| 3.1.2 线检测 | 第33-35页 |
| 3.2 卷积神经网络和校正网络相结合的配准算法框架 | 第35-41页 |
| 3.2.1 卷积神经网络模型与训练 | 第36-38页 |
| 3.2.2 校正网络 | 第38-39页 |
| 3.2.3 算法的实现 | 第39-41页 |
| 3.3 仿真实验与结果分析 | 第41-46页 |
| 3.3.1 实验流程设计 | 第41-42页 |
| 3.3.2 实验结果分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 遥感图像拼接方法 | 第47-59页 |
| 4.1 图像拼接缝合线算法 | 第47-50页 |
| 4.1.1 缝合线算法概述 | 第47-48页 |
| 4.1.2 基于色差能量函数缝合线算法 | 第48页 |
| 4.1.3 基于视觉感知能量函数缝合线算法 | 第48-50页 |
| 4.2 图像拼接数据融合处理 | 第50-51页 |
| 4.2.1 确定融合区域 | 第50页 |
| 4.2.2 多区域渐入渐出加权平均法 | 第50-51页 |
| 4.3 仿真实验与结果分析 | 第51-58页 |
| 4.3.1 实验流程设计 | 第51-52页 |
| 4.3.2 实验结果分析 | 第52-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |