| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 基于形状上下文的图像匹配 | 第15-26页 |
| 2.1 图像匹配概述 | 第15-16页 |
| 2.1.1 图像匹配的概念 | 第15页 |
| 2.1.2 图像匹配的经典方法 | 第15-16页 |
| 2.2 图像匹配的研究问题和关键要素 | 第16-18页 |
| 2.3 基于图像灰度的图像匹配方法 | 第18-20页 |
| 2.3.1 归一化积相关灰度匹配算法 | 第18页 |
| 2.3.2 序贯相似性检测算法 | 第18-19页 |
| 2.3.3 不变矩匹配算法 | 第19-20页 |
| 2.4 基于图像特征点的图像匹配方法 | 第20-21页 |
| 2.5 基于遗传算法的图像匹配方法 | 第21-22页 |
| 2.6 形状上下文方法 | 第22-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 感知驱动的梯度域图像增强 | 第26-38页 |
| 3.1 图像增强概述和基本方法 | 第26-30页 |
| 3.1.1 基于空间域的图像增强方法 | 第26-29页 |
| 3.1.2 基于频域的图像增强方法 | 第29-30页 |
| 3.1.3 基于融合的图像增强方法 | 第30页 |
| 3.2 人类视觉系统的描述 | 第30-33页 |
| 3.2.1 人类视觉系统的基本结构 | 第30-31页 |
| 3.2.2 人类视觉系统的视觉现象 | 第31-33页 |
| 3.3 梯度域图像增强 | 第33-34页 |
| 3.4 检测局部梯度显著性 | 第34页 |
| 3.5 约束加权方案 | 第34-36页 |
| 3.5.1 图像处理的优化公式 | 第34-35页 |
| 3.5.2 鲁棒的权重方案 | 第35-36页 |
| 3.6 基于显著性的锐化滤波器 | 第36-37页 |
| 3.6.1 一种简单的锐化滤波器 | 第36-37页 |
| 3.6.2 基于显著性的锐化滤波器 | 第37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 基于感知驱动的梯度域图像增强上下文图像匹配 | 第38-47页 |
| 4.1 使用显著性锐化滤波器的形状上下文匹配 | 第38-42页 |
| 4.1.1 显著性锐化滤波增强的形状上下文 | 第39-41页 |
| 4.1.2 显著性锐化滤波增强的形状上下文二分图匹配 | 第41页 |
| 4.1.3 显著性锐化滤波增强的形状上下文不变性以及鲁棒性 | 第41-42页 |
| 4.2 TPS 变换模型 | 第42-44页 |
| 4.3 归一化和缩放 | 第44-45页 |
| 4.4 显著性锐化滤波增强的形状上下文形状距离 | 第45-46页 |
| 4.5 分类器选择 | 第46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 实验安排和结果分析 | 第47-53页 |
| 5.1 实验安排 | 第47-48页 |
| 5.2 基于显著性锐化滤波器增强的形状上下文匹配过程 | 第48-51页 |
| 5.3 数据分析 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结和展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 本文展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57页 |
