| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·课题背景及意义 | 第8页 |
| ·图像匹配技术概述 | 第8-9页 |
| ·本文的主要工作 | 第9页 |
| ·本文的章节安排 | 第9-11页 |
| 2 图像匹配技术 | 第11-26页 |
| ·图像匹配的原理 | 第11页 |
| ·图像匹配的数学描述 | 第11-12页 |
| ·图像匹配的一般流程 | 第12页 |
| ·常用的匹配方法 | 第12-18页 |
| ·传统模板匹配算法 | 第13-14页 |
| ·SSDA算法 | 第14-15页 |
| ·互相关匹配方法 | 第15-16页 |
| ·最大互信息匹配方法 | 第16-17页 |
| ·不变矩匹配算法 | 第17页 |
| ·基于 HD距离的方法 | 第17-18页 |
| ·图像匹配的搜索策略 | 第18-23页 |
| ·遗传算法 | 第18-22页 |
| ·分层搜索算法 | 第22页 |
| ·粒子群搜索算法 | 第22-23页 |
| ·影响图像匹配的因素 | 第23-24页 |
| ·匹配效果的评价 | 第24-26页 |
| 3 图像匹配预处理 | 第26-30页 |
| ·滤波 | 第26-27页 |
| ·对比度增强 | 第27-30页 |
| 4 边缘与边缘检测的分析 | 第30-42页 |
| ·图像边缘的分类 | 第30-32页 |
| ·阶跃边缘 | 第30-31页 |
| ·屋脊边缘 | 第31页 |
| ·线性边缘 | 第31-32页 |
| ·经典的边缘检测算子 | 第32-37页 |
| ·梯度算子 | 第32-34页 |
| ·拉普拉斯边缘检测算子 | 第34-35页 |
| ·LoG(Laplacian of Gaussian)算子 | 第35页 |
| ·沈俊算子 | 第35-36页 |
| ·Canny边缘检测算子 | 第36页 |
| ·多尺度边缘聚焦方法 | 第36-37页 |
| ·边缘检测算法比较 | 第37-38页 |
| ·Canny自适应边缘检测方法 | 第38-42页 |
| ·传统的Canny边缘检测算法 | 第38-40页 |
| ·传统的Canny算法的不足 | 第40页 |
| ·改进的Canny算法 | 第40-42页 |
| 5 Hausdorff距离及其在图像匹配中的运用 | 第42-49页 |
| ·Hausdorff距离 | 第42-44页 |
| ·平均 Hausdorff距离 | 第44-45页 |
| ·部分 Hausdorff距离 | 第45页 |
| ·基于代价函数的Hausdorff距离 | 第45-46页 |
| ·基于标准方差的Hausdorff距离 | 第46-47页 |
| ·改进的 STM Hausdorff距离 | 第47-49页 |
| 6 以改进的 STMHD为适应度函数的遗传算法 | 第49-59页 |
| ·遗传算法的个体编码 | 第49页 |
| ·遗传算法所选取的适应度函数 | 第49-50页 |
| ·初始化群体 | 第50页 |
| ·遗传算法的选择机制、交叉概率和变异概率 | 第50页 |
| ·遗传代数的确定 | 第50-51页 |
| ·算法的实现流程 | 第51-52页 |
| ·图像匹配仿真实验 | 第52-59页 |
| ·图像匹配试验与对比 | 第52-57页 |
| ·产生误匹配的分析 | 第57-59页 |
| 7 图像匹配软件系统 | 第59-66页 |
| ·软件系统部分界面 | 第59-61页 |
| ·部分程序代码 | 第61-66页 |
| 8 总结与展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |