| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 影像匹配技术 | 第9-11页 |
| 1.2.2 局部不变特征检测 | 第11-12页 |
| 1.2.3 局部不变特征描述符 | 第12-15页 |
| 1.2.4 局部不变特征匹配 | 第15-16页 |
| 1.3 存在的主要问题 | 第16-17页 |
| 1.4 论文内容安排 | 第17-19页 |
| 第二章 基于局部不变特征的影像匹配算法对比分析 | 第19-35页 |
| 2.1 影像匹配的流程 | 第19-20页 |
| 2.2 局部不变特征检测算子 | 第20-22页 |
| 2.2.1 SIFT检测算子 | 第20-21页 |
| 2.2.2 Hessian-Affine检测算子 | 第21页 |
| 2.2.3 ORB检测算子 | 第21-22页 |
| 2.3 局部不变特征描述符 | 第22-26页 |
| 2.3.1 SIFT特征描述符 | 第22-23页 |
| 2.3.2 采纳Hessian-Affine算子的MIOP特征描述符 | 第23-26页 |
| 2.3.3 ORB特征描述符 | 第26页 |
| 2.4 试验结果与分析 | 第26-34页 |
| 2.4.1 标准数据集对比试验结果与分析 | 第27-31页 |
| 2.4.2 无人机影像匹配试验结果与分析 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于CNN特征描述符学习的影像匹配 | 第35-55页 |
| 3.1 卷积神经网络基本概念 | 第35-39页 |
| 3.1.1 局部连接和权值共享 | 第36页 |
| 3.1.2 卷积神经网络结构 | 第36-38页 |
| 3.1.3 卷积神经网络训练 | 第38-39页 |
| 3.2 影像块特征描述符学习 | 第39-40页 |
| 3.2.1 样本对网络训练 | 第39页 |
| 3.2.2“难样本对”挖掘 | 第39-40页 |
| 3.3 改进的特征描述符学习方法 | 第40-44页 |
| 3.3.1 训练数据选取 | 第41页 |
| 3.3.2 网络结构 | 第41-42页 |
| 3.3.3 训练目标 | 第42-44页 |
| 3.4 试验结果与分析 | 第44-54页 |
| 3.4.1 标准数据集对比试验结果与分析 | 第44-49页 |
| 3.4.2 无人机影像匹配试验结果与分析 | 第49-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 相位相关法辅助的无人机影像匹配策略 | 第55-71页 |
| 4.1 相位相关法技术原理 | 第55页 |
| 4.2 匹配策略的基本内容 | 第55-60页 |
| 4.2.1 匹配测度 | 第55-58页 |
| 4.2.2 匹配约束条件 | 第58-59页 |
| 4.2.3 常见的匹配策略 | 第59-60页 |
| 4.3 Fourier-Mellin变换相位相关法辅助的影像匹配策略 | 第60-62页 |
| 4.3.1 影像的对数极坐标变换 | 第60-61页 |
| 4.3.2 Fourier-Mellin变换相位相关法 | 第61-62页 |
| 4.3.3 Fourier-Mellin变换相位相关法辅助的影像匹配 | 第62页 |
| 4.4 试验结果与分析 | 第62-69页 |
| 4.4.1 Fourier-Mellin变换求解几何变换参数可靠性验证试验 | 第63-64页 |
| 4.4.2 基于Fourier-Mellin变换求解的几何变换参数约束的影像匹配试验 | 第64-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简介 | 第79页 |
