| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 课题研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 论文的章节安排 | 第15-17页 |
| 第二章 数字图像相关中的亚像素位移测量算法 | 第17-28页 |
| 2.1 数字图像相关法 | 第17-18页 |
| 2.2 相关函数 | 第18-20页 |
| 2.2.1 直接相关函数 | 第18页 |
| 2.2.2 标准化相关函数 | 第18-19页 |
| 2.2.3 标准化协方差相关函数 | 第19页 |
| 2.2.4 差平方和相关函数 | 第19-20页 |
| 2.3 灰度插值法 | 第20-22页 |
| 2.4 曲面拟合法 | 第22-25页 |
| 2.4.1 二次曲面拟合法 | 第23页 |
| 2.4.2 三次曲面拟合法 | 第23-24页 |
| 2.4.3 高斯曲面拟合法 | 第24-25页 |
| 2.5 梯度法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 一种高精度的亚像素位移测量混合算法 | 第28-39页 |
| 3.1 概述 | 第28页 |
| 3.2 混合算法的原理 | 第28-30页 |
| 3.3 实验分析 | 第30-37页 |
| 3.3.1 散斑图的计算机模拟和制作 | 第30-31页 |
| 3.3.2 插值倍数的选取 | 第31-33页 |
| 3.3.3 拟合窗口的选择 | 第33页 |
| 3.3.4 灰度插值法、曲面拟合法和混合法的对比 | 第33-35页 |
| 3.3.5 抗噪性能分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于GBDT的亚像素位移测量算法 | 第39-56页 |
| 4.1 概述 | 第39页 |
| 4.2 决策树的基本原理 | 第39-43页 |
| 4.2.1 决策树学习 | 第40-41页 |
| 4.2.2 纯度的度量方法 | 第41-42页 |
| 4.2.3 决策树的剪枝 | 第42-43页 |
| 4.3 梯度提升树 | 第43-46页 |
| 4.3.1 梯度提升树的构建 | 第44-46页 |
| 4.3.2 损失函数（loss function） | 第46页 |
| 4.4 一种基于GBDT的亚像素位移测量算法 | 第46-48页 |
| 4.5 实验分析 | 第48-55页 |
| 4.5.1 数据的采集 | 第48页 |
| 4.5.2 迭代次数的选择 | 第48-49页 |
| 4.5.3 决策树深度的选择 | 第49-50页 |
| 4.5.4 决策树最大叶子数的选择 | 第50-51页 |
| 4.5.5 特征长度的选取 | 第51-52页 |
| 4.5.6 与曲面拟合法的对比 | 第52-53页 |
| 4.5.7 与近期算法的对比 | 第53-54页 |
| 4.5.8 抗噪性能分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 物体位移监测系统实现 | 第56-67页 |
| 5.1 系统的核心模块 | 第56-57页 |
| 5.2 视频处理模块 | 第57-61页 |
| 5.2.1 匹配模板的选取 | 第57-58页 |
| 5.2.2 整像素搜索阶段 | 第58-60页 |
| 5.2.3 亚像素测量阶段 | 第60-61页 |
| 5.3 系统测试 | 第61-66页 |
| 5.3.1 硬件介绍 | 第61-62页 |
| 5.3.2 系统的功能测试 | 第62-64页 |
| 5.3.3 系统的性能测试 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 论文总结 | 第67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附表 | 第74页 |