| 第一章 绪论 | 第1-9页 |
| 1．1 TF／TA~2系统中景象匹配技术 | 第6-7页 |
| 1．2 本文的研究思路及主要研究内容 | 第7-9页 |
| 1．2．1 本文的研究思路 | 第7页 |
| 1．2．2 本文的研究内容及创新点 | 第7-9页 |
| 第二章 景象匹配定位简介 | 第9-15页 |
| 2．1 景象匹配制导系统的硬件组成 | 第9-10页 |
| 2．2 景象匹配的数学机理 | 第10-11页 |
| 2．3 景象匹配定位辅助制导的工作过程 | 第11-13页 |
| 2．4 景象匹配辅助导航的特点 | 第13-15页 |
| 第三章 基于区域灰度相关算法的研究 | 第15-32页 |
| 3．1 SSDA算法基本原理 | 第15-16页 |
| 3．2 归一化组合矩阵原理 | 第16-18页 |
| 3．3 NIC算法的几个有用特性及证明 | 第18-21页 |
| 3．4 NIC算法在TF／TA~2景象匹配系统中的应用 | 第21-22页 |
| 3．5 NIC算法的具体实现 | 第22-25页 |
| 3．6 NIC算法与SSDA算法实验及其对比 | 第25-32页 |
| 第四章 快速景象匹配算法研究 | 第32-43页 |
| 4．1 分层搜索算法 | 第32页 |
| 4．2 遗传算法（GA） | 第32-36页 |
| 4．2．1 遗传算法概要 | 第33-35页 |
| 4．2．2 遗传算法的运算过程 | 第35-36页 |
| 4．3 将遗传算法应用于景象匹配的可行性研究 | 第36-43页 |
| 4．3．1 遗传算法的收敛性分析 | 第36-41页 |
| 4．3．2 遗传算法提高图像匹配速度的可行性——隐含并行性 | 第41-43页 |
| 第五章 景象匹配算法的具体实现 | 第43-52页 |
| 5．1 分层搜索算法的实现及改进 | 第43-44页 |
| 5．2 遗传算法的具体实现 | 第44-49页 |
| 5．3 实验数据 | 第49页 |
| 5．4 进一步探索和研究 | 第49-52页 |
| 总结与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 在学习期间的研究成果 | 第54-55页 |
| 参考文献 | 第55-56页 |