| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-20页 |
| 1.1 本文的研究背景和研究意义 | 第9-10页 |
| 1.2 图像配准技术的国内外研究现状 | 第10-17页 |
| 1.2.1 基于全局特征的图像配准方法 | 第11-13页 |
| 1.2.2 基于局部特征的图像配准方法 | 第13-17页 |
| 1.3 论文的主要内容与技术路线 | 第17-20页 |
| 2 基于特征点的图像配准技术 | 第20-49页 |
| 2.1 特征点的提取 | 第21-31页 |
| 2.1.1 Harris算子 | 第21-24页 |
| 2.1.2 DoG算子 | 第24-29页 |
| 2.1.3 ORB算法 | 第29-31页 |
| 2.2 特征点的描述 | 第31-38页 |
| 2.2.1 SIFT特征描述子 | 第32-35页 |
| 2.2.2 BRIEF描述子与ORB算法中改进的rBRIEF | 第35-38页 |
| 2.3 特征点的匹配 | 第38-45页 |
| 2.3.1 相似性度量准则 | 第38-39页 |
| 2.3.2 搜素策略 | 第39-45页 |
| 2.4 匹配算法对比实验 | 第45-47页 |
| 2.5 本章小结 | 第47-49页 |
| 3 量子粒子群优化算法 | 第49-62页 |
| 3.1 粒子群优化算法 | 第49-51页 |
| 3.2 量子粒子群优化算法的基本模型 | 第51-57页 |
| 3.2.1 量子粒子群δ势阱模型的建立 | 第51-53页 |
| 3.2.2 粒子的基本进化方程 | 第53-55页 |
| 3.2.3 搜索迭代策略 | 第55-56页 |
| 3.2.4 算法流程 | 第56-57页 |
| 3.3 量子粒子群优化算法收敛性 | 第57-61页 |
| 3.4 本章小结 | 第61-62页 |
| 4 基于最佳几何约束的遥感影像点匹配算法 | 第62-73页 |
| 4.1 基于几何约束的特征点匹配算法 | 第62-65页 |
| 4.1.1 SIFT特征匹配 | 第62-63页 |
| 4.1.2 特征点转换模型的构建 | 第63页 |
| 4.1.3 基于搜索圆的特征点匹配 | 第63-65页 |
| 4.2 改进的量子粒子群寻优算法 | 第65-71页 |
| 4.2.1 粒子群的初始化 | 第65-66页 |
| 4.2.2 粒子位置的更新模型 | 第66-67页 |
| 4.2.3 特征点的匹配 | 第67页 |
| 4.2.4 粒子位置的评价 | 第67-70页 |
| 4.2.5 粒子自身匹配传播 | 第70-71页 |
| 4.3 算法匹配流程 | 第71-72页 |
| 4.4 本章小结 | 第72-73页 |
| 5 实验验证及结果分析 | 第73-86页 |
| 5.1 图像变化抗性实验 | 第73-81页 |
| 5.2 遥感影像匹配实验 | 第81-85页 |
| 5.3 本章小结 | 第85-86页 |
| 6 结论与展望 | 第86-89页 |
| 6.1 研究结论 | 第86-87页 |
| 6.2 研究展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 作者简历 | 第93-95页 |
| 学位论文数据集 | 第95页 |