首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于改进SIFT和深度学习的SAR图像配准研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-12页
缩略语对照表第12-15页
第一章 绪论第15-21页
    1.1 研究背景和意义第15页
    1.2 研究历史和现状第15-19页
        1.2.1 遥感图像配准的发展第16-17页
        1.2.2 基于SIFT的遥感图像配准第17-18页
        1.2.3 RANSAC算法第18-19页
    1.3 研究面临的问题第19-20页
    1.4 论文主要内容与安排第20-21页
第二章 图像配准基础介绍第21-35页
    2.1 SAR图像配准的数学表达第21页
    2.2 图像配准的步骤第21-23页
        2.2.1 特征提取第22页
        2.2.2 特征匹配第22页
        2.2.3 估计变换模型第22-23页
        2.2.4 图像重采样与插值第23页
    2.3 图像配准的评价指标第23-24页
        2.3.1 主观评价指标第23-24页
        2.3.2 客观评价指标第24页
    2.4 SIFT算法第24-28页
        2.4.1 特征检测第25-28页
        2.4.2 特征描述第28页
        2.4.3 特征匹配第28页
    2.5 PCA-SIFT特征描述第28-29页
    2.6 堆栈自编码器第29-34页
        2.6.1 自编码器第29-30页
        2.6.2 堆栈自编码器第30-34页
    2.7 本章小结第34-35页
第三章 基于SAE的SIFT的特征提取改进方法第35-57页
    3.1 引言第35-37页
    3.2 基于SIFT-SSS的特征检测的改进方法第37-40页
        3.2.1 SIFT-OCT的特征检测第38页
        3.2.2 SIFT-SSS的特征检测第38-39页
        3.2.3 基于SIFT-SSS的特征检测的改进方法第39-40页
    3.3 基于堆栈自编码器的特征描述的方法第40-43页
        3.3.1 不加微调的堆栈自编码器第40-42页
        3.3.2 基于SAE-SIFT算法的特征描述方法第42-43页
    3.4 改进的SIFT的特征提取算法的具体描述第43-45页
    3.5 实验与分析第45-55页
        3.5.1 实验数据第45-47页
        3.5.2 实验分析第47-55页
    3.6 本章小结第55-57页
第四章 SIFT特征点匹配方法及RANSAC算法的改进第57-71页
    4.1 引言第57-58页
    4.2 改进的SIFT特征匹配方法第58-61页
        4.2.1 SIFT特征匹配方法第58-59页
        4.2.2 改进的SIFT特征匹配方法第59-61页
    4.3 改进RANSAC算法第61-63页
        4.3.1 RANSAC算法第61页
        4.3.2 改进RANSAC算法第61-63页
    4.4 实验与分析第63-69页
        4.4.1 实验数据第63页
        4.4.2 实验分析第63-69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71-72页
    5.2 展望第72-73页
参考文献第73-79页
致谢第79-81页
作者简介第81-82页

论文共82页,点击 下载论文
上一篇:基于结构的一类适应资源变化的Petri网模型控制研究
下一篇:基于群智能优化的若干近邻传播聚类算法及其应用