| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外图像匹配现状 | 第13-15页 |
| 1.2.2 国内图像匹配研究现状 | 第15-16页 |
| 1.3 存在问题 | 第16-17页 |
| 1.4 本文主要内容与创新点 | 第17-19页 |
| 1.4.1 本文主要内容 | 第17-18页 |
| 1.4.2 本文创新点 | 第18-19页 |
| 1.5 本文内容安排 | 第19-20页 |
| 第二章 基于改进meanshift聚类与轮廓复杂度评价的显著人造目标轮廓提取算法 | 第20-39页 |
| 2.1 显著目标轮廓提取概述与现状 | 第20-22页 |
| 2.1.1 灰度阈值分割法 | 第21页 |
| 2.1.2 区域分割法 | 第21页 |
| 2.1.3 边缘分割法 | 第21-22页 |
| 2.1.4 结合特定理论的分割方式 | 第22页 |
| 2.2 基于显著轮廓位置预判的meanshift聚类算法研究 | 第22-27页 |
| 2.2.1 传统meanshift聚类算法研究与分析 | 第22-24页 |
| 2.2.2 纹理图像显著轮廓提取 | 第24-25页 |
| 2.2.3 自适应聚类窗口研究 | 第25-26页 |
| 2.2.4 自适应聚类核函数研究 | 第26-27页 |
| 2.3 异源图像显著轮廓提取对比实验结果与分析 | 第27-30页 |
| 2.4 人造目标检测算法概述与现状 | 第30-31页 |
| 2.4.1 人造目标检测算法研究现状 | 第30-31页 |
| 2.5 基于轮廓复杂度评价的人造目标检测算法研究 | 第31-36页 |
| 2.5.1 基于轮廓复杂度评价的人造目标检测算法流程 | 第31-35页 |
| 2.5.2 轮廓混乱程度的评价方法研究 | 第35-36页 |
| 2.6 人造目标提取实验结果与分析 | 第36-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第三章 基于局部轮廓结构特征描述的图像匹配算法研究 | 第39-54页 |
| 3.1 轮廓匹配概述及现状 | 第39-40页 |
| 3.1.1 轮廓匹配概述 | 第39页 |
| 3.1.2 轮廓匹配现状 | 第39-40页 |
| 3.2 轮廓匹配算法设计 | 第40-42页 |
| 3.3 局部轮廓结构特征描述算法研究 | 第42-50页 |
| 3.3.1 现有轮廓特征描述符介绍 | 第42-44页 |
| 3.3.2 具有视角变换鲁棒性的局部轮廓结构特征描述方法研究 | 第44-50页 |
| 3.4 基于均方距离的双向初匹配 | 第50页 |
| 3.5 实验结果与分析 | 第50-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第四章 基于PNP算法的视角校正与匹配算法研究 | 第54-69页 |
| 4.1 PNP算法研究理论基础 | 第54-57页 |
| 4.2 基于PNP算法的图像视角校正算法研究 | 第57-61页 |
| 4.2.1 相机内参数矩阵求取 | 第57-58页 |
| 4.2.2 旋转矩阵与平移向量求取 | 第58-60页 |
| 4.2.3 图像视角校正实验结果与分析 | 第60-61页 |
| 4.3 基于RANSAC的误匹配轮廓段去除 | 第61-63页 |
| 4.4 匹配算法实验结果对比与分析 | 第63-68页 |
| 4.4.1 实验可视化结果 | 第64-65页 |
| 4.4.2 实验定量化结果 | 第65-67页 |
| 4.4.3 结果分析 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文的主要工作 | 第69页 |
| 5.2 研究展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
