| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-13页 |
| 1.2 论文主要工作 | 第13-14页 |
| 1.3 本论文组织 | 第14-16页 |
| 第二章 空间形状描述方法 | 第16-30页 |
| 2.1 骨架 | 第16-22页 |
| 2.1.1 骨架的基本概念 | 第16页 |
| 2.1.2 骨架的性质 | 第16-17页 |
| 2.1.3 骨架提取算法综述 | 第17-22页 |
| 2.2 轮廓特征点 | 第22-28页 |
| 2.2.1 轮廓特征点提取方法综述 | 第22-23页 |
| 2.2.2 基于Delaunay三角网的特征点提取算法 | 第23-28页 |
| 2.3 小结 | 第28-30页 |
| 第三章 骨架剪枝方法与技术 | 第30-37页 |
| 3.1 研究现状 | 第30-31页 |
| 3.2 约束Delaunay三角网外心法逼近骨架的剪枝 | 第31-36页 |
| 3.2.1 骨架分枝出现的原因 | 第32-34页 |
| 3.2.2 剪枝算法 | 第34-36页 |
| 3.3 实验结果与分析 | 第36页 |
| 3.4 小结 | 第36-37页 |
| 第四章 基于骨架的空间形状相似性度量研究 | 第37-59页 |
| 4.1 研究现状 | 第37-38页 |
| 4.2 关联图与骨架 | 第38-41页 |
| 4.2.1 关联图 | 第38-39页 |
| 4.2.2 几种常见的图 | 第39页 |
| 4.2.3 骨架的关联图表达 | 第39-41页 |
| 4.3 图的矩阵表达与关联图谱分析 | 第41-44页 |
| 4.3.1 图的矩阵表达 | 第41页 |
| 4.3.2 关联图谱特征 | 第41-42页 |
| 4.3.3 矩阵范数 | 第42-44页 |
| 4.4 支持向量机 | 第44-48页 |
| 4.4.1 SVM的实现方法 | 第44-47页 |
| 4.4.2 SVM的核函数 | 第47-48页 |
| 4.5 基于骨架的形状相似性度量 | 第48-49页 |
| 4.6 实验结果与分析 | 第49-58页 |
| 4.6.1 实验平台与实验数据 | 第49-51页 |
| 4.6.2 实验结果与分析 | 第51-58页 |
| 4.7 小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 研究不足与展望 | 第60-61页 |
| 参考文献 | 第61-70页 |
| 附录 | 第70-72页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 攻读硕士学位期间获得的著作 | 第71页 |
| 攻读硕士学位期间参与科研项目 | 第71-72页 |
| 致谢 | 第72页 |