| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·所完成的工作 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 图像匹配的相关理论 | 第14-26页 |
| ·图像匹配的定义 | 第14-16页 |
| ·图像匹配的关键要素 | 第16-18页 |
| ·图像匹配的性能 | 第18-19页 |
| ·匹配算法的构成 | 第19页 |
| ·图像匹配的分类 | 第19-23页 |
| ·以灰度为基础的匹配 | 第19-20页 |
| ·以图像特征为基础的匹配 | 第20-23页 |
| ·二者的区别 | 第23页 |
| ·基于图像特征的匹配方法分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于尺度不变特征变换（SIFT）物品识别技术的研究 | 第26-46页 |
| ·引言 | 第26-27页 |
| ·SIFT 图像特征提取 | 第27-39页 |
| ·尺度空间的构建 | 第27-31页 |
| ·局部极值点的检测 | 第31-32页 |
| ·空间极值点的精确定位 | 第32-34页 |
| ·特征点的方向分配 | 第34-36页 |
| ·特征点描述子的生成 | 第36-39页 |
| ·基于SIFT 特征提取算法的图像匹配 | 第39-40页 |
| ·SIFT 算法的改进 | 第40-43页 |
| ·算法的改进的步骤 | 第41-42页 |
| ·特征向量维数的确定 | 第42-43页 |
| ·实验数据分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 一种改进的基于鲁棒特征(SURF)的物体识别技术 | 第46-65页 |
| ·积分图像 | 第46-47页 |
| ·SURF 特征检测 | 第47-52页 |
| ·快速Hessian 检测 | 第47-49页 |
| ·SURF 尺度空间的构建 | 第49-52页 |
| ·SURF 图像特征点描述 | 第52-54页 |
| ·主方向确定 | 第53-54页 |
| ·描述子生成 | 第54页 |
| ·图像特征点匹配 | 第54-59页 |
| ·RANSAC 算法介绍 | 第56-59页 |
| ·SIFT 和SURF 两种算法实验对比分析 | 第59-64页 |
| ·实验条件说明 | 第59页 |
| ·两种算法的性能分析 | 第59-64页 |
| ·算法的时间复杂度对比与分析 | 第59-60页 |
| ·算法匹配率对比与分析 | 第60-62页 |
| ·图像抗缩放对比与分析 | 第62-63页 |
| ·光照变化条件下的比较与分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于SURF 特征点库的物品识别系统的设计与开发 | 第65-75页 |
| ·总体设计方案 | 第65-66页 |
| ·物品识别系统的流程 | 第65-66页 |
| ·系统模块 | 第66-73页 |
| ·图像采集模块 | 第66-69页 |
| ·VFW 的概述 | 第67页 |
| ·开发步骤 | 第67-68页 |
| ·模块实现结果 | 第68-69页 |
| ·图像预处理模块 | 第69-72页 |
| ·本系统图像预处理过程 | 第69-72页 |
| ·特征提取模块 | 第72页 |
| ·物品识别模块 | 第72-73页 |
| ·样本集的训练 | 第72-73页 |
| ·软件框架及界面设计 | 第73页 |
| ·测试功能 | 第73-74页 |
| ·测试结果分析 | 第74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结和展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
