| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要研究成果 | 第13-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 视觉词包模型目标检测理论基础 | 第16-28页 |
| ·图像局部视觉特征 | 第16-20页 |
| ·HOG 特征 | 第16-18页 |
| ·SIFT 特征 | 第18-20页 |
| ·HOG 与 SIFT 的区别 | 第20页 |
| ·基于视觉词包模型的图像描述算法 | 第20-23页 |
| ·视觉词汇训练 | 第20-21页 |
| ·基于视觉词包模型的图像描述 | 第21-23页 |
| ·基于视觉词包目标检测模型 | 第23-27页 |
| ·滑动窗检测模型 | 第23-24页 |
| ·特征匹配检测模型 | 第24-26页 |
| ·基于视觉词包模型目标检测的优势 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于字符组合词包模型的少约束车牌定位算法 | 第28-40页 |
| ·引言 | 第28-29页 |
| ·目标检测系统组成 | 第29-30页 |
| ·基于字符组合词包模型的少约束车牌定位算法 | 第30-34页 |
| ·SIFT 特征描述符的匹配 | 第30-31页 |
| ·车牌字符视觉词包模型 | 第31-32页 |
| ·视觉词汇匹配 | 第32-33页 |
| ·基于匹配投票结果定位车牌区域 | 第33-34页 |
| ·实验仿真与分析 | 第34-39页 |
| ·车牌字符训练样本 | 第35页 |
| ·车牌检测的性能评价 | 第35-36页 |
| ·不同背景条件下的车牌定位实例 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于稀疏编码多属性特征视觉词包模型目标检测算法 | 第40-56页 |
| ·引言 | 第40-41页 |
| ·目标检测系统组成 | 第41-42页 |
| ·稀疏编码词包模型空间金字塔表示 | 第42-44页 |
| ·稀疏编码构建视觉词包模型 | 第42-43页 |
| ·稀疏编码词包模型空间金字塔表示 | 第43-44页 |
| ·基于词包模型多属性特征融合算法 | 第44-47页 |
| ·颜色特征描述符 | 第44-45页 |
| ·基于词包模型多属性特征融合算法 | 第45-46页 |
| ·多类别线性支持向量机 | 第46-47页 |
| ·实验仿真与分析 | 第47-54页 |
| ·基于滑动窗口目标检测窗口融合算法 | 第48-49页 |
| ·基于稀疏编码多属性特征视觉词包模型的人脸检测 | 第49-51页 |
| ·基于稀疏编码多属性特征视觉词包模型的行人检测 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 基于部件视觉词包模型目标检测算法 | 第56-66页 |
| ·引言 | 第56-57页 |
| ·目标检测系统组成 | 第57-58页 |
| ·基于部件视觉词包模型目标检测算法 | 第58-60页 |
| ·部件视觉词包模型 | 第58-59页 |
| ·基于部件视觉词包模型目标检测 | 第59-60页 |
| ·实验仿真与分析 | 第60-65页 |
| ·基于部件视觉词包模型的人脸检测 | 第61-63页 |
| ·基于部件视觉词包模型的奶牛检测 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |