基于形状特征的目标检测算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·目标检测算法研究的意义和难点 | 第10-11页 |
| ·目标检测算法的主要流程 | 第11-12页 |
| ·论文研究内容 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 目标检测的相关技术 | 第14-25页 |
| ·图像关键点检测 | 第14-17页 |
| ·Harris 检测子 | 第15-16页 |
| ·检测子小结 | 第16-17页 |
| ·局部特征描述子 | 第17-19页 |
| ·SIFT 描述子和 PCA-SIFT 描述子 | 第18-19页 |
| ·局部特征 VS 全局特征 | 第19页 |
| ·用特征包方法整合局部特征 | 第19-23页 |
| ·码书的生成 | 第20-21页 |
| ·空间金字塔匹配 | 第21页 |
| ·向量量化 | 第21-22页 |
| ·稀疏编码 | 第22页 |
| ·局部性约束下的线性编码 | 第22-23页 |
| ·目标定位与判别 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 边缘检测算法 | 第25-33页 |
| ·边缘检测的概念及目的 | 第25-26页 |
| ·边缘检测算法在目标识别中的作用 | 第26-29页 |
| ·边缘检测算法的框架 | 第29-30页 |
| ·基于搜索的边缘检测算法 | 第30-31页 |
| ·Amit 边缘检测算法 | 第30-31页 |
| ·Canny 边缘检测算法 | 第31页 |
| ·基于零交点的边缘检测算法 | 第31-32页 |
| ·Marr-Hildreth 边缘检测算法 | 第31-32页 |
| ·图像的边缘信息 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于形状的特征 | 第33-43页 |
| ·形状的特征的目的及挑战 | 第33页 |
| ·基于有向边缘点的扭矩 | 第33-36页 |
| ·图像块的扭矩 | 第34-35页 |
| ·加速计算 | 第35-36页 |
| ·基于形状的关键点检测 | 第36-39页 |
| ·均匀采样作为关键点 | 第36页 |
| ·边缘点作为关键点 | 第36-37页 |
| ·扭矩极值图像块 | 第37-39页 |
| ·形状局部特征描述 | 第39-41页 |
| ·形状上下文 | 第39-40页 |
| ·多尺度扭矩 | 第40-41页 |
| ·目标形状特征整合 | 第41-42页 |
| ·使用特征包技术整合局部特征 | 第41页 |
| ·局部性约束下的线性编码的近似算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 目标检测算法的评价 | 第43-51页 |
| ·基于形状特征的目标检测算法的评价 | 第43页 |
| ·英文字符形状描述 | 第43-44页 |
| ·卡通图片中的目标检测 | 第44-46页 |
| ·Cartoon30 数据集及其评价标准 | 第44-46页 |
| ·形状特征与纹理特征的评价结果的比较 | 第46页 |
| ·真实场景图片中的目标检测 | 第46-50页 |
| ·VOC2012 数据集及其评价标准 | 第47-48页 |
| ·基于形状特征的目标检测算法的评价结果的比较 | 第48-49页 |
| ·形状特征与纹理特征的评价结果的比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附件 | 第58页 |
