| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 图清单 | 第10-11页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 物体识别的研究现状 | 第12-13页 |
| 1.3 物体识别的过程 | 第13-14页 |
| 1.4 基于 Shape Context 的物体识别目的及意义 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-16页 |
| 2 图像处理技术 | 第16-26页 |
| 2.1 图像预处理 | 第16-19页 |
| 2.1.1 图像二值化 | 第16-17页 |
| 2.1.2 图像平滑 | 第17-19页 |
| 2.2 边缘检测 | 第19-24页 |
| 2.2.1 梯度算子 | 第20-21页 |
| 2.2.2 高斯—拉普拉斯算子 | 第21-22页 |
| 2.2.3 Canny 边缘检测算子 | 第22-24页 |
| 2.3 轮廓跟踪 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 Shape Context 算法 | 第26-35页 |
| 3.1 Shape Context 基本思想 | 第26-30页 |
| 3.1.1 图像边缘检测 | 第27页 |
| 3.1.2 质心的计算 | 第27页 |
| 3.1.3 对数极坐标的建立 | 第27-29页 |
| 3.1.4 形状直方图 | 第29-30页 |
| 3.2 基于 Shape Context 的匹配 | 第30-33页 |
| 3.2.1 计算匹配代价 | 第30-32页 |
| 3.2.2 薄板样条（TPS）变换模型 | 第32-33页 |
| 3.3 归一化处理 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于 Shape Context 的物体识别流程设计 | 第35-39页 |
| 4.1 图像预处理 | 第35-36页 |
| 4.2 边界特征点提取 | 第36-37页 |
| 4.2.1 边缘检测 | 第36页 |
| 4.2.2 特征点的选取 | 第36-37页 |
| 4.3 形状上下文的计算 | 第37页 |
| 4.4 形状距离的计算 | 第37页 |
| 4.5 本章小结 | 第37-39页 |
| 5 基于 Shape Context 的物体识别实验与分析 | 第39-52页 |
| 5.1 物体数据库的选取 | 第39-41页 |
| 5.2 实验环境 | 第41-42页 |
| 5.3 实验结果和分析 | 第42-50页 |
| 5.3.1 算法演示 | 第42-45页 |
| 5.3.2 物体识别 | 第45-50页 |
| 5.3.3 结果分析 | 第50页 |
| 5.4 本章小结 | 第50-52页 |
| 6 总结及展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历 | 第58页 |
