| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题研究背景 | 第7页 |
| ·图像不变特征技术概述 | 第7-8页 |
| ·图像不变特征技术研究概况 | 第8-9页 |
| ·本文主要研究内容 | 第9-10页 |
| ·论文结构安排 | 第10-11页 |
| 第二章 基础理论介绍 | 第11-25页 |
| ·图像不变特征 | 第11-19页 |
| ·LBP 特征 | 第11-13页 |
| ·伪Zernike 特征 | 第13-14页 |
| ·SIFT 特征 | 第14-17页 |
| ·PHOG 特征 | 第17-19页 |
| ·仿射包 | 第19-20页 |
| ·K 均值聚类 | 第20-21页 |
| ·SVM 模型 | 第21-25页 |
| 第三章 基于伪Zernike 矩和仿射包的视频人脸检索 | 第25-36页 |
| ·人脸检索的研究意义及概况 | 第25-26页 |
| ·FRIVAP 检索算法介绍 | 第26-28页 |
| ·实验结果分析 | 第28-34页 |
| ·实验环境及参数 | 第28-30页 |
| ·Honda/UCSD 库实验 | 第30-32页 |
| ·FRID 视频库实验 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于显著性区域检测和BOW 的图像分类方法 | 第36-48页 |
| ·图像分类的研究意义及研究现状 | 第36-38页 |
| ·算法流程 | 第38-39页 |
| ·显著性区域检测(Saliency) | 第39-41页 |
| ·显著性区域的概念 | 第39页 |
| ·显著性区域检测 | 第39-41页 |
| ·特征提取 | 第41页 |
| ·词袋(BOW)模型建立 | 第41-44页 |
| ·图像分类实验分析 | 第44-47页 |
| ·Caltech101 实验结果分析 | 第44-47页 |
| ·Caltech256 实验结果分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·总结 | 第48-49页 |
| ·将来研究工作 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54页 |