| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状与存在的问题 | 第9-13页 |
| 1.2.1 物体分类方法研究现状 | 第9-12页 |
| 1.2.2 物体分类方法存在的问题 | 第12-13页 |
| 1.3 研究内容及研究方法 | 第13-15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 第2章 图像底层特征提取及编码方法设计 | 第17-34页 |
| 2.1 构建图像多尺度空间的SIFT特征提取 | 第19-23页 |
| 2.2 构建图像多尺度空间的LBP特征提取 | 第23-29页 |
| 2.2.1 LBP算子的基本原理和扩展 | 第23-27页 |
| 2.2.2 常用的LBP特征提取方法 | 第27-28页 |
| 2.2.3 基于词袋模型的多尺度LBP特征提取方法设计 | 第28-29页 |
| 2.3 SIFT和多尺度LBP特征的融合提取方法设计 | 第29-31页 |
| 2.4 图像特征编码方法 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于SVM分类器的多特征融合技术研究 | 第34-42页 |
| 3.1 SVM分类识别方法 | 第34-37页 |
| 3.2 多特征融合技术 | 第37-40页 |
| 3.2.1 常用的多特征融合技术 | 第37-38页 |
| 3.2.2 基于SVM分类器的多特征加权融合算法设计 | 第38-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 基于多特征融合的室内物体分类方法实验与结果分析 | 第42-58页 |
| 4.1 实验数据采集和实验平台 | 第42-44页 |
| 4.2 实验中各参数的选取 | 第44-46页 |
| 4.3 实验结果及数据分析 | 第46-49页 |
| 4.3.1 基于不同划分步长的多尺度LBP特征与本文方法比较 | 第46-47页 |
| 4.3.2 基于单一特征的物体分类方法与本文方法比较 | 第47-48页 |
| 4.3.3 传统多特征融合方法与本文方法比较 | 第48页 |
| 4.3.4 依次提取SIFT和LBP特征与本文特征提取方法比较 | 第48-49页 |
| 4.4 物体分类仿真实验设计与实现 | 第49-57页 |
| 4.4.1 物体分类仿真实验的设计 | 第49-50页 |
| 4.4.2 物体分类仿真实验结果 | 第50-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 下一步研究展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间的研究成果 | 第64页 |
