| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 目录 | 第13-18页 |
| 图清单 | 第18-21页 |
| 表清单 | 第21-22页 |
| 1 绪论 | 第22-42页 |
| ·研究的背景与意义 | 第22-23页 |
| ·图像融合技术研究现状 | 第23-28页 |
| ·图像识别技术研究现状 | 第28-31页 |
| ·多尺度和子空间技术发展现状 | 第31-38页 |
| ·主要研究内容及论文的结构 | 第38-42页 |
| 2 基于局域特征的半监督图像多对象分割 | 第42-59页 |
| ·引言 | 第42-43页 |
| ·基于分水岭和半监督聚类的图像多对象分割 | 第43-50页 |
| ·基于分水岭和 Multiway cut 的图像多对象分割 | 第50-58页 |
| ·小结 | 第58-59页 |
| 3 基于SIFT特征点和边缘的自适应图像局域配准 | 第59-74页 |
| ·引言 | 第59-60页 |
| ·关键点检测与特征描述 | 第60-63页 |
| ·基于SIFT描述的全局配准 | 第63-64页 |
| ·基于SIFT特征点和边缘的自适应图像局域配准 | 第64-70页 |
| ·实验 | 第70-73页 |
| ·小结 | 第73-74页 |
| 4 基于SIFT特征密度的无参考图像质量评估 | 第74-88页 |
| ·引言 | 第74-75页 |
| ·SIFT 特征密度 | 第75-76页 |
| ·基于SIFT特征密度的图像质量评估 | 第76-80页 |
| ·实验 | 第80-82页 |
| ·SIFT 特征密度质量评估的应用 | 第82-86页 |
| ·小结 | 第86-88页 |
| 5 基于相对特征差分布图和特征增强趋势分布图的图像融合 | 第88-98页 |
| ·引言 | 第88-89页 |
| ·图像融合分析 | 第89页 |
| ·相对特征差分布图 | 第89-90页 |
| ·特征增强趋势分布图 | 第90-92页 |
| ·基于相对特征差值分布图和特征增强趋势分布图的图像融合 | 第92-93页 |
| ·实验 | 第93-96页 |
| ·小结 | 第96-98页 |
| 6 基于子空间与 SIFT 的图像识别研究 | 第98-108页 |
| ·引言 | 第98-99页 |
| ·基于子空间的图像识别 | 第99-100页 |
| ·基于SIFT的图像识别 | 第100-104页 |
| ·基于子空间与SIFT的识别 | 第104-105页 |
| ·实验 | 第105-107页 |
| ·小结 | 第107-108页 |
| 7 基于增量减量子空间学习的图像识别 | 第108-119页 |
| ·引言 | 第108-109页 |
| ·增量主元分析（IPCA） | 第109-110页 |
| ·增量减量主元分析（IDPCA） | 第110-111页 |
| ·IDPCA 特征轴的选择和更新 | 第111-115页 |
| ·实验 | 第115-117页 |
| ·小结 | 第117-119页 |
| 8 结论 | 第119-123页 |
| ·主要的研究工作和结论 | 第119-121页 |
| ·主要创新性工作 | 第121-122页 |
| ·展望 | 第122-123页 |
| 参考文献 | 第123-135页 |
| 作者简历 | 第135-137页 |
| 学位论文数据集 | 第137页 |
