面向场景理解的图像局部特征提取算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 主要符号表 | 第10-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状及发展动态分析 | 第13-18页 |
| 1.2.1 图像特征及分类 | 第13-14页 |
| 1.2.2 局部图像特征 | 第14-18页 |
| 1.3 论文主要工作及技术路线 | 第18-21页 |
| 1.3.1 主要研究内容 | 第18-19页 |
| 1.3.2 技术路线及实施方案 | 第19-21页 |
| 1.4 论文结构安排 | 第21-22页 |
| 第二章 图像特征提取算法基础 | 第22-36页 |
| 2.1 概述 | 第22页 |
| 2.2 图像特征提取算法基础 | 第22-24页 |
| 2.3 图像特征描述 | 第24-33页 |
| 2.3.1 全局图像特征描述 | 第24-27页 |
| 2.3.2 局部图像特征描述 | 第27-33页 |
| 2.4 图像特征提取评价标准 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 局部特征提取算法 | 第36-58页 |
| 3.1 概述 | 第36页 |
| 3.2 Moravec特征检测 | 第36-39页 |
| 3.2.1 算法原理 | 第36-37页 |
| 3.2.2 Moravec角点检测 | 第37-39页 |
| 3.3 Harris特征检测 | 第39-44页 |
| 3.3.1 算法原理 | 第39-42页 |
| 3.3.2 Harris角点检测 | 第42-44页 |
| 3.4 SUSAN特征检测 | 第44-47页 |
| 3.4.1 算法原理 | 第44-45页 |
| 3.4.2 SUSAN角点检测 | 第45-47页 |
| 3.5 SIFT特征检测 | 第47-57页 |
| 3.5.1 算法原理 | 第48-54页 |
| 3.5.2 SIFT特征提取 | 第54-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 SIFT特征提取算法实现 | 第58-80页 |
| 4.1 概述 | 第58页 |
| 4.2 SIFT特征提取算法研究 | 第58-63页 |
| 4.2.1 算法原理 | 第59-61页 |
| 4.2.2 算法实现流程 | 第61-63页 |
| 4.3 算法测试及评价 | 第63-73页 |
| 4.3.1 算法时间复杂度分析 | 第63-67页 |
| 4.3.2 算法鲁棒性分析 | 第67-73页 |
| 4.4 算法平台的设计与实现 | 第73-79页 |
| 4.4.1 平台功能设计 | 第74-75页 |
| 4.4.2 平台使用环境 | 第75-77页 |
| 4.4.3 平台模块实现 | 第77-79页 |
| 4.5 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 本文工作总结 | 第80-81页 |
| 5.1.1 工作总结 | 第80-81页 |
| 5.1.2 论文创新点及主要贡献 | 第81页 |
| 5.2 工作展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间的研究成果 | 第87-88页 |
