| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 图像识别综述 | 第11-14页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 图像识别的主要方法 | 第11-12页 |
| 1.1.3 基于模型的图像识别技术的发展及研究现状 | 第12-14页 |
| 1.2 本文的研究内容 | 第14页 |
| 1.3 本文的组织结构 | 第14-16页 |
| 第二章 基于图像信息的方法 | 第16-23页 |
| 2.1 经典K均值聚类算法 | 第16页 |
| 2.2 初始点优化的K均值算法 | 第16-17页 |
| 2.3 全局优化K均值聚类算法 | 第17-18页 |
| 2.4 实验对比 | 第18-22页 |
| 2.4.1 实验环境及数据来源 | 第18页 |
| 2.4.2 实验 1：各算法初始化中心点比较 | 第18-20页 |
| 2.4.3 实验 2：改进K均值聚类算法效果比较 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于目标模型的方法 | 第23-37页 |
| 3.1 构造点分布模型 | 第23-28页 |
| 3.1.1 搜集样本图片 | 第23页 |
| 3.1.2 标记关键特征点 | 第23-24页 |
| 3.1.3 形状归一化 | 第24-26页 |
| 3.1.4 计算PDM统计参数 | 第26-28页 |
| 3.2 图像搜索 | 第28-33页 |
| 3.2.1 计算训练集形状关键点的局部特征 | 第28-30页 |
| 3.2.2 初始化匹配模型 | 第30页 |
| 3.2.3 计算匹配模型关键点的局部特征 | 第30-31页 |
| 3.2.4 计算迭代中的形状参数 | 第31页 |
| 3.2.5 更新形状及模型参数 | 第31-33页 |
| 3.3 多分辨率框架 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 BN-MRASM方法的设计及实现 | 第37-43页 |
| 4.1 提出问题 | 第37-38页 |
| 4.2 优化理论依据 | 第38-40页 |
| 4.3 方法描述 | 第40-43页 |
| 4.3.1 主要步骤 | 第40页 |
| 4.3.2 参数及算子选取 | 第40页 |
| 4.3.3 边缘轮廓法线向量选择策略 | 第40-43页 |
| 第五章 实验与分析 | 第43-51页 |
| 5.1 实验环境及数据来源 | 第43-44页 |
| 5.2 实验结果 | 第44-48页 |
| 5.2.1 实验 1：纵向比较试验结果 | 第44-47页 |
| 5.2.2 实验 2：横向比较实验结果 | 第47-48页 |
| 5.3 实验分析 | 第48-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 6.1 研究总结 | 第51页 |
| 6.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录A 本文算法核心代码 | 第57-68页 |
| 附录B 本作者在攻读硕士学位期间所发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |