| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及存在的问题 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 1.5 小结 | 第14-15页 |
| 第2章 相关理论基础与技术 | 第15-26页 |
| 2.1 基于局部特征的图像匹配 | 第15-16页 |
| 2.1.1 局部特征相关概念及性质 | 第15-16页 |
| 2.1.2 局部特征匹配流程 | 第16页 |
| 2.2 点与边缘检测 | 第16-18页 |
| 2.2.1 角点检测 | 第17-18页 |
| 2.2.2 斑点检测 | 第18页 |
| 2.2.3 边缘检测 | 第18页 |
| 2.3 图像局部特征描述 | 第18-21页 |
| 2.3.1 SIFT特征描述 | 第19页 |
| 2.3.2 SURF特征描述 | 第19-20页 |
| 2.3.3 BRIEF和ORB特征描述 | 第20-21页 |
| 2.4 匹配对提纯 | 第21-23页 |
| 2.4.1 比值提纯法 | 第21-22页 |
| 2.4.2 RANSAC | 第22-23页 |
| 2.5 深度学习与卷积神经网络 | 第23-25页 |
| 2.5.1 深度学习的训练模式 | 第23-24页 |
| 2.5.2 卷积神经网络(CNN) | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第3章 基于LDB描述子和局部空间结构匹配的快速场景辨识 | 第26-41页 |
| 3.1 引言 | 第26-27页 |
| 3.2 LDB算子基本原理 | 第27-31页 |
| 3.2.1 构建图像金字塔 | 第27-28页 |
| 3.2.2 方向校正 | 第28-29页 |
| 3.2.3 特征描述 | 第29-31页 |
| 3.3 局部空间结构匹配 | 第31-33页 |
| 3.4 实验结果及分析 | 第33-40页 |
| 3.4.1 实验数据集介绍 | 第33-34页 |
| 3.4.2 单幅图片匹配效果图对比 | 第34-36页 |
| 3.4.3 单幅图片匹配实验比较 | 第36-39页 |
| 3.4.4 场景数据集辨识实验比较 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 基于深度卷积网络的场景分类辨识 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 AlexNet网络介绍 | 第41-43页 |
| 4.3 数据集准备 | 第43-44页 |
| 4.4 软硬件平台介绍 | 第44页 |
| 4.5 利用CAFFE进行模型训练 | 第44-47页 |
| 4.6 小结 | 第47-48页 |
| 第5章 光照大幅变化下的基于孪生卷积神经网络的场景辨识研究 | 第48-59页 |
| 5.1 引言 | 第48-49页 |
| 5.2 基于孪生卷积神经网络的判别性特征表达学习 | 第49-51页 |
| 5.3 数据集介绍及处理 | 第51-52页 |
| 5.3.1 AMOS数据集介绍 | 第51-52页 |
| 5.3.2 数据集制作 | 第52页 |
| 5.4 模型训练 | 第52-54页 |
| 5.5 实验结果 | 第54-58页 |
| 5.6 小结 | 第58-59页 |
| 第6章 总结和展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 在校期间发表学术论文与研究成果 | 第66页 |
| 参与科研项目 | 第66页 |