| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-26页 |
| ·课题背景及研究意义 | 第14-16页 |
| ·图像目标识别研究现状与发展趋势 | 第16-23页 |
| ·论文的主要工作与结构安排 | 第23-26页 |
| 第二章 典型图像局部不变特征提取及图像建模方法 | 第26-51页 |
| ·引言 | 第26页 |
| ·典型局部不变特征检测算法与描述算法 | 第26-31页 |
| ·局部不变特征检测方法 | 第27-31页 |
| ·局部不变特征描述方法 | 第31页 |
| ·尺度不变特征变换（SIFT） | 第31-36页 |
| ·图像稳健局部不变特征选择 | 第36-39页 |
| ·稳健局部不变特征选择的必要性分析 | 第36-37页 |
| ·基于匹配频度的稳健特征点选择算法 | 第37-39页 |
| ·图像目标识别方法介绍 | 第39-50页 |
| ·主要的图像目标识别方法概述 | 第39-46页 |
| ·基于“Bag-of-Words”模型的图像建模方法 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 属性图模型与属性图相似性度量 | 第51-65页 |
| ·引言 | 第51-52页 |
| ·属性图模型构建 | 第52-53页 |
| ·属性图对匹配 | 第53-57页 |
| ·属性图中SIFT描述向量匹配 | 第54页 |
| ·两阶段procrustes迭代匹配 | 第54-57页 |
| ·属性图相似性度量 | 第57页 |
| ·仿真实验 | 第57-63页 |
| ·属性图匹配 | 第58-60页 |
| ·属性图匹配算法运行效率 | 第60-61页 |
| ·属性图相似性度量的有效性分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 类属超图模型构建与快速训练 | 第65-91页 |
| ·引言 | 第65-66页 |
| ·初始类属超图构建方法 | 第66-67页 |
| ·RSOM聚类树训练方法 | 第67-78页 |
| ·基本的RSOM聚类树训练算法 | 第68-74页 |
| ·大数据集条件下RSOM树训练算法 | 第74-77页 |
| ·RSOM树增量训练算法 | 第77-78页 |
| ·基于RSOM聚类树的初始类属超图快速构建 | 第78-82页 |
| ·训练RSOM聚类树 | 第78-79页 |
| ·基于RSOM树搜索近邻属性图集 | 第79-80页 |
| ·建立初始CSHG模型 | 第80-82页 |
| ·基于相似性传播聚类原理建立类属超图 | 第82-83页 |
| ·相似性传播聚类原理 | 第82页 |
| ·构建类属超图 | 第82-83页 |
| ·仿真实验 | 第83-90页 |
| ·训练RSOM聚类树 | 第84-87页 |
| ·类属超图模型聚类性能测试 | 第87-89页 |
| ·基于RSOM聚类树构建类属超图模型的效率分析 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第五章 类属超图模型的优化与智能化训练 | 第91-109页 |
| ·引言 | 第91-92页 |
| ·类属超图模型的优化训练 | 第92-103页 |
| ·基于熵函数的类属超图模型结构优化训练 | 第92-96页 |
| ·精简FTOG中的冗余属性图 | 第96-101页 |
| ·仿真实验 | 第101-103页 |
| ·类属超图模型的智能化训练 | 第103-107页 |
| ·CSHG模型的增量训练 | 第103-106页 |
| ·CSHG模型的自主训练 | 第106页 |
| ·仿真实验 | 第106-107页 |
| ·本章小结 | 第107-109页 |
| 第六章 基于类属超图模型的图像目标识别与标注 | 第109-123页 |
| ·引言 | 第109-110页 |
| ·图像目标识别与目标区域标注 | 第110-114页 |
| ·基于CSHG模型的简单背景图像目标识别 | 第110-112页 |
| ·基于CSHG模型的复杂背景图像目标识别 | 第112-113页 |
| ·待识别图像中待识别目标区域标注 | 第113-114页 |
| ·仿真实验 | 第114-119页 |
| ·简单背景图像目标识别实验 | 第114-115页 |
| ·复杂背景图像目标识别实验 | 第115-118页 |
| ·待识别目标区域标注实验 | 第118-119页 |
| ·基于类属超图模型的图像目标识别系统设计 | 第119-122页 |
| ·本章小结 | 第122-123页 |
| 第七章 结束语 | 第123-126页 |
| ·论文的主要研究成果 | 第123-124页 |
| ·后续工作展望 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-138页 |
| 作者在学期间取得的学术成果 | 第138-139页 |