| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景 | 第10页 |
| ·研究的意义 | 第10-11页 |
| ·数据降维技术 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文主要工作 | 第14页 |
| ·本论文的组织结构 | 第14-15页 |
| 2 图像特征点提取 | 第15-32页 |
| ·数字图像的基本概念 | 第15-16页 |
| ·图像颜色模式 | 第15-16页 |
| ·数字图像表示 | 第16页 |
| ·图像特征点 | 第16-17页 |
| ·SIFT 简介 | 第17-18页 |
| ·尺度空间极值检测 | 第18-24页 |
| ·局部极值检测 | 第23-24页 |
| ·精确定位极值点 | 第24-28页 |
| ·去除低对比度的点 | 第26-27页 |
| ·去除边缘相应点 | 第27-28页 |
| ·方向的分配 | 第28-29页 |
| ·局部图像描述子 | 第29-30页 |
| ·描述子的表示 | 第30页 |
| ·小结 | 第30-32页 |
| 3 降维技术 | 第32-39页 |
| ·降维算法的分类 | 第33-34页 |
| ·线性降维技术 | 第33页 |
| ·非线性降维方法 | 第33-34页 |
| ·常用降维技术 | 第34-36页 |
| ·主元分析(PCA)理论 | 第36-39页 |
| ·PCA 求解 | 第37-39页 |
| 4 CAIM 算法 | 第39-43页 |
| ·类属性相互依赖最低算法（CAIM） | 第39-41页 |
| ·集合熵的估计 | 第39-41页 |
| ·CAIM 算法分析 | 第41页 |
| ·CAIM 算法流程 | 第41-43页 |
| 5 基于 PCA 和 CAIM 的 SIFT 算法局部描述子属性约减 | 第43-55页 |
| ·可行性分析与理论依据 | 第44-45页 |
| ·算法流程概述 | 第45-46页 |
| ·实验环境与参数设置 | 第46-47页 |
| ·实验结果比较 | 第47-53页 |
| ·结果分析 | 第53-54页 |
| ·扩展 | 第54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·改进 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62-63页 |