| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-14页 |
| ·目标识别研究现状 | 第10-12页 |
| ·特征提取研究现状 | 第12-14页 |
| ·分类器算法的研究现状 | 第14页 |
| ·本文研究内容 | 第14-16页 |
| 2 一种基于区域色彩空间和 LBP 算法的图像分割 | 第16-30页 |
| ·图像分割算法的分类 | 第17-21页 |
| ·基于区域色彩空间和 LBP 算法的图像分割 | 第21-29页 |
| ·改进的 MSRM 算法 | 第23页 |
| ·区域颜色特征的描述 | 第23-25页 |
| ·LBP 纹理特征的描述 | 第25-27页 |
| ·实验分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于 HOG 算法及位置信息的特征提取 | 第30-39页 |
| ·HOG 算法的实现 | 第30-34页 |
| ·图像颜色空间归一化 | 第31页 |
| ·梯度的计算 | 第31-33页 |
| ·计算细胞单元的梯度直方图 | 第33页 |
| ·对组合成块的梯度直方图作归一化 | 第33-34页 |
| ·目标各复合实体位置信息的提取 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 4 分类器判别模型 | 第39-52页 |
| ·支持向量机 SVM 算法 | 第40-44页 |
| ·支持向量机的实现 | 第40-42页 |
| ·核函数 | 第42-44页 |
| ·Boosting 分类算法 | 第44-51页 |
| ·Boosting 分类算法的基本思想及实现 | 第45-47页 |
| ·AdaBoost 算法的实现 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于梯度特征及位置信息的目标识别算法的实现 | 第52-56页 |
| ·实验环境 | 第52页 |
| ·图像集的创建 | 第52-53页 |
| ·实验分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-59页 |
| ·本文总结 | 第56页 |
| ·未来工作展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第65-67页 |
| 致谢 | 第67-68页 |