SIFT与BIM特征提取方法的研究与应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-21页 |
| ·图像特征 | 第12-14页 |
| ·图像特征提取算法研究现状 | 第14-18页 |
| ·特征检测算法 | 第14-16页 |
| ·特征描述算法 | 第16-18页 |
| ·综合算法 | 第18页 |
| ·SIFT算法与BIM算法 | 第18-19页 |
| ·人机智能感知技术 | 第19页 |
| ·本文的主要工作与内容安排 | 第19-21页 |
| 第二章 SIFT特征概述 | 第21-37页 |
| ·尺度空间理论简介 | 第21-24页 |
| ·高斯尺度空间 | 第22-24页 |
| ·SIFT特征检测算法 | 第24-31页 |
| ·SIFT描述子 | 第31-33页 |
| ·特征点配准 | 第33-34页 |
| ·SIFT的应用与变体 | 第34-35页 |
| ·PCA-SIFT | 第34-35页 |
| ·Color Descriptors | 第35页 |
| ·Affine-SIFT | 第35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于SIFT的手写汉字特征 | 第37-64页 |
| ·主流脱机汉字特征介绍 | 第37-42页 |
| ·弹性网格方向特征的一般原理 | 第37-38页 |
| ·Gabor特征 | 第38-40页 |
| ·梯度特征 | 第40-42页 |
| ·基于SIFT的手写汉字特征 | 第42-47页 |
| ·SIFT特征点检测算法的不足 | 第42-43页 |
| ·局部汉字SIFT特征 | 第43-44页 |
| ·全局汉字SIFT特征 | 第44-47页 |
| ·分类器与特征降维 | 第47-52页 |
| ·最小欧氏距离分类器 | 第47-49页 |
| ·LDA特征降维 | 第49-50页 |
| ·MQDF分类器 | 第50-52页 |
| ·汉字SIFT特征性能评估实验 | 第52-58页 |
| ·实验数据库 | 第52-53页 |
| ·不同切分参数下的识别性能对比 | 第53-55页 |
| ·大样本数据下不同特征提取方法的对比 | 第55-56页 |
| ·使用MQDF分类器的实验结果对比 | 第56-57页 |
| ·算法复杂度分析 | 第57页 |
| ·讨论:从生物视觉理论来分析梯度特征 | 第57-58页 |
| ·多尺度汉字特征融合 | 第58-59页 |
| ·汉字特征的尺度性 | 第58页 |
| ·多尺度特征融合 | 第58-59页 |
| ·多尺度特征融合实验 | 第59-62页 |
| ·无加权融合 | 第60-61页 |
| ·加权融合 | 第61-62页 |
| ·结果分析 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第四章 BIM特征研究与应用 | 第64-84页 |
| ·初级视觉皮层的识别模型概述 | 第64-69页 |
| ·建模对象 | 第65-66页 |
| ·结构描述 | 第66-67页 |
| ·选择性与不变性操作 | 第67-69页 |
| ·学习规则 | 第69页 |
| ·BIM算法实现描述与实现细节 | 第69-74页 |
| ·S1层 | 第70-71页 |
| ·C1层 | 第71-72页 |
| ·S2层 | 第72-73页 |
| ·C2层 | 第73-74页 |
| ·学习阶段 | 第74页 |
| ·人脸表情识别简介 | 第74-77页 |
| ·人脸表情识别的基本处理过程 | 第75-76页 |
| ·预处理简述 | 第76-77页 |
| ·BIM算法在表情识别中的应用 | 第77-82页 |
| ·实验数据库简介 | 第77-79页 |
| ·二项分类实验 | 第79-80页 |
| ·多类分类实验 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 结论 | 第84-86页 |
| 总结 | 第84-85页 |
| 展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 攻读硕士学位期间取得的研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |
| 答辩委员会对论文的评定意见 | 第94页 |
