| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.3 论文主要工作及章节安排 | 第19-21页 |
| 第二章 基于子空间投影的线性特征提取方法 | 第21-39页 |
| 2.1 引言 | 第21页 |
| 2.2 基于PCA的图像特征提取方法 | 第21-28页 |
| 2.2.1 主成分分析 | 第21-24页 |
| 2.2.2 多线性主成分分析 | 第24-26页 |
| 2.2.3 实验结果与分析 | 第26-28页 |
| 2.3 基于LDA的图像特征提取方法 | 第28-37页 |
| 2.3.1 LDA | 第28-31页 |
| 2.3.2 基于改进的LDA特征提取方法 | 第31-35页 |
| 2.3.3 实验结果与分析 | 第35-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于广义瑞利熵的非参数特征提取方法 | 第39-47页 |
| 3.1 引言 | 第39页 |
| 3.2 TRNDA原理 | 第39-44页 |
| 3.3 实验结果与分析 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于图像Gabor特征的增强型特征提取方法 | 第47-57页 |
| 4.1 引言 | 第47页 |
| 4.2 图像的Gabor特征 | 第47-48页 |
| 4.3 集成学习简介 | 第48-50页 |
| 4.4 基于图像Gabor特征的增强型特征提取方法步骤 | 第50-53页 |
| 4.5 实验结果与分析 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65-66页 |