| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-22页 |
| ·研究背景 | 第13-16页 |
| ·局部不变特征的研究现状 | 第16-18页 |
| ·论文的研究动机和研究内容 | 第18-22页 |
| 第二章 图像局部不变特征检测和描述 | 第22-56页 |
| ·视觉不变量理论 | 第22-25页 |
| ·尺度空间理论 | 第25-32页 |
| ·图像不变特征的属性及其分类 | 第32页 |
| ·图像不变特征的构造方法 | 第32-34页 |
| ·局部不变特征检测方法概述 | 第34-39页 |
| ·常用角点特征检测方法 | 第39-45页 |
| ·常用斑状特征检测方法 | 第45-49页 |
| ·局部不变特征描述方法概述 | 第49-52页 |
| ·SIFT特征描述符 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第三章 局部自相似性描述符 | 第56-69页 |
| ·局部自相似性描述符 | 第56-57页 |
| ·快速自相似性描述符 | 第57-61页 |
| ·基于梯度方向的自相似性描述符 | 第61-64页 |
| ·低维的自相似性描述符 | 第64-66页 |
| ·基于稀疏偏最小二乘算法的BOW模型 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第四章 局部自相似性描述符的图像匹配研究及在图像分类中的应用 | 第69-102页 |
| ·图像匹配研究现状 | 第69-71页 |
| ·图像分类研究现状 | 第71-74页 |
| ·基于局部自相似性描述符的图像匹配实验 | 第74-91页 |
| ·局部自相似性描述符在图像分类中的应用 | 第91-97页 |
| ·基于稀疏偏最小二乘BOW模型的图像分类 | 第97-101页 |
| ·本章小结 | 第101-102页 |
| 第五章 全文总结 | 第102-106页 |
| ·论文研究总结 | 第102-103页 |
| ·论文主要研究成果及创新点 | 第103-104页 |
| ·研究展望 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 致谢 | 第118-119页 |
| 攻读博士学位期间已发表的论文 | 第119页 |