基于局部不变特征的多变性目标识别
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 本论文的研究目的和意义 | 第12-14页 |
| 1.1.1 军事应用 | 第12-13页 |
| 1.1.2 基于计算机视觉的人机交互 | 第13页 |
| 1.1.3 智能安全监控 | 第13页 |
| 1.1.4 其他前沿应用 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 特征提取 | 第14-16页 |
| 1.2.2 特征分类 | 第16页 |
| 1.2.3 发展趋势 | 第16-17页 |
| 1.3 本文的研究内容 | 第17-18页 |
| 1.4 本文的章节安排 | 第18-20页 |
| 第2章 局部特征的提取 | 第20-50页 |
| 2.1 引言 | 第20页 |
| 2.2 多尺度空间 | 第20-23页 |
| 2.3 关键点检测 | 第23-41页 |
| 2.3.1 Lo G关键点检测 | 第23-26页 |
| 2.3.2 Do H关键点检测 | 第26-28页 |
| 2.3.3 SUSAN关键点检测 | 第28-29页 |
| 2.3.4 SIFT关键点检测 | 第29-33页 |
| 2.3.5 SURF关键点检测 | 第33-38页 |
| 2.3.6 BRISK特征点检测 | 第38-39页 |
| 2.3.7 本文提出的关键点检测算法 | 第39-41页 |
| 2.4 特征向量生成 | 第41-49页 |
| 2.4.1 SIFT特征向量生成 | 第41-43页 |
| 2.4.2 SURF特征向量生成 | 第43-46页 |
| 2.4.3 BRISK特征向量生成 | 第46-48页 |
| 2.4.4 本文提出的特征向量生成算法 | 第48-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第3章 局部特征的编码 | 第50-56页 |
| 3.1 引言 | 第50页 |
| 3.2 特征袋编码 | 第50-53页 |
| 3.2.1 特征袋词典的生成 | 第51-52页 |
| 3.2.2 基于词典的图像编码 | 第52-53页 |
| 3.3 引入空间信息的Bo F编码 | 第53页 |
| 3.4 主成分分析 | 第53-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第4章 局部特征的分类 | 第56-64页 |
| 4.1 引言 | 第56页 |
| 4.2 K最近邻分类器 | 第56-58页 |
| 4.3 贝叶斯分类器 | 第58-59页 |
| 4.4 人工神经网络分类器 | 第59-60页 |
| 4.5 支持向量机 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第5章 目标识别实验与结果分析 | 第64-70页 |
| 5.1 实验概述 | 第64-65页 |
| 5.2 实验结果与分析 | 第65-69页 |
| 5.2.1 不同视角目标识别实验 | 第65-67页 |
| 5.2.2 不同光照目标识别实验 | 第67-68页 |
| 5.2.3 不同尺度目标识别实验 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 研究总结 | 第70页 |
| 6.2 创新成果 | 第70-71页 |
| 6.3 工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 在学期间学术成果情况 | 第76-78页 |
| 指导教师及作者简介 | 第78-80页 |
| 致谢 | 第80页 |
