基于局部特征的目标自动识别
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-18页 |
| ·本文研究意义 | 第12-14页 |
| ·研究现状 | 第14-16页 |
| ·本文研究内容 | 第16-17页 |
| ·本文章节安排 | 第17-18页 |
| 第2章 局部特征提取 | 第18-48页 |
| ·引言 | 第18-20页 |
| ·Moravec 特征 | 第20-22页 |
| ·Harris 角点与边缘检测器 | 第22-24页 |
| ·SIFT 特征 | 第24-30页 |
| ·SURF 特征 | 第30-33页 |
| ·基于机器学习的角点检测器 | 第33-39页 |
| ·二值描绘器 | 第39-41页 |
| ·本文提出的特征 | 第41-46页 |
| ·本章小结 | 第46-48页 |
| 第3章 局部特征编码 | 第48-54页 |
| ·引言 | 第48-49页 |
| ·特征袋编码 | 第49页 |
| ·基于空间金字塔匹配的编码 | 第49-51页 |
| ·位置限制线性编码 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第4章 特征分类 | 第54-62页 |
| ·引言 | 第54页 |
| ·最近邻分类器 | 第54-55页 |
| ·贝叶斯分类器 | 第55-56页 |
| ·多层神经网络分类器 | 第56-58页 |
| ·支持向量机 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第5章 目标识别实验 | 第62-72页 |
| ·实验概述 | 第62-63页 |
| ·识别实验 | 第63-70页 |
| ·本章小结 | 第70-72页 |
| 第6章 结论与展望 | 第72-74页 |
| ·研究总结 | 第72页 |
| ·创新成果 | 第72页 |
| ·工作展望 | 第72-74页 |
| 附录 A | 第74-88页 |
| A.1 统计相关系数 | 第74-75页 |
| A.2 快速海森矩阵行列式的补偿参数 | 第75页 |
| A.3 高斯卷积核的性质 | 第75-81页 |
| A.4 信息熵 | 第81-83页 |
| A.5 主成分分析 | 第83-84页 |
| A.6 线性分类器 | 第84-85页 |
| A.7 关于 OPENSURF 的讨论 | 第85-88页 |
| 参考文献 | 第88-94页 |
| 在学期间学术成果情况 | 第94-96页 |
| 指导教师及作者简介 | 第96-98页 |
| 致谢 | 第98页 |
