基于MACF的物体检测及中心定位
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-18页 |
| ·课题的研究背景及意义 | 第9-11页 |
| ·国内外的研究机构和数据库 | 第11-13页 |
| ·国内外的研究机构 | 第12页 |
| ·物体检测领域常用数据库 | 第12-13页 |
| ·难点问题分析和性能指标 | 第13-16页 |
| ·论文研究的内容 | 第16页 |
| ·本文的主要贡献 | 第16-17页 |
| ·论文内容安排 | 第17-18页 |
| 第二章 物体的表示方法与常用学习算法 | 第18-32页 |
| ·物体表示方式概述 | 第18-19页 |
| ·常用的特征与描述子 | 第19-23页 |
| ·常用的学习算法 | 第23-29页 |
| ·监督学习算法 | 第23-28页 |
| ·无监督学习算法 | 第28-29页 |
| ·测试过程中的搜索方法 | 第29-30页 |
| ·本章总结 | 第30-32页 |
| 第三章 基于 MACF 的物体检测 | 第32-48页 |
| ·常用的边缘检测算子 | 第33-36页 |
| ·Sobel 算子 | 第33页 |
| ·Canny 算子 | 第33-34页 |
| ·拉普拉斯算子 | 第34-35页 |
| ·LoG 算法 | 第35-36页 |
| ·Berkeley 算子 | 第36页 |
| ·ACF 特征提取 | 第36-42页 |
| ·基础形状的提取 | 第36-38页 |
| ·点分布模型（PDM） | 第38-39页 |
| ·构建 ACF 特征 | 第39-42页 |
| ·MACF 特征的获取 | 第42-43页 |
| ·MACF 与测试样本的匹配 | 第43-44页 |
| ·实验评估 | 第44-47页 |
| ·单一尺度多视角数据库实验验证 | 第44-46页 |
| ·多尺度多视角数据库实验验证 | 第46-47页 |
| ·本章总结 | 第47-48页 |
| 第四章 中心定位算法 | 第48-56页 |
| ·广义霍夫变换 | 第48-49页 |
| ·Meanshift 算法 | 第49-50页 |
| ·隐性形状模型 | 第50-51页 |
| ·自适应中心定位算法 | 第51-53页 |
| ·实验结果 | 第53-55页 |
| ·本章总结 | 第55-56页 |
| 第五章 结论与展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·本文的主要工作 | 第56页 |
| ·本文的创新点 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表的论文 | 第65-66页 |
