| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第11-14页 |
| 缩略词 | 第14-15页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 目标识别的数据类型 | 第15-16页 |
| 1.2.2 目标识别的对象层次 | 第16页 |
| 1.2.3 目标识别的方法 | 第16-19页 |
| 1.2.4 目标识别的识别层次 | 第19页 |
| 1.2.5 目标识别的评价要求 | 第19-20页 |
| 1.2.6 目标识别面临的问题 | 第20页 |
| 1.3 论文主要工作及组织结构 | 第20-22页 |
| 1.3.1 论文的主要工作 | 第20-21页 |
| 1.3.2 论文的组织结构 | 第21-22页 |
| 第二章 面向目标识别的三维模型数据库 | 第22-31页 |
| 2.1 基于 3DS MAX的三维目标建模 | 第22-23页 |
| 2.2 视点空间划分及特性视图建模 | 第23-28页 |
| 2.2.1 视点空间划分 | 第23-26页 |
| 2.2.2 特性视图建模 | 第26-28页 |
| 2.3 三维模型数据库管理 | 第28-30页 |
| 2.3.1 本地三维模型数据库管理软件 | 第28页 |
| 2.3.2 基于数据库的三维模型搜索站点 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于特征选择的三维目标识别 | 第31-55页 |
| 3.1 引言 | 第31-32页 |
| 3.2 目标多特征描述 | 第32-38页 |
| 3.2.1 矩类 | 第32-35页 |
| 3.2.2 频谱类 | 第35-36页 |
| 3.2.3 HSV颜色空间特征 | 第36-37页 |
| 3.2.4 灰度共生矩阵 | 第37-38页 |
| 3.3 基于CART-Ada Boost的目标识别算法 | 第38-42页 |
| 3.3.1 Ada Boost分类器算法 | 第38-39页 |
| 3.3.2 Gentle Ada Boost分类算法 | 第39-41页 |
| 3.3.3 基于多特征与CART-Ada Boost算法的三维目标识别算法 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-54页 |
| 3.4.1 三维模型数据库上的实验步骤与结果分析 | 第42-48页 |
| 3.4.2 遥感图像机场数据库上的实验步骤与结果分析 | 第48-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于自适应部件划分的三维目标识别 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 自适应部件选择 | 第55-59页 |
| 4.2.1 数据集 | 第56页 |
| 4.2.2 自适应部件选择 | 第56-59页 |
| 4.3 基于部件的三维目标识别算法 | 第59-63页 |
| 4.3.1 部件特征提取 | 第60-61页 |
| 4.3.2 组合分类器构建 | 第61页 |
| 4.3.3 “中间视点”估计 | 第61-63页 |
| 4.4 实验结果与分析 | 第63-66页 |
| 4.4.1 部件定位实验 | 第63-64页 |
| 4.4.2 目标识别实验 | 第64-65页 |
| 4.4.3 视点估计实验 | 第65-66页 |
| 4.5 本章小节 | 第66-67页 |
| 第五章 基于三维边框匹配的目标识别 | 第67-83页 |
| 5.1 引言 | 第67-68页 |
| 5.2 基于可变形边框的目标全局几何表达 | 第68-71页 |
| 5.2.1 可变形三维边框获取 | 第68-70页 |
| 5.2.2 三维线框的二维平面投影 | 第70-71页 |
| 5.3 基于“有向Hausdorff距离”的模板匹配 | 第71-76页 |
| 5.3.1 边缘方向直方图计算 | 第72-73页 |
| 5.3.2 基于EOH的Hausdorff距离 | 第73-75页 |
| 5.3.3 匹配策略 | 第75-76页 |
| 5.4 实验结果与分析 | 第76-82页 |
| 5.4.1 边缘方向直方图特征提取 | 第77-80页 |
| 5.4.2 基于三维线框的三维目标识别 | 第80-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 在学期间的学术成果 | 第90页 |
