| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 论文的研究背景与意义 | 第12-13页 |
| 1.2 图像特征提取概述 | 第13-14页 |
| 1.3 图像特征提取的研究及发展现状 | 第14-27页 |
| 1.3.1 低层次特征提取研究及发展现状 | 第14-20页 |
| 1.3.2 高层次特征提取研究及发展现状 | 第20-27页 |
| 1.4 论文的主要研究内容及章节安排 | 第27-30页 |
| 第2章 基于变换域的预处理算法 | 第30-46页 |
| 2.1 引言 | 第30-31页 |
| 2.2 多尺度几何分析方法 | 第31-35页 |
| 2.3 非下采样轮廓波变换 | 第35-37页 |
| 2.4 基于NSCT域的双重滤波去噪算法 | 第37-45页 |
| 2.4.1 非局部均值算法原理 | 第37-40页 |
| 2.4.2 中值滤波算法原理 | 第40页 |
| 2.4.3 算法实现的基本步骤 | 第40-42页 |
| 2.4.4 仿真实验与分析 | 第42-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 基于灰度统计特性的特征提取算法 | 第46-67页 |
| 3.1 引言 | 第46-47页 |
| 3.2 阈值设定方法 | 第47-51页 |
| 3.2.1 Otsu算法 | 第47-49页 |
| 3.2.2 Rosin算法 | 第49-50页 |
| 3.2.3 MSA算法 | 第50-51页 |
| 3.3 Canny算法 | 第51-52页 |
| 3.4 基于二维Rosin算法的Canny边缘检测 | 第52-60页 |
| 3.4.1 建立二维直方图 | 第52-53页 |
| 3.4.2 阈值选取方法 | 第53-54页 |
| 3.4.3 算法实现的基本步骤 | 第54-55页 |
| 3.4.4 仿真实验与分析 | 第55-60页 |
| 3.5 基于二维Rosin边缘检测算法在道路裂纹图像中的应用 | 第60-65页 |
| 3.6 本章小结 | 第65-67页 |
| 第4章 基于形态成分分析的特征提取算法 | 第67-84页 |
| 4.1 引言 | 第67页 |
| 4.2 稀疏表示 | 第67-71页 |
| 4.2.1 信号稀疏表示模型 | 第67-68页 |
| 4.2.2 字典学习 | 第68-69页 |
| 4.2.3 追踪算法 | 第69-71页 |
| 4.3 形态成分分析 | 第71-76页 |
| 4.3.1 形态成分分析模型 | 第71-72页 |
| 4.3.2 基于图像的形态成分分析模型 | 第72-73页 |
| 4.3.3 字典选择 | 第73-76页 |
| 4.4 基于形态成分分析的活动轮廓模型 | 第76-83页 |
| 4.4.1 算法实现基本步骤 | 第78页 |
| 4.4.2 仿真实验与分析 | 第78-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 基于核学习的特征提取算法 | 第84-104页 |
| 5.1 引言 | 第84页 |
| 5.2 核学习理论 | 第84-89页 |
| 5.3 核函数优化 | 第89-93页 |
| 5.3.1 数据相关核函数 | 第89-92页 |
| 5.3.2 多核函数 | 第92-93页 |
| 5.4 核Fisher判别分析特征提取算法 | 第93-94页 |
| 5.5 基于多数据相关核Fisher判别分析人脸识别算法 | 第94-103页 |
| 5.5.1 多数据相关核函数 | 第94-96页 |
| 5.5.2 多核函数加权系数优化 | 第96页 |
| 5.5.3 数据相关核函数系数优化 | 第96-98页 |
| 5.5.4 算法实现的基本步骤 | 第98-100页 |
| 5.5.5 仿真实验与分析 | 第100-103页 |
| 5.6 本章小结 | 第103-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第118-119页 |
| 致谢 | 第119页 |
