| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 局部不变特征检测的研究现状 | 第13-21页 |
| 1.2.1 局部不变特征检测研究现状 | 第13-17页 |
| 1.2.2 局部不变特征待解决的问题 | 第17-18页 |
| 1.2.3 局部不变特征提取算法评价 | 第18-21页 |
| 1.2.4 常用术语 | 第21页 |
| 1.3 本文的主要安排 | 第21-24页 |
| 第二章 局部不变特征检测理论 | 第24-37页 |
| 2.1 引言 | 第24-25页 |
| 2.2 Harris角点算法及其门限判别改进 | 第25-29页 |
| 2.2.1 Harris角点 | 第25-26页 |
| 2.2.2 角点门限判决标准优化的可行性分析以及算法改进步骤 | 第26-28页 |
| 2.2.3 实验结果与分析 | 第28-29页 |
| 2.3 基于自相似性的点特征提取算法 | 第29-32页 |
| 2.3.1 最小核值相似区检测算子 | 第30-31页 |
| 2.3.2 快速分割测试特征点提取算法 | 第31-32页 |
| 2.4 斑点检测 | 第32-36页 |
| 2.4.1 一维信号斑点检测理论 | 第33-34页 |
| 2.4.2 传统斑点检测算法 | 第34-36页 |
| 2.5 小结 | 第36-37页 |
| 第三章 基于各向异性尺度空间特征提取 | 第37-50页 |
| 3.1 引言 | 第37页 |
| 3.2 尺度空间理论 | 第37-39页 |
| 3.2.1 尺度空间定义 | 第37-38页 |
| 3.2.2 非线性尺度空间 | 第38页 |
| 3.2.3 非线性扩散滤波 | 第38-39页 |
| 3.3 加性算子分裂算法 | 第39-44页 |
| 3.3.1 加性算子分裂 | 第39-41页 |
| 3.3.2 各向异性SIFT算法 | 第41-42页 |
| 3.3.3 AnSIFT性能分析 | 第42-44页 |
| 3.4 基于有向梯度直方图结构的斑点检测算法 | 第44-48页 |
| 3.4.1 基于梯度直方图的斑点提取 | 第44-45页 |
| 3.4.2 基于各向异性扩散滤波的梯度直方图斑点检测 | 第45-46页 |
| 3.4.3 算法比较与分析 | 第46-48页 |
| 3.5 小结 | 第48-50页 |
| 第四章 局部不变特征描述 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 SIFT描述子及其衍生描述子 | 第50-55页 |
| 4.2.1 SIFT描述子 | 第50-51页 |
| 4.2.2 SIFT衍生描述子 | 第51-54页 |
| 4.2.3 基于机器学习的局部特征描述子 | 第54-55页 |
| 4.3 DAISY描述子 | 第55-60页 |
| 4.3.1 DAISY描述子 | 第56-58页 |
| 4.3.2 DAISY描述子参数选择 | 第58-60页 |
| 4.4 基于机器学习的 PCA-DAISY 描述子 | 第60-63页 |
| 4.4.1 DAISY描述子改进步骤 | 第60-61页 |
| 4.4.2 改进描述子训练与测试 | 第61-63页 |
| 4.5 小结 | 第63-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 论文主要工作回顾 | 第64-65页 |
| 5.2 进一步的研究展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-76页 |
| 作者在学期间取得的学术成果 | 第76-77页 |
| 附录A Bhattacharyya系数 | 第77-78页 |
| 附录B 主成分分析 | 第78-79页 |
| 附录C 缩略语对照表 | 第79页 |
