基于形状的图像轮廓赋形及目标检测技术
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-13页 |
| 表格索引 | 第13-14页 |
| 1 概述 | 第14-36页 |
| ·引言 | 第14-16页 |
| ·图像分割 | 第16-29页 |
| ·形状表示 | 第29-32页 |
| ·目标识别 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 2 低层次目标识别技术:图像分割技术 | 第36-50页 |
| ·引言 | 第36页 |
| ·传统分割算法 | 第36-37页 |
| ·用粒子滤波进行轮廓跟踪的轮廓提取算子 | 第37页 |
| ·结合全局及局域约束的基于粒子滤波的轮廓提取算子 | 第37-46页 |
| ·本章小结 | 第46-50页 |
| 3 干净背景下的图像理解技术:形状描述与匹配 | 第50-57页 |
| ·引言 | 第50-51页 |
| ·基于三角形关系的形状描述符算子 | 第51-54页 |
| ·实验结果 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 4 高层次目标识别技术:基于形状的轮廓组合技术 | 第57-87页 |
| ·引言 | 第57页 |
| ·边界连接技术 | 第57-58页 |
| ·模型分解技术 | 第58-61页 |
| ·基于多尺度随机场和松弛标签的目标识别 | 第61-72页 |
| ·基于粒子滤波的目标识别 | 第72-84页 |
| ·本章小结 | 第84-87页 |
| 5 总结与展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-99页 |
| 附录1 攻读学位期间发表的学术论文 | 第99-100页 |
| 附录2 粒子滤波理论 | 第100-107页 |
| ·引言 | 第100页 |
| ·贝叶斯(Bayesian)统计和贝叶斯估计 | 第100-102页 |
| ·序列Monte Carlo估计:粒子滤波 | 第102-105页 |
| ·序列重要性采样滤波 | 第105-107页 |
| 附录3 松弛标签算法 | 第107-111页 |
| ·引言 | 第107页 |
| ·连续RL的表示 | 第107-108页 |
| ·最大化方程 | 第108-111页 |
| 附录4 分类器组合方法 | 第111-116页 |
| ·引言 | 第111-112页 |
| ·Bagging方法 | 第112-113页 |
| ·Boosting方法 | 第113-116页 |
