基于多尺度相对梯度差异化信息的光照不变量的图像特征提取算法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-29页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究内容 | 第16-19页 |
| 1.2.1 图像特征的简介 | 第17-18页 |
| 1.2.2 图像特征的特点 | 第18-19页 |
| 1.2.3 图像特征提取存在的问题 | 第19页 |
| 1.3 图像特征提取研究现状 | 第19-25页 |
| 1.3.1 图像特征的发展 | 第19-20页 |
| 1.3.2 图像特征提取的方法 | 第20-23页 |
| 1.3.3 图像特征及方法的分类 | 第23-25页 |
| 1.4 研究难点 | 第25-26页 |
| 1.5 章节安排 | 第26-29页 |
| 第二章 光照不变量 | 第29-35页 |
| 2.1 想光照模型 | 第29-30页 |
| 2.2 相对梯度理论 | 第30-31页 |
| 2.3 相对梯度差异化特征 | 第31-32页 |
| 2.4 多尺度相对梯度差异化信息 | 第32-34页 |
| 2.4.1 Gabor小波 | 第32-33页 |
| 2.4.2 多尺度特征 | 第33页 |
| 2.4.3 多尺度相对梯度差异化信息 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 特征提取和分类 | 第35-43页 |
| 3.1 特征提取 | 第35-37页 |
| 3.1.1 特征提取的基本概念 | 第35-36页 |
| 3.1.2 特征提取的要点 | 第36-37页 |
| 3.2 特征分类 | 第37-41页 |
| 3.2.1 分类器简介 | 第37-40页 |
| 3.2.2 归类方法的分类 | 第40-41页 |
| 3.3 基于光照不变量的特征提取 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 实验 | 第43-51页 |
| 4.1 实验一 | 第43-46页 |
| 4.1.1 Yale B数据库上的实验 | 第43-45页 |
| 4.1.2 CMU_PIE数据库 | 第45页 |
| 4.1.3 扩展Yale B数据库实验 | 第45-46页 |
| 4.1.4 实验结果分析 | 第46页 |
| 4.2 实验二 | 第46-49页 |
| 4.2.1 Yale B数据库上的实验 | 第47-48页 |
| 4.2.2 CMU_PIE数据库 | 第48页 |
| 4.2.3 扩展Yale B数据库实验 | 第48-49页 |
| 4.2.4 实验结果分析 | 第49页 |
| 4.3 实验三 | 第49-50页 |
| 4.3.1 Yale数据库的实验 | 第49-50页 |
| 4.3.2 实验结果分析 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 结论 | 第51-53页 |
| 5.1 工作总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 作者简介 | 第61页 |
