| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 图像滤波与增强算法的研究进展 | 第17-19页 |
| 1.2.2 图像特征提取与分类算法的研究进展 | 第19-20页 |
| 1.3 论文内容与章节安排 | 第20-22页 |
| 第二章 基于高斯Gabor混合滤波的图像增强 | 第22-40页 |
| 2.1 引言 | 第22页 |
| 2.2 高斯滤波与Gabor滤波 | 第22-29页 |
| 2.2.1 高斯滤波 | 第22-26页 |
| 2.2.2 Gabor滤波 | 第26-29页 |
| 2.3 基于高斯Gabor混合滤波的图像增强算法 | 第29-39页 |
| 2.3.1 混合滤波算法描述 | 第29-33页 |
| 2.3.2 实验结果与分析 | 第33-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 基于高斯Gabor混合滤波的尺度不变特征提取 | 第40-58页 |
| 3.1 引言 | 第40页 |
| 3.2 基于尺度不变性的特征提取算法 | 第40-46页 |
| 3.2.1 SIFT算法 | 第40-46页 |
| 3.2.2 SIFT算法的问题 | 第46页 |
| 3.3 基于高斯Gabor混合滤波的尺度不变特征提取算法 | 第46-57页 |
| 3.3.1 基于混合滤波的尺度空间构建 | 第46-49页 |
| 3.3.2 GSIFT算法描述 | 第49-51页 |
| 3.3.3 实验结果与分析 | 第51-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于Gabor尺度不变特征变换的图像分类 | 第58-72页 |
| 4.1 引言 | 第58页 |
| 4.2 基于GSIFT的图像分类算法 | 第58-63页 |
| 4.2.1 图像分类识别概述 | 第58-61页 |
| 4.2.2 基于尺度不变性的图像分类算法 | 第61页 |
| 4.2.3 实验结果与分析 | 第61-63页 |
| 4.3 基于GSIFT的降维分类算法 | 第63-71页 |
| 4.3.1 特征降维算法 | 第64-67页 |
| 4.3.2 实验结果与分析 | 第67-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82-83页 |