| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·目标识别方法的研究背景与意义 | 第8-9页 |
| ·目标识别方法简介 | 第9-12页 |
| ·技术难点 | 第12-13页 |
| ·本文主要工作与文章结构 | 第13-15页 |
| ·本文的主要工作与创新点 | 第13-14页 |
| ·章节安排 | 第14-15页 |
| 2 常用图像分割方法 | 第15-24页 |
| ·超像素的产生 | 第15-20页 |
| ·基于图论的过分割方法 | 第15-17页 |
| ·基于梯度上升的图像分割方法 | 第17-20页 |
| ·几种分割方法的比较及选择 | 第20-23页 |
| ·几种分割方法的比较 | 第20-22页 |
| ·本文分割算法的选择 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于ML_pLSA模型和特征包算法的目标识别方法 | 第24-45页 |
| ·本文算法的思想来源 | 第24-25页 |
| ·BOW算法 | 第25-33页 |
| ·BOW算法介绍 | 第26-28页 |
| ·特征提取 | 第28页 |
| ·特征表示 | 第28-31页 |
| ·字典的构建 | 第31-32页 |
| ·特征包的构建 | 第32-33页 |
| ·ML-pLSA模型 | 第33-42页 |
| ·LSA模型与pLSA模型简介 | 第34-37页 |
| ·ML-pLSA模型的数学基础及物理意义 | 第37-39页 |
| ·ML-pLSA模型潜在变量的求解 | 第39-41页 |
| ·ML_pLSA模型的具体实现及优势 | 第41-42页 |
| ·改进的快速漂移算法 | 第42-43页 |
| ·本文的具体算法步骤 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 实验结果及分析 | 第45-56页 |
| ·GRAZ-02图像库简介 | 第45页 |
| ·实验参数设置 | 第45-47页 |
| ·字典及分割算法参数设置 | 第45-46页 |
| ·训练与测试过程参数设置 | 第46-47页 |
| ·本文评价方法 | 第47-48页 |
| ·实验结果及分析 | 第48-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |