| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 本课题的研究目的和意义 | 第13-14页 |
| 1.2 研究内容及创新点 | 第14-15页 |
| 1.3 论文章节安排 | 第15-17页 |
| 第二章 目标检测与识别算法概述 | 第17-32页 |
| 2.1 目标检测与识别算法的一般框架 | 第17-18页 |
| 2.2 特征提取方法 | 第18-26页 |
| 2.2.1 区域稳定点或极值点检测子 | 第18-21页 |
| 2.2.2 具有不变性的特征描述子 | 第21-24页 |
| 2.2.3 全局特征及特征提取技术 | 第24-26页 |
| 2.3 目标检测与验证策略 | 第26-28页 |
| 2.3.1 分类器 | 第26-27页 |
| 2.3.2 直接匹配法 | 第27-28页 |
| 2.4 目标识别算法的最新成果介绍 | 第28-30页 |
| 2.5 复杂场景下目标识别现状 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于色偏矫正与颜色通道比值变换的目标兴趣区域检测技术 | 第32-52页 |
| 3.1 算法总体介绍 | 第32-34页 |
| 3.1.1 引入预处理算法的必要性 | 第32-33页 |
| 3.1.2 本章算法总体介绍 | 第33-34页 |
| 3.2 基于图像广义均衡的色偏矫正算法 | 第34-38页 |
| 3.2.1 传统直方图均衡等价模型 | 第34-35页 |
| 3.2.2 广义均衡模型的提出 | 第35-36页 |
| 3.2.3 最优参数的选取策略 | 第36-38页 |
| 3.2.4 色偏矫正结果 | 第38页 |
| 3.3 金字塔均值漂移滤波算法（Pyramid Mean-shift Filter） | 第38-42页 |
| 3.3.1 Mean-shift 算法原理 | 第38-41页 |
| 3.3.2 Pyramid Mean-shift 图像滤波算法 | 第41页 |
| 3.3.3 实验结果 | 第41-42页 |
| 3.4 K-means 算法 | 第42-43页 |
| 3.5 颜色通道比值图像变换 | 第43-48页 |
| 3.5.1 颜色通道比值图像变换介绍 | 第43-46页 |
| 3.5.2 颜色通道比值图像的优点 | 第46-48页 |
| 3.6 算法总结和检测结果 | 第48-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 区域优化与基于形状匹配的目标识别技术 | 第52-78页 |
| 4.1 基于目标轮廓提取与漫水填充的兴趣区域优化技术 | 第52-60页 |
| 4.1.1 基于 CCRI 图像的彩色目标边缘提取技术 | 第52-53页 |
| 4.1.2 形态学操作 | 第53-55页 |
| 4.1.3 漫水填充算法 | 第55-56页 |
| 4.1.4 兴趣区域优化技术 | 第56-60页 |
| 4.2 基于距离变换和方向倒角匹配的目标识别技术 | 第60-66页 |
| 4.2.1 距离变换 | 第61-64页 |
| 4.2.2 传统的倒角匹配（Chamfer Matching）算法 | 第64-65页 |
| 4.2.3 三维方向倒角匹配 | 第65-66页 |
| 4.3 形状匹配算法的优化策略 | 第66-71页 |
| 4.3.1 RANSAC 线段拟合算法 | 第67-68页 |
| 4.3.2 距离变换积分图 | 第68-69页 |
| 4.3.3 搜索策略优化 | 第69-71页 |
| 4.4 目标识别算法整体框架及实验结果 | 第71-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 特定目标检测与识别算法的软件平台与性能测试 | 第78-87页 |
| 5.1 软件开发平台 | 第78-81页 |
| 5.2 算法性能测试 | 第81-86页 |
| 5.2.1 算法时间复杂度测试 | 第82-83页 |
| 5.2.2 目标检测与识别算法性能测试 | 第83-86页 |
| 5.3 本章小结 | 第86-87页 |
| 第六章 总结与展望 | 第87-89页 |
| 6.1 本文主要工作总结 | 第87-88页 |
| 6.2 后续研究工作展望 | 第88-89页 |
| 参考文献 | 第89-95页 |
| 致谢 | 第95-96页 |
| 攻读硕士学位期间已发表或录用的论文 | 第96-98页 |
