| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 问题定义 | 第14-16页 |
| 1.3 本文工作和创新点 | 第16-17页 |
| 1.4 章节安排 | 第17-18页 |
| 第2章 相关工作 | 第18-24页 |
| 2.1 物体检索 | 第18-19页 |
| 2.2 跨场景检索 | 第19-20页 |
| 2.3 局部对象提取 | 第20-23页 |
| 2.3.1 图像分割 | 第20-21页 |
| 2.3.2 特征点检测 | 第21-22页 |
| 2.3.3 眼镜对象提取 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 眼镜特征点检测 | 第24-38页 |
| 3.1 眼镜特征点定义 | 第24-27页 |
| 3.2 特征点检测模型 | 第27-31页 |
| 3.2.1 特征点检测问题定义 | 第27页 |
| 3.2.2 式形状模型的特征点检测-ASM | 第27-28页 |
| 3.2.3 无形状模型的特征点检测-SDM | 第28-30页 |
| 3.2.4 ASM与SDM的比较分析 | 第30-31页 |
| 3.3 基于SDM的眼镜特征点检测 | 第31-33页 |
| 3.4 眼镜特征点检测下对SDM的改进 | 第33-37页 |
| 3.4.1 不对称HOG算子 | 第33-35页 |
| 3.4.2 从全局到局部的回归处理 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 眼镜特征提取 | 第38-46页 |
| 4.1 传统的特征提取算法 | 第38-40页 |
| 4.1.1 形状特征-ShapeContext | 第38-39页 |
| 4.1.2 纹理特征-HOG | 第39-40页 |
| 4.1.3 颜色特征-Color Histogram | 第40页 |
| 4.2 眼镜混合特征描述符的设计 | 第40-44页 |
| 4.2.1 自定义的眼镜形状特征描述符 | 第41-42页 |
| 4.2.2 混合特征描述符 | 第42-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 跨场景眼镜检索框架的设计与实现 | 第46-56页 |
| 5.1 检索框架总体设计 | 第46页 |
| 5.2 预处理功能块 | 第46-49页 |
| 5.2.1 眼镜人物图像预处理 | 第48-49页 |
| 5.2.2 纯眼镜图像预处理 | 第49页 |
| 5.3 特征点检测模型 | 第49-52页 |
| 5.3.1 人工标注训练样本特征点 | 第50页 |
| 5.3.2 训练样本平均形状 | 第50-51页 |
| 5.3.3 SDM构建眼镜特征点检测模型 | 第51-52页 |
| 5.4 特征提取功能块 | 第52页 |
| 5.5 混合特征归一化处理 | 第52-53页 |
| 5.6 相似性计算 | 第53-55页 |
| 5.6.1 基于距离函数的相似性计算 | 第54-55页 |
| 5.6.2 眼镜相似性计算 | 第55页 |
| 5.7 本章小结 | 第55-56页 |
| 第6章 实验结果分析 | 第56-68页 |
| 6.1 实验环境 | 第56页 |
| 6.2 数据集描述 | 第56-57页 |
| 6.3 特征点检测模型结果与分析 | 第57-63页 |
| 6.3.1 评价方法 | 第57页 |
| 6.3.2 眼镜人物库检测效果分析 | 第57-61页 |
| 6.3.3 眼镜库检测效果分析 | 第61-63页 |
| 6.4 检索结果与分析 | 第63-66页 |
| 6.4.1 评价方法 | 第63-64页 |
| 6.4.2 检索框架效果分析 | 第64-66页 |
| 6.5 本章小结 | 第66-68页 |
| 第7章 总结与展望 | 第68-70页 |
| 7.1 本文的主要工作与贡献 | 第68-69页 |
| 7.2 未来的工作方向 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间的主要研究成果 | 第74-75页 |
| 致谢 | 第75页 |