| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·主要研究内容 | 第11-12页 |
| ·本文组织结构 | 第12-14页 |
| 第2章 图像匹配的多阶特征 | 第14-24页 |
| ·特征点的检测 | 第14-18页 |
| ·特征点的引入 | 第14-16页 |
| ·特征点检测器的计算 | 第16-18页 |
| ·图像特征点描述子 | 第18-20页 |
| ·图像多阶特征 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 多阶特征匹配的最优化模型 | 第24-34页 |
| ·最优化匹配模型 | 第24-26页 |
| ·最优化匹配模型求解算法 | 第26-29页 |
| ·二分图的最大匹配 | 第26-27页 |
| ·二分图的最大权匹配 | 第27-29页 |
| ·实验 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 Bundle Methods 机器学习方法 | 第34-46页 |
| ·机器学习三要素 | 第34-38页 |
| ·模型 | 第35页 |
| ·策略 | 第35-38页 |
| ·算法 | 第38页 |
| ·Bundle Methods | 第38-44页 |
| ·标准 Bundle Methods | 第41-42页 |
| ·正则风险最小化的 Bundle Methods | 第42-44页 |
| ·图匹配模型中的权重分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 多阶特征匹配的机器学习模型 | 第46-58页 |
| ·机器学习模型 | 第46-49页 |
| ·问题描述 | 第46-48页 |
| ·模型及权重参数 | 第48页 |
| ·Loss 计算 | 第48-49页 |
| ·机器学习模型的求解 | 第49-52页 |
| ·问题优化 | 第49-50页 |
| ·算法与实现 | 第50-52页 |
| ·实验 | 第52-57页 |
| ·视频序列 | 第52-54页 |
| ·变换图像 | 第54-56页 |
| ·Human 序列 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |