| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 家庭服务机器人研究现状 | 第11-14页 |
| 1.2.2 图像场景识别研究现状 | 第14-15页 |
| 1.3 论文的组织结构 | 第15-18页 |
| 第2章 MeanShift算法及其改进 | 第18-36页 |
| 2.1 MeanShift算法原理 | 第18-23页 |
| 2.1.1 MeanShift向量 | 第18-19页 |
| 2.1.2 核密度梯度估计 | 第19-20页 |
| 2.1.3 MeanShift算法步骤 | 第20-21页 |
| 2.1.4 MeanShift图像分割算法 | 第21-23页 |
| 2.2 图像分割尺度控制 | 第23-28页 |
| 2.2.1 带宽参数的分析 | 第23-24页 |
| 2.2.2 基于边缘敏感度的图像尺度控制 | 第24-27页 |
| 2.2.3 试验结果与分析 | 第27-28页 |
| 2.3 融合深度信息的图像分割 | 第28-34页 |
| 2.3.1 深度图像 | 第29页 |
| 2.3.2 基于双目视觉和Kinect的深度信息提取 | 第29-32页 |
| 2.3.3 融合深度信息的MeanShift分割 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于图像分割图块的特征提取 | 第36-48页 |
| 3.1 颜色特征 | 第36-40页 |
| 3.1.1 RGB颜色空间 | 第36-37页 |
| 3.1.2 HIS颜色空间 | 第37-38页 |
| 3.1.3 颜色特征提取 | 第38-40页 |
| 3.2 HOG特征 | 第40-44页 |
| 3.2.1 方向梯度直方图概述 | 第40页 |
| 3.2.2 HOG特征提取算法 | 第40-42页 |
| 3.2.3 分割图块的HOG特征提取实现过程 | 第42-44页 |
| 3.3 形状特征 | 第44-47页 |
| 3.3.1 形状特征的描述 | 第44-45页 |
| 3.3.2 分割图块形状特征的提取 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 融合多特征的词袋模型 | 第48-60页 |
| 4.1 词袋模型原理 | 第48-50页 |
| 4.2 图像视觉特征提取 | 第50-53页 |
| 4.2.1 构建尺度空间 | 第50-51页 |
| 4.2.2 局部极值点检测 | 第51-52页 |
| 4.2.3 特征点方向分配 | 第52-53页 |
| 4.2.4 特征描述符生成 | 第53页 |
| 4.3 K-means聚类生成视觉词汇表 | 第53-54页 |
| 4.4 融合分割图块特征的图像表达 | 第54-55页 |
| 4.5 支持向量机 | 第55-58页 |
| 4.5.1 SVM分类原理 | 第56-57页 |
| 4.5.2 SVM多类分类问题 | 第57-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第5章 基于多特征融合词袋模型的场景识别 | 第60-72页 |
| 5.1 图像拼接技术 | 第60-64页 |
| 5.1.1 图像投影变换 | 第60-62页 |
| 5.1.2 特征点检测及匹配 | 第62-64页 |
| 5.1.3 图像融合 | 第64页 |
| 5.2 室内场景识别实验 | 第64-70页 |
| 5.3 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78-80页 |
| 致谢 | 第80页 |