| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 前言 | 第8-13页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容和方法 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 基本概念介绍 | 第13-24页 |
| 2.1 图像特征提取基本概念 | 第13-16页 |
| 2.1.1 图像纹理特征 | 第13-15页 |
| 2.1.2 图像局部特征 | 第15-16页 |
| 2.2 局部二值模式 | 第16-17页 |
| 2.3 尺度不变特征变换 | 第17-21页 |
| 2.3.1 尺度空间理论与高斯差分金字塔 | 第18-21页 |
| 2.3.2 SIFT关键点方向分配 | 第21页 |
| 2.4 神经网络 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于LBP的三维局部二值特征提取方法 | 第24-33页 |
| 3.1 OLBP的最优特征平面 | 第24-28页 |
| 3.2 OLBP特征提取 | 第28-29页 |
| 3.3 实验结果及分析 | 第29-32页 |
| 3.3.1 Confocal花粉图像的实验结果 | 第29-30页 |
| 3.3.2 Pollenmonitor花粉图像的实验结果 | 第30-31页 |
| 3.3.3 不同算法的识别性能比较 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于SIFT的三维局部关键点特征提取方法 | 第33-46页 |
| 4.1 三维高斯尺度空间的构造 | 第33-34页 |
| 4.2 尺度不变关键点提取 | 第34-36页 |
| 4.3 旋转不变特征变换 | 第36-39页 |
| 4.3.1 三维空间坐标旋转变换方法 | 第36-37页 |
| 4.3.2 关键点的旋转变换 | 第37-39页 |
| 4.4 实验结果及分析 | 第39-41页 |
| 4.4.1 Confocal花粉图像的实验结果 | 第39-40页 |
| 4.4.2 Pollenmonitor花粉图像的实验结果 | 第40-41页 |
| 4.4.3 不同算法的识别性能比较 | 第41页 |
| 4.5 本文提出的两种算法间的性能验证 | 第41-45页 |
| 4.5.1 Confocal花粉库算法性能验证 | 第42-43页 |
| 4.5.2 Pollenmonitor花粉图像库算法性能验证 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 作者简介 | 第53页 |
