| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-20页 |
| ·课题背景与意义 | 第9-11页 |
| ·主要技术挑战 | 第11-12页 |
| ·图像分类国内外研究现状 | 第12-18页 |
| ·图像特征提取现状 | 第12-17页 |
| ·底层视觉特征 | 第13-14页 |
| ·中间语义特征 | 第14-17页 |
| ·分类方法概述 | 第17-18页 |
| ·本文的主要工作 | 第18页 |
| ·论文的组织 | 第18-20页 |
| 第二章 图像分类理论 | 第20-29页 |
| ·概率图模型 | 第20-21页 |
| ·图模型结构简介 | 第21-22页 |
| ·贝叶斯网络 | 第21-22页 |
| ·马尔科夫网络 | 第22页 |
| ·期望值最大算法 | 第22-24页 |
| ·EM算法步骤 | 第23-24页 |
| ·图像分类算法简介 | 第24-28页 |
| ·随机半监督采样[7] | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 局部特征的提取方法 | 第29-35页 |
| ·局部特征的提取与匹配 | 第29-31页 |
| ·局部特征提取方法 | 第29-30页 |
| ·特征描述 | 第30-31页 |
| ·匹配方法及评价标准 | 第31-32页 |
| ·抗缩放局部特征----SIFT特征描述 | 第32页 |
| ·两种典型局部特征比较 | 第32-34页 |
| ·实验步骤 | 第32-33页 |
| ·实验结果 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 图像分类系统的建立及其在视频跟踪算法中的应用 | 第35-43页 |
| ·图像分类系统的建立 | 第35页 |
| ·相关实验结果 | 第35-37页 |
| ·图像分类算法在视频跟踪领域的应用 | 第37-42页 |
| ·视频跟踪算法简介 | 第37页 |
| ·基于图像类别的加权融合特征 | 第37-39页 |
| ·实验结果 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 一体化摄像机系统设计 | 第43-62页 |
| ·一体化摄像机的设计方案 | 第44页 |
| ·系统总体结构设计 | 第44-48页 |
| ·图像采集方案 | 第45-46页 |
| ·电机驱动模块 | 第46-47页 |
| ·DSP信号处理模块 | 第47-48页 |
| ·系统软件及驱动程序设计 | 第48-50页 |
| ·自动聚焦算法 | 第50-61页 |
| ·聚焦区域选择算法 | 第51-56页 |
| ·清晰度评价函数的选择 | 第56-61页 |
| ·灰度变化函数及梯度函数[30] | 第56-57页 |
| ·高频分量判据[31] | 第57页 |
| ·熵判据[33] | 第57-58页 |
| ·实验结果 | 第58-60页 |
| ·融合评价函数 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·结论 | 第62页 |
| ·未来工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 研究生期间科研工作 | 第69页 |
| 文章及专利 | 第69-70页 |
| 致谢 | 第70页 |