| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-13页 |
| ·目标融合识别的国内外研究现状 | 第13-14页 |
| ·图像融合及目标识别 | 第14-16页 |
| ·论文主要工作及安排 | 第16-18页 |
| 第二章 图像目标识别预处理及特征量 | 第18-36页 |
| ·图像平滑 | 第18-21页 |
| ·平滑算法 | 第18-20页 |
| ·平滑算法实验分析 | 第20-21页 |
| ·图像增强 | 第21-22页 |
| ·直方图均衡化 | 第21-22页 |
| ·实验结果及分析 | 第22页 |
| ·图像形态学 | 第22-23页 |
| ·目标识别特征 | 第23-35页 |
| ·角点特征 | 第24-30页 |
| ·斑点（Blob）特征 | 第30-32页 |
| ·颜色特征 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于简化轮廓模型匹配的目标识别方法 | 第36-45页 |
| ·目标轮廓的最小周长多边形近似（MPP） | 第36-37页 |
| ·构造特征不变量——同底三角形面积比 | 第37-39页 |
| ·建立全方位姿态目标匹配模型库 | 第39-41页 |
| ·全方位姿态目标匹配模型库的框架 | 第39页 |
| ·全方位姿态目标匹配模型库的实现 | 第39-41页 |
| ·基于模型匹配的目标识别算法 | 第41-44页 |
| ·建立模型匹配数据库 | 第41页 |
| ·目标识别算法流程 | 第41-42页 |
| ·实验结果 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 改进的基于 SIFT 和颜色特征的目标识别算法 | 第45-69页 |
| ·SIFT 特征提取 | 第45-53页 |
| ·高斯尺度空间 | 第46-47页 |
| ·生成 DoG 尺度空间 | 第47-48页 |
| ·检测尺度空间极值点 | 第48-50页 |
| ·指定特征点方向参数 | 第50-51页 |
| ·构造 SIFT 特征点特征矢量 | 第51-53页 |
| ·视觉词汇算法 | 第53-56页 |
| ·视觉词汇（Bag of Words）算法过程 | 第53-55页 |
| ·k-近邻规则 | 第55-56页 |
| ·基于 SIFT 的 BoW 识别算法实验结果 | 第56-63页 |
| ·全方位姿态模型库识别实验 | 第58-61页 |
| ·Caltech-101 图像库识别实验 | 第61-63页 |
| ·改进的基于颜色区间化矩阵的 SIFT 特征 | 第63-67页 |
| ·构造基于 HSV 颜色区间化矩阵的 SIFT 特征 | 第63-65页 |
| ·实验结果及分析 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 可见光与红外图像融合的目标识别方法 | 第69-77页 |
| ·红外与可见光图像的特征 | 第69-71页 |
| ·红外图像和可见光图像的像素级融合算法 | 第71-76页 |
| ·可见光和红外图像的像素级加权平均融合 | 第71-72页 |
| ·基于像素级图像融合识别算法实验结果及分析 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |