| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 形状特征提取与描述的研究现状 | 第13-16页 |
| 1.2.2 相似性度量与形状匹配研究现状 | 第16-18页 |
| 1.3 本文的主要工作及结构安排 | 第18-21页 |
| 第二章 基于多尺度不变量的目标识别方法研究 | 第21-48页 |
| 2.1 形状的多尺度不变量描述 | 第21-27页 |
| 2.1.1 单连通区域的定义 | 第21-22页 |
| 2.1.2 多尺度不变量描述的定义 | 第22-24页 |
| 2.1.3 预设圆半径和最大层数的设定 | 第24-26页 |
| 2.1.4 多尺度不变量描述与积分不变量描述的区别 | 第26-27页 |
| 2.2 基于自适应离散曲线演化的显著轮廓特征提取 | 第27-31页 |
| 2.2.1 背景与意义 | 第27-28页 |
| 2.2.2 离散曲线演化算法 | 第28-29页 |
| 2.2.3 自适应离散轮廓演化算法 | 第29-31页 |
| 2.3 基于动态规划的形状匹配方法 | 第31-35页 |
| 2.3.1 动态规划的技术思路 | 第31-32页 |
| 2.3.2 基于动态时间规整的形状匹配 | 第32-35页 |
| 2.4 实验与分析 | 第35-46页 |
| 2.4.1 多尺度不变量描述的不变性 | 第35-39页 |
| 2.4.2 形状检索实验 | 第39-43页 |
| 2.4.3 初始半径与最大尺度层数的设定实验 | 第43-44页 |
| 2.4.4 抗噪性能测试 | 第44-46页 |
| 2.4.5 计算效率测试 | 第46页 |
| 2.5 本章小结 | 第46-48页 |
| 第三章 基于度量学习的目标识别方法研究 | 第48-59页 |
| 3.1 方法背景与流程 | 第48-49页 |
| 3.2 显著特征点袋的构建 | 第49-52页 |
| 3.2.1 显著特征点提取 | 第49-50页 |
| 3.2.2 显著特征点的描述 | 第50-51页 |
| 3.2.3 显著特征点的聚类分析 | 第51-52页 |
| 3.3 基于度量学习的目标识别 | 第52-53页 |
| 3.4 实验与分析 | 第53-58页 |
| 3.4.1 形状表示方法的不变量性质 | 第53-54页 |
| 3.4.2 目标识别实验 | 第54-57页 |
| 3.4.3 抗噪性能测试 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 差分多尺度不变量描述方法研究 | 第59-71页 |
| 4.1 描述方法设计思路 | 第59-60页 |
| 4.2 差分多尺度不变量描述方法 | 第60-63页 |
| 4.2.1 不变量的计算 | 第60-62页 |
| 4.2.2 预设圆半径和最大层数的设定 | 第62-63页 |
| 4.3 轮廓的显著特征点提取 | 第63-64页 |
| 4.4 基于动态规划的形状匹配 | 第64-65页 |
| 4.5 实验与分析 | 第65-69页 |
| 4.5.1 多尺度不变量描述的不变性 | 第66-67页 |
| 4.5.2 目标识别实验 | 第67-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第五章 基于RGB-D数据的实时手势识别应用 | 第71-79页 |
| 5.1 应用背景简介 | 第71页 |
| 5.2 基于多尺度不变量描述的手势识别 | 第71-75页 |
| 5.2.1 应用框架 | 第71-72页 |
| 5.2.2 手势提取 | 第72-73页 |
| 5.2.3 手势形状描述 | 第73-74页 |
| 5.2.4 手势识别 | 第74-75页 |
| 5.3 实验与分析 | 第75-78页 |
| 5.3.1 不变性验证实验 | 第75-77页 |
| 5.3.2 手势数据库识别实验 | 第77-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 工作总结 | 第79-80页 |
| 6.2 研究展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间取得的科研成果 | 第86-88页 |
| 致谢 | 第88-89页 |