基于Boosting和PDE的目标识别和分割
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-19页 |
| ·研究背景及意义 | 第8-11页 |
| ·研究现状 | 第11-17页 |
| ·Boosting算法研究现状 | 第11-14页 |
| ·图像分割研究现状 | 第14-17页 |
| ·本文的主要工作和章节安排 | 第17-19页 |
| 2 Boosting算法概述 | 第19-27页 |
| ·机器学习概述 | 第19-20页 |
| ·集成学习概述 | 第20-21页 |
| ·Boosting方法的引出 | 第21-23页 |
| ·Boosting算法的实例 | 第21-22页 |
| ·与Boosting算法的有关的概念 | 第22-23页 |
| ·Boosting系列算法 | 第23-26页 |
| ·AdaBoost算法 | 第23-25页 |
| ·BBM算法 | 第25-26页 |
| ·AdaBoost算法的拓展模型 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 基于Boosting的目标识别 | 第27-33页 |
| ·本章引论 | 第27页 |
| ·场景中目标识别 | 第27-29页 |
| ·场景中目标识别的含义 | 第27-28页 |
| ·场景中目标识别的方法 | 第28-29页 |
| ·基于Boosting的目标识别 | 第29-31页 |
| ·Boosting分类方法 | 第30-31页 |
| ·目标识别的算法步骤 | 第31页 |
| ·本章小结 | 第31-33页 |
| 4 基于PDE的目标分割 | 第33-46页 |
| ·本章引论 | 第33-34页 |
| ·图像分割的方法 | 第33页 |
| ·基于PDE的图像分割方法 | 第33-34页 |
| ·与分割有关的数学理论 | 第34-38页 |
| ·曲线演化理论 | 第34-37页 |
| ·水平集理论 | 第37-38页 |
| ·活动轮廓模型 | 第38-44页 |
| ·Snake模型表达 | 第38-40页 |
| ·GAC模型表达 | 第40-41页 |
| ·Mumford-Shah模型表达 | 第41-42页 |
| ·CV模型表达 | 第42-44页 |
| ·实验结果与分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于Boosting和PDE的目标识别与分割 | 第46-63页 |
| ·本章引论 | 第46页 |
| ·算法介绍 | 第46-47页 |
| ·实验结果与分析 | 第47-60页 |
| ·特征提取 | 第47-53页 |
| ·目标识别 | 第53-59页 |
| ·目标分割 | 第59-60页 |
| ·GUI检测系统 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 6 结论 | 第63-66页 |
| ·全文总结 | 第63-64页 |
| ·未来工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 致谢 | 第71-74页 |
| 附件 | 第74页 |
