| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 附图目录 | 第10-12页 |
| 附表目录 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究背景与意义 | 第13页 |
| ·研究技术简介 | 第13-17页 |
| ·目标识别与跟踪技术概述 | 第13-15页 |
| ·局部特征描述子技术 | 第15-16页 |
| ·基于局部描述子的目标识别 | 第16页 |
| ·基于局部描述子的目标检测与跟踪技术 | 第16-17页 |
| ·论文的主要工作与结构安排 | 第17-21页 |
| 第二章 SIFT 算法及其经典改进算法 | 第21-35页 |
| ·引言 | 第21页 |
| ·尺度不变特征变换（SIFT）算法 | 第21-28页 |
| ·尺度空间极值检测 | 第21-24页 |
| ·关键点精确定位 | 第24-26页 |
| ·关键点方向分配 | 第26-27页 |
| ·局部描述子的生成 | 第27-28页 |
| ·基于 SIFT 算法的图像匹配 | 第28-30页 |
| ·初步匹配 | 第28-29页 |
| ·匹配对提纯 | 第29-30页 |
| ·SIFT 算法的经典改进算法 | 第30-33页 |
| ·PCA-SIFT | 第30-31页 |
| ·GLOH | 第31-32页 |
| ·SURF | 第32-33页 |
| ·算法性能对比 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第三章 基于改进 SIFT 算法的遥感图像特定建筑区域快速识别 | 第35-53页 |
| ·引言 | 第35-36页 |
| ·基于显著边缘约束的改进 SIFT 极值检测 | 第36-39页 |
| ·改进算法设计 | 第36-37页 |
| ·实验及结果分析 | 第37-39页 |
| ·遥感图像特定建筑区域识别 | 第39-45页 |
| ·识别算法流程 | 第39-41页 |
| ·基于局部邻域相似性的正确匹配点对提取 | 第41-45页 |
| ·改进算法设计 | 第41-42页 |
| ·实验及结果分析 | 第42-45页 |
| ·实验及结果分析 | 第45-50页 |
| ·实验数据 | 第45-46页 |
| ·单体建筑 | 第45页 |
| ·建筑区 | 第45-46页 |
| ·识别结果及分析 | 第46-50页 |
| ·单体建筑的识别结果及分析 | 第46-49页 |
| ·建筑区的识别结果及分析 | 第49-50页 |
| ·本章小结 | 第50-53页 |
| 第四章 基于改进 SIFT 算法精确配准的运动目标检测跟踪 | 第53-73页 |
| ·引言 | 第53页 |
| ·基于改进 SIFT 算法精确配准的帧间差分法 | 第53-57页 |
| ·传统帧间差分法的局限性 | 第53-55页 |
| ·SIFT 算法改进 | 第55-56页 |
| ·实验及结果分析 | 第56-57页 |
| ·运动目标跟踪 | 第57-65页 |
| ·运动目标跟踪流程 | 第57-58页 |
| ·基于区域合并的运动目标的检测 | 第58-59页 |
| ·基于目标局部特性的判定准则 | 第59-61页 |
| ·基于置信度检测的运动目标跟踪 | 第61-62页 |
| ·基于 SVM 的行人车辆分类 | 第62-65页 |
| ·支持向量机 | 第62页 |
| ·目标特征提取 | 第62-65页 |
| ·实验及结果分析 | 第65-71页 |
| ·实验数据及分类器的训练数据 | 第65-67页 |
| ·实验数据 | 第65-66页 |
| ·分类器的训练数据 | 第66-67页 |
| ·实验及结果分析 | 第67-71页 |
| ·运动目标检测结果 | 第67-68页 |
| ·运动目标跟踪结果 | 第68页 |
| ·结果分析 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| ·研究总结 | 第73-74页 |
| ·研究展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读学位期间发表论文与研究成果清单 | 第81-82页 |
| 致谢 | 第82页 |