三维物体识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-16页 |
| 第一章 引言 | 第16-31页 |
| ·研究背景 | 第16-28页 |
| ·基于模型或几何的方法 | 第17-18页 |
| ·基于视图的方法 | 第18-20页 |
| ·基于局部特征匹配的方法 | 第20-27页 |
| ·基于Harris 角点检测器的方法 | 第22-23页 |
| ·基于局部直方图的描述子 | 第23-24页 |
| ·基于几何区域和基于强度区域的方法 | 第24-25页 |
| ·应用于宽基线立体视觉问题的方法 | 第25-26页 |
| ·对感兴趣点检测器和描述子进行的评估 | 第26-27页 |
| ·光学三维物体识别 | 第27-28页 |
| ·基于深度图像的三维物体识别 | 第28页 |
| ·课题来源 | 第28-29页 |
| ·本文的工作及创新点 | 第29页 |
| ·全文内容安排 | 第29-31页 |
| 第二章 不变性特征的提取 | 第31-42页 |
| ·概述 | 第31-32页 |
| ·基于矩的方法 | 第32-40页 |
| ·Hu 不变矩 | 第32-34页 |
| ·仿射不变矩 | 第34-35页 |
| ·颜色矩 | 第35-36页 |
| ·小波矩 | 第36-40页 |
| ·连续小波矩 | 第36-37页 |
| ·离散小波矩算法 | 第37-39页 |
| ·仿真实验 | 第39-40页 |
| ·基于灰度共生矩阵（GLCM）的纹理分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于支持向量机和遗传算法的三维物体识别 | 第42-59页 |
| ·概述 | 第42-43页 |
| ·支持向量机 | 第43-46页 |
| ·相关理论基础 | 第43-45页 |
| ·SVM 的性能评估 | 第45-46页 |
| ·遗传算法理论基础 | 第46-49页 |
| ·特征选择及SVM 参数选择的联合优化 | 第49-52页 |
| ·物体特征的选择 | 第50-51页 |
| ·SVM 参数的选择 | 第51页 |
| ·联合优化选择 | 第51-52页 |
| ·仿真结果与分析 | 第52-58页 |
| ·原始图像仿真实验 | 第52-57页 |
| ·噪声污染图像实验 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 基于局部特征匹配的三维物体识别 | 第59-104页 |
| ·概述 | 第59-60页 |
| ·检测器(Detector) | 第60-70页 |
| ·几何不变性简述 | 第60-63页 |
| ·图像中的鉴别区域 | 第63-70页 |
| ·最稳定极值区域（MSER） | 第63-65页 |
| ·不同排序方式的影响 | 第65-67页 |
| ·鉴别区域对环境的自适应 | 第67-70页 |
| ·描述子（Descriptor）设计 | 第70-92页 |
| ·基于MSER 的仿射不变傅氏描述子 | 第70-74页 |
| ·基于对局部区域的统计特性计算的多种特征描述子 | 第74-92页 |
| ·仿射协变的几何基元 | 第74-78页 |
| ·几何基元的检测 | 第78-85页 |
| ·局部仿射框架的构造 | 第85-86页 |
| ·利用LAF 对测量区域的归一化 | 第86-91页 |
| ·局部区域的描述子设计 | 第91-92页 |
| ·描述子的检索及匹配 | 第92-95页 |
| ·局部区域的初匹配 | 第93-95页 |
| ·初匹配的全局校验 | 第95页 |
| ·仿真结果与分析 | 第95-103页 |
| ·本章小结 | 第103-104页 |
| 第五章 三维物体识别在智能视频监控中的应用 | 第104-117页 |
| ·概述 | 第104-105页 |
| ·智能视频监控系统相关理论 | 第105-109页 |
| ·动目标检测 | 第106-107页 |
| ·动目标识别 | 第107页 |
| ·动目标跟踪 | 第107-109页 |
| ·基于目标识别的卡尔曼多目标跟踪 | 第109-111页 |
| ·仿真结果与分析 | 第111-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 总结与今后的研究工作 | 第117-121页 |
| ·本文的主要工作 | 第117-118页 |
| ·对后继工作的展望 | 第118-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-133页 |
| 附录 | 第133-134页 |
| 个人简历 | 第134-135页 |
| 攻博期间取得的研究成果 | 第135-137页 |
