扩展目标的特征提取及目标识别
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 绪论 | 第13-26页 |
| ·引言 | 第13-14页 |
| ·国内外研究进展 | 第14-23页 |
| ·计算机视觉概述 | 第15-18页 |
| ·目标识别 | 第18-19页 |
| ·特征的提取 | 第19-21页 |
| ·特征的描述/识别 | 第21-23页 |
| ·本论文研究内容及意义 | 第23-24页 |
| ·本论文章节安排 | 第24-26页 |
| 2 通用算法在自适应光学成像图像上的表现 | 第26-47页 |
| ·点检测算法 | 第28-32页 |
| ·基于自相关矩阵响应值的点特征提取 | 第28-30页 |
| ·基于几何定义的点特征提取 | 第30页 |
| ·尺度无关的关键点提取 | 第30-32页 |
| ·常用特征识别方法的剖析比较 | 第32-37页 |
| ·直方图型局部图像特征描述子 | 第33-35页 |
| ·基于比较的二值特征描述子 | 第35-36页 |
| ·无描述子计算的方法 | 第36-37页 |
| ·仿真实验 | 第37-45页 |
| ·点特征提取比较 | 第39-43页 |
| ·描述子比较 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 3 基于显著性的特征选择 | 第47-62页 |
| ·算法原理 | 第47-53页 |
| ·快速 DoH 点检测 | 第47-49页 |
| ·显著区域的选择 | 第49-50页 |
| ·局部熵的衡量 | 第50-52页 |
| ·基于尺度间显著度的显著尺度选择 | 第52-53页 |
| ·算法实现流程图与步骤 | 第53-56页 |
| ·流程图 | 第54页 |
| ·参数设置 | 第54-56页 |
| ·仿真结果 | 第56-60页 |
| ·计算时间 | 第56页 |
| ·重复度 | 第56-58页 |
| ·类间差异的健壮性 | 第58-59页 |
| ·对分类的区分性 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 4 基于局部熵的两步 Harris 方法 | 第62-72页 |
| ·算法原理 | 第62-68页 |
| ·Harris 角点的提取 | 第63-64页 |
| ·基于视觉显著性的角点选择 | 第64-67页 |
| ·针对角点提取和局部熵的自动阈值选择 | 第67-68页 |
| ·仿真结果 | 第68-71页 |
| ·不同噪声下算法测试结果 | 第68页 |
| ·单纯背景目标图像下的重复度比较 | 第68-70页 |
| ·两类图像测试结果 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 5 基于机器学习的特征识别 | 第72-87页 |
| ·算法原理 | 第73-79页 |
| ·蕨分类器实现分类问题 | 第73-75页 |
| ·蕨结构与树结构的比较 | 第75-76页 |
| ·蕨分类器随机性的注入 | 第76-77页 |
| ·蕨分类器的增强 | 第77-79页 |
| ·步骤 | 第79-82页 |
| ·流程图与步骤 | 第80-81页 |
| ·参数设置 | 第81-82页 |
| ·仿真结果 | 第82-85页 |
| ·特征点识别率 | 第82-84页 |
| ·图像序列 | 第84-85页 |
| ·本章小结 | 第85-87页 |
| 6 快速特征识别方法 | 第87-97页 |
| ·算法原理 | 第87-91页 |
| ·快速角点提取 | 第88-89页 |
| ·快速特征描述 | 第89页 |
| ·旋转无关性约束 | 第89-91页 |
| ·步骤 | 第91-93页 |
| ·仿真结果 | 第93-96页 |
| ·计算速度比较 | 第93-94页 |
| ·特征点识别率比较 | 第94-95页 |
| ·大姿态变化下的特征点跟踪 | 第95-96页 |
| ·本章小结 | 第96-97页 |
| 7 总结 | 第97-100页 |
| ·论文主要研究结果 | 第97-98页 |
| ·论文主要创新点 | 第98页 |
| ·未来工作展望 | 第98-100页 |
| 参考文献 | 第100-107页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第107页 |
