基于预分类的图像识别研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 图像识别的研究现状 | 第9-10页 |
| 1.2.2 支持向量机的研究现状 | 第10-11页 |
| 1.3 论文主要研究内容及组织结构 | 第11-13页 |
| 2 相关理论介绍 | 第13-23页 |
| 2.1 图像识别技术 | 第13-18页 |
| 2.1.1 图像识别系统 | 第13-14页 |
| 2.1.2 图像模式识别方法 | 第14-18页 |
| 2.2 支持向量机 | 第18-22页 |
| 2.2.1 线性支持向量机 | 第18-20页 |
| 2.2.2 非线性支持向量机 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于预分类的图像识别系统 | 第23-27页 |
| 3.1 系统概述 | 第23页 |
| 3.2 系统框架设计 | 第23-26页 |
| 3.2.1 SIFT特征提取 | 第24页 |
| 3.2.2 BoW特征表示 | 第24-25页 |
| 3.2.3 SVM训练 | 第25页 |
| 3.2.4 匹配识别 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 基于SIFT-BoW的图像分类 | 第27-33页 |
| 4.1 多类支持向量机 | 第27-29页 |
| 4.1.1 一对多方法 | 第27-28页 |
| 4.1.2 一对一方法 | 第28页 |
| 4.1.3 有向无环图方法 | 第28-29页 |
| 4.2 算法步骤 | 第29-30页 |
| 4.3 实验结果与分析 | 第30-32页 |
| 4.4 本章小结 | 第32-33页 |
| 5 基于SIFT-RANSAC的图像匹配识别 | 第33-51页 |
| 5.1 SIFT特征提取 | 第33-43页 |
| 5.1.1 检测尺度空间极值点 | 第33-37页 |
| 5.1.2 精确定位关键点 | 第37-38页 |
| 5.1.3 确定关键点方向 | 第38-39页 |
| 5.1.4 计算特征描述符 | 第39-43页 |
| 5.2 RANSAC匹配提纯 | 第43-44页 |
| 5.3 算法步骤 | 第44页 |
| 5.4 匹配性能实验与分析 | 第44-50页 |
| 5.5 本章小结 | 第50-51页 |
| 6 系统实验结果与分析 | 第51-55页 |
| 6.1 数据集说明 | 第51-52页 |
| 6.2 实验过程 | 第52页 |
| 6.3 实验结果与分析 | 第52-54页 |
| 6.4 本章小结 | 第54-55页 |
| 7 总结与展望 | 第55-57页 |
| 7.1 总结 | 第55-56页 |
| 7.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
| A. 作者在攻读学位期间发表的论文目录 | 第61页 |
