基于空间相关性特征的目标识别方法
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景 | 第10-11页 |
| ·国内外总体研究情况综述 | 第11-15页 |
| ·特定目标检测技术分析 | 第11-12页 |
| ·基于全局特征的方法 | 第12-13页 |
| ·基于局部特征的方法 | 第13-14页 |
| ·融合空间信息的方法 | 第14页 |
| ·Logo 检测方法分析 | 第14-15页 |
| ·图像中目标识别研究的难点 | 第15页 |
| ·论文的主要工作及章节安排 | 第15-17页 |
| ·论文的主要工作 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第2章 基于空间相关性的特征表达 | 第17-27页 |
| ·引言 | 第17页 |
| ·问题分析及空间相关性的特征表达提出动机 | 第17-18页 |
| ·构建基于空间约束关系的空间相关树 | 第18-19页 |
| ·选择更具有判别力的特征点 | 第18-19页 |
| ·建立空间相关树 | 第19页 |
| ·空间相关树的判别力分析 | 第19-23页 |
| ·空间相关树判别力增加的原因分析 | 第19-21页 |
| ·空间相关树判别力的形式化描述 | 第21-23页 |
| ·实验结果及分析 | 第23-26页 |
| ·空间相关树的特征表达力 | 第24页 |
| ·空间相关树的判别力形式化描述验证 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于空间相关树的SIGMA 算法 | 第27-34页 |
| ·引言 | 第27页 |
| ·算法概述 | 第27-29页 |
| ·问题分析及动机 | 第27-28页 |
| ·算法框架 | 第28-29页 |
| ·建立空间集成模型 | 第29-31页 |
| ·预处理阶段 | 第29页 |
| ·选择更具有判别力的特征点 | 第29-30页 |
| ·建立空间集成模型 | 第30-31页 |
| ·辅助匹配阶段 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 SIGMA 算法的应用 | 第34-50页 |
| ·引言 | 第34页 |
| ·SIGMA 算法在Logo 检测的应用 | 第34-43页 |
| ·应用背景 | 第34-36页 |
| ·结合SIGMA 算法的Logo 检测方法 | 第36-37页 |
| ·实验设置 | 第37-40页 |
| ·实验结果及分析 | 第40-43页 |
| ·SIGMA 算法在目标检测中的应用 | 第43-49页 |
| ·基于SIGMA 算法的目标识别框架 | 第43-44页 |
| ·数据测试集及评测方法描述 | 第44-45页 |
| ·测试结果和分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |
