| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·图像识别国内外研究现状 | 第13-20页 |
| ·基于局部特征的目标识别研究现状 | 第13-17页 |
| ·基于全局特征的目标识别研究现状 | 第17-19页 |
| ·图像分类识别的研究现状 | 第19-20页 |
| ·本文主要工作和内容安排 | 第20-21页 |
| 第二章 基于视觉的场面检测算法研究 | 第21-32页 |
| ·机场场面和场面目标 | 第21页 |
| ·基于视觉的词袋模型(BOVW)基本流程 | 第21-23页 |
| ·概述 | 第21-22页 |
| ·基本流程 | 第22-23页 |
| ·关键区域检测算子 | 第23-26页 |
| ·DoG检测算子 | 第23-25页 |
| ·Canny边缘点检测算子 | 第25-26页 |
| ·关键区域描述算法 | 第26-28页 |
| ·SIFT描述子 | 第26-27页 |
| ·不变矩描述子 | 第27-28页 |
| ·聚类分析算法 | 第28-30页 |
| ·分类器训练与分类 | 第30-32页 |
| 第三章 尺度不变性特征提取算法在场面检测中的应用研究 | 第32-46页 |
| ·尺度不变提取算法 | 第32-33页 |
| ·尺度不变特征提取算法的研究比较 | 第33-42页 |
| ·SIFT | 第34-36页 |
| ·SURF | 第36-39页 |
| ·PCA-SIFT | 第39-40页 |
| ·ASIFT | 第40-42页 |
| ·性能比较分析 | 第42-45页 |
| ·评价方法 | 第42-43页 |
| ·实验结果及性能分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于词袋模型的机场场面单目标检测识别 | 第46-61页 |
| ·机场场面单目标词袋模型检测识别 | 第46-51页 |
| ·建立训练数据集 | 第46-47页 |
| ·建立测试数据集 | 第47-48页 |
| ·模型的评价标准 | 第48页 |
| ·模型建立环境 | 第48页 |
| ·核函数 | 第48-51页 |
| ·基于高斯核的词袋模型 | 第51页 |
| ·基于核心区域的金字塔词袋模型 | 第51-55页 |
| ·核心区域 | 第52-53页 |
| ·建立金字塔词袋模型 | 第53-55页 |
| ·程序及实验结果分析 | 第55-60页 |
| ·SIFT特征提取 | 第56页 |
| ·K-Means聚类 | 第56-57页 |
| ·构建局部特征词汇直方图 | 第57-58页 |
| ·机场场面场面词袋模型分类识别结果 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第五章 基于几何形状和灰度特征的机场场面多目标的检测识别 | 第61-78页 |
| ·引言 | 第61页 |
| ·基于几何特征的机场场面多目标识别 | 第61-70页 |
| ·几何特征 | 第61-63页 |
| ·图像增强 | 第63-64页 |
| ·图像二值化 | 第64-65页 |
| ·图像的膨胀和腐蚀 | 第65-66页 |
| ·图像平滑 | 第66-68页 |
| ·提取连通区域 | 第68-69页 |
| ·目标边缘提取 | 第69-70页 |
| ·基于几何特征和灰度特征融合的匹配识别 | 第70-72页 |
| ·相似度 | 第70-71页 |
| ·特征向量融合识别的实现 | 第71-72页 |
| ·场面目标识别仿真实验 | 第72-77页 |
| ·软件的设计介绍 | 第72-73页 |
| ·识别详细过程 | 第73-77页 |
| ·小结 | 第77-78页 |
| 总结和展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻硕期间取得的成果 | 第84-85页 |
| 致谢 | 第85页 |