| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 局部特征提取的研究现状 | 第12-15页 |
| 1.2.2 匹配搜索算法研究现状 | 第15-16页 |
| 1.3 本文研究内容及章节安排 | 第16-18页 |
| 1.3.1 本文研究内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-18页 |
| 2 面向移动设备的图像识别相关算法分析 | 第18-35页 |
| 2.1 面向移动设备的特征检测算法分析 | 第18-23页 |
| 2.1.1 FAST角点检测算法 | 第18-21页 |
| 2.1.2 AGAST角点检测算法 | 第21-22页 |
| 2.1.3 特征检测子性能对比 | 第22-23页 |
| 2.2 面向移动设备的局部特征描述算法分析 | 第23-30页 |
| 2.2.1 人工构造的描述子分析 | 第23-26页 |
| 2.2.2 学习型描述子分析 | 第26-28页 |
| 2.2.3 二值描述子性能对比 | 第28-30页 |
| 2.3 基于二值描述子的匹配 | 第30-34页 |
| 2.3.1 距离度量 | 第30-31页 |
| 2.3.2 匹配查找算法选择 | 第31-33页 |
| 2.3.3 搜索查找性能对比 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 面向移动设备的图像局部特征选择 | 第35-56页 |
| 3.1 面向移动设备的特征检测算子 | 第35-49页 |
| 3.1.1 旋转不变AGAST特征检测算法 | 第35-37页 |
| 3.1.2 尺度不变AGAST特征检测算法 | 第37-40页 |
| 3.1.3 尺度不变AGAST算法实现 | 第40-45页 |
| 3.1.4 特征点检测性能比较 | 第45-49页 |
| 3.2 面向移动设备的特征描述算法 | 第49-55页 |
| 3.2.1 Binboost描述子 | 第50-52页 |
| 3.2.2 改进的Binboost描述子 | 第52-53页 |
| 3.2.3 特征描述子的评价 | 第53-55页 |
| 3.3 本章小结 | 第55-56页 |
| 4 面向移动设备的图像识别系统实现 | 第56-67页 |
| 4.1 移动设备图像的预处理 | 第56-60页 |
| 4.1.1 图像预处理 | 第56-59页 |
| 4.1.2 建立待识别图像特征库 | 第59-60页 |
| 4.2 基于局部特征匹配的图像识别 | 第60-63页 |
| 4.2.1 图像特征提取 | 第60页 |
| 4.2.2 基于局部特征的图像匹配 | 第60页 |
| 4.2.3 误匹配剔除 | 第60-63页 |
| 4.3 ANDROID设备上的实现 | 第63-64页 |
| 4.3.1 Android开发环境搭建 | 第63-64页 |
| 4.4 图像识别性能评价 | 第64-66页 |
| 4.4.1 基于Android图像识别效果评价 | 第64-65页 |
| 4.4.2 基于Android图像识别应用实时性评价 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 本文主要工作 | 第67-68页 |
| 工作展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |