| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| ·本论文的研究目的和意义 | 第12-13页 |
| ·安全监控 | 第12页 |
| ·军事应用 | 第12-13页 |
| ·医学应用 | 第13页 |
| ·国内外研究状况 | 第13-18页 |
| ·目标识别的框架 | 第13-14页 |
| ·目标自动识别的发展状况 | 第14-15页 |
| ·特征提取技术 | 第15-17页 |
| ·特征空间优化 | 第17页 |
| ·分类器设计 | 第17-18页 |
| ·论文的研究内容 | 第18-19页 |
| ·本文章节安排 | 第19-20页 |
| 第二章 局部特征提取 | 第20-34页 |
| ·引言 | 第20页 |
| ·Haar局部特征 | 第20-21页 |
| ·基于小波变换的特征提取 | 第21-22页 |
| ·SIFT算法 | 第22-25页 |
| ·尺度空间中的特征点检测 | 第22-24页 |
| ·基于梯度分布的特征描述 | 第24-25页 |
| ·BRISK算法 | 第25-29页 |
| ·尺度空间特征点探测 | 第25-27页 |
| ·特征描述 | 第27-29页 |
| ·基于快速Hessian和Harris模版的特征提取算法 | 第29-33页 |
| ·特征点提取 | 第29-31页 |
| ·特征点方向 | 第31页 |
| ·特征向量描述 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 局部特征编码与合成 | 第34-42页 |
| ·引言 | 第34页 |
| ·编码本 | 第34页 |
| ·局部特征编码 | 第34-37页 |
| ·LLC算法 | 第35-36页 |
| ·改进的LLC算法 | 第36-37页 |
| ·局部特征合成 | 第37-40页 |
| ·空间金字塔匹配SPM | 第37-39页 |
| ·极坐标空间匹配结构 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 特征分析 | 第42-45页 |
| ·引言 | 第42页 |
| ·主成分分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 分类器设计 | 第45-50页 |
| ·引言 | 第45页 |
| ·近邻决策 | 第45-46页 |
| ·近邻分类器 | 第45页 |
| ·近邻特征直线分类器 | 第45-46页 |
| ·近邻特征空间分类器 | 第46页 |
| ·Adabooting分类器 | 第46-47页 |
| ·多层神经网络分类器 | 第47-48页 |
| ·反向传播算法(BP) | 第47-48页 |
| ·加入线索的多层神经网络分类器 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第六章 实验结果 | 第50-57页 |
| ·实验一 | 第50-51页 |
| ·实验二 | 第51-52页 |
| ·实验三 | 第52页 |
| ·本章小结 | 第52-57页 |
| 第七章 结论 | 第57-59页 |
| ·论文工作总结 | 第57页 |
| ·已取得创新性成果 | 第57页 |
| ·下一步研究工作 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 在学期间学术成果情况 | 第65-66页 |
| 指导教师及作者简介 | 第66-67页 |
| 致谢 | 第67页 |