基于特征融合的目标识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及选题意义 | 第10-11页 |
| 1.2 目标识别与特征融合概述 | 第11-13页 |
| 1.2.1 目标识别 | 第11-12页 |
| 1.2.2 特征融合 | 第12-13页 |
| 1.3 相关研究及历史发展 | 第13-15页 |
| 1.4 本文主要工作及内容安排 | 第15-17页 |
| 第2章 图像目标的特征提取 | 第17-27页 |
| 2.1 概述 | 第17-18页 |
| 2.2 目标全局特征的提取 | 第18-21页 |
| 2.2.1 颜色特征 | 第18-19页 |
| 2.2.2 纹理特征 | 第19-20页 |
| 2.2.3 形状特征 | 第20-21页 |
| 2.3 目标局部特征的提取 | 第21-25页 |
| 2.3.1 角点特征 | 第21-23页 |
| 2.3.2 斑点特征 | 第23-24页 |
| 2.3.3 区域特征 | 第24-25页 |
| 2.4 全局特征与局部特征的对比 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于全局特征的目标识别 | 第27-39页 |
| 3.1 概述 | 第27-28页 |
| 3.2 基于颜色模型的图像目标分割 | 第28-33页 |
| 3.2.1 GrabCut目标分割算法 | 第28-30页 |
| 3.2.2 基于小波变换的CraabCut算法 | 第30-32页 |
| 3.2.3 实验结果与分析 | 第32-33页 |
| 3.3 基于HSV颜色直方图的目标识别 | 第33-38页 |
| 3.3.1 HSV颜色直方图提取 | 第33-35页 |
| 3.3.2 基于颜色的相似性度量 | 第35页 |
| 3.3.3 实验结果与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于局部特征的目标识别 | 第39-50页 |
| 4.1 概述 | 第39页 |
| 4.2 基于PCA-SIFT算法的局部特征提取 | 第39-44页 |
| 4.2.1 SIFT特征点检测与描述 | 第39-43页 |
| 4.2.2 PCA-SIFT特征描述子 | 第43-44页 |
| 4.3 基于RANSAC算法的匹配点矫正 | 第44-46页 |
| 4.3.1 PCA-SIFT特征粗匹配 | 第44页 |
| 4.3.2 RANSAC算法 | 第44-46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于全局与局部特征融合的目标识别 | 第50-64页 |
| 5.1 概述 | 第50-51页 |
| 5.2 目标分类器SVM | 第51-55页 |
| 5.2.1 支持向量机SVM理论思想 | 第51-53页 |
| 5.2.2 核函数与特征空间 | 第53-55页 |
| 5.3 全局几何不变矩特征提取 | 第55-56页 |
| 5.4 基于特征融合的目标分类算法 | 第56-59页 |
| 5.4.1 多分类结果融合规则 | 第57-58页 |
| 5.4.2 特征融合算法 | 第58-59页 |
| 5.5 实验结果与分析 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间参加的科研项目和成果 | 第72页 |
