基于显著性的目标检测与识别算法
| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 国内外研究现状及水平 | 第13-14页 |
| 1.3 研究内容及系统设计 | 第14-15页 |
| 1.4 论文内容安排 | 第15-17页 |
| 第二章 显著性目标检测与识别算法设计 | 第17-25页 |
| 2.1 显著性目标检测 | 第18-22页 |
| 2.1.1 显著性目标检测流程 | 第18-19页 |
| 2.1.2 边界检测算法 | 第19页 |
| 2.1.3 计算几何上下文 | 第19-20页 |
| 2.1.4 分层分割 | 第20-21页 |
| 2.1.5 对候选区域区域排序 | 第21-22页 |
| 2.2 利用词包模型对候选区域目标分类 | 第22-23页 |
| 2.2.1 词包模型算法 | 第22-23页 |
| 2.2.2 分类器 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 图像边界检测 | 第25-31页 |
| 3.1 图像边界检测方法介绍 | 第25-26页 |
| 3.2 图像特征 | 第26-29页 |
| 3.2.1 有向能量 | 第26页 |
| 3.2.2 基于梯度的特征 | 第26-29页 |
| 3.3 评价方法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 计算几何上下文 | 第31-45页 |
| 4.1 基于图论的图像分割 | 第31-35页 |
| 4.1.1 图的建立 | 第31-32页 |
| 4.1.2 成对区域比较 | 第32-33页 |
| 4.1.3 算法描述 | 第33-35页 |
| 4.2 消失点检测估计 | 第35-41页 |
| 4.2.1 直线检测阶段 | 第35-36页 |
| 4.2.2 消失点 | 第36-38页 |
| 4.2.3 初始化和分组 | 第38-41页 |
| 4.3 摄像机校准 | 第41-43页 |
| 4.3.1 相对方向 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 显著性的目标检测 | 第45-53页 |
| 5.1 分类方法现状 | 第45-46页 |
| 5.1.1 基于类别的目标定位 | 第45-46页 |
| 5.1.2 基于分割与区域组合的分类 | 第46页 |
| 5.2 本文目标定位方法 | 第46-47页 |
| 5.3 生成候选区域 | 第47-49页 |
| 5.3.1 生成种子区域 | 第47页 |
| 5.3.2 分层式分割 | 第47-48页 |
| 5.3.3 生成候选区域分割 | 第48-49页 |
| 5.4 对候选区域排序 | 第49-52页 |
| 5.4.1 公式描述 | 第49-50页 |
| 5.4.2 区域表示 | 第50-51页 |
| 5.4.3 结构化学习 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 利用词包模型对候选区域目标分类 | 第53-65页 |
| 6.1 局部特征提取 | 第53-56页 |
| 6.1.1 构建尺度空间 | 第53-54页 |
| 6.1.2 DoG关键点检测 | 第54-56页 |
| 6.1.3 计算128维方向参数 | 第56页 |
| 6.2 K均值聚类 | 第56-57页 |
| 6.3 词包模型描述特征 | 第57-58页 |
| 6.4 几种常见分类器 | 第58-61页 |
| 6.5 训练及识别结果 | 第61-64页 |
| 6.6 本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 本文总结 | 第65页 |
| 7.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的主要学术论文 | 第71-73页 |
| 致谢 | 第73页 |
