| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-23页 |
| 1.1 物体识别的研究背景及目的和意义 | 第16-17页 |
| 1.1.1 研究背景 | 第16页 |
| 1.1.2 研究目的和意义 | 第16-17页 |
| 1.2 物体识别的国内外研究现状和发展趋势 | 第17-20页 |
| 1.2.1 物体识别的国内外研究现状 | 第17-19页 |
| 1.2.2 物体识别亟待解决的问题 | 第19-20页 |
| 1.2.3 物体识别发展趋势 | 第20页 |
| 1.3 论文的主要研究工作及创新 | 第20-21页 |
| 1.4 论文结构安排 | 第21-23页 |
| 第二章 词袋模型基础理论与相关技术 | 第23-34页 |
| 2.1 词袋模型基础理论 | 第23-24页 |
| 2.1.1 文本分类的词袋模型 | 第23页 |
| 2.1.2 物体识别的词袋模型 | 第23-24页 |
| 2.2 构建词袋模型的相关技术 | 第24-32页 |
| 2.2.1 局部不变特征概述 | 第24-31页 |
| 2.2.2 K均值聚类形成视觉词汇表 | 第31-32页 |
| 2.3 图像的BOW表达 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于显著区域词袋模型的物体识别 | 第34-45页 |
| 3.0 引言 | 第34页 |
| 3.1 基于角点分布的显著区域定位 | 第34-37页 |
| 3.1.1 ShiTomasi角点在物体背景分割中的作用 | 第34-36页 |
| 3.1.2 显著区域定位方法 | 第36-37页 |
| 3.2 基于显著区域的SIFT特征点 | 第37页 |
| 3.3 基于显著区域词袋模型的物体识别 | 第37-40页 |
| 3.3.1 算法框图 | 第37-38页 |
| 3.3.2 加权BOW特征表达 | 第38-39页 |
| 3.3.3 相似度度量 | 第39-40页 |
| 3.4 实验结果和分析 | 第40-44页 |
| 3.4.1 参数设置 | 第40页 |
| 3.4.2 实验结果与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于多方向空间词袋模型的物体识别 | 第45-56页 |
| 4.1 引言 | 第45页 |
| 4.2 空间金字塔模型 | 第45-46页 |
| 4.3 空间信息特征提取 | 第46-49页 |
| 4.3.1 多方向空间信息特征 | 第46-48页 |
| 4.3.2 样本视觉词典 | 第48-49页 |
| 4.4 分类器 | 第49-50页 |
| 4.5 实验结果及分析 | 第50-54页 |
| 4.5.1 参数设置 | 第50页 |
| 4.5.2 实验结果及分析 | 第50-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文的工作总结 | 第56页 |
| 5.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第62页 |