| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8页 |
| ·目标检测的难点 | 第8-9页 |
| ·目标检测的国内外研究现状 | 第9-11页 |
| ·基于全局特征的目标检测 | 第9-10页 |
| ·基于局部特征的目标检测 | 第10-11页 |
| ·基于全局和局部特征的目标检测 | 第11页 |
| ·本文的主要工作 | 第11-13页 |
| ·本文的研究内容 | 第11-12页 |
| ·本文的主要创新 | 第12-13页 |
| ·本文的组织安排 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第2章 图像不变特征基本理论 | 第14-30页 |
| ·特征提取 | 第14-18页 |
| ·关于矩不变量的方法 | 第15-17页 |
| ·Hu 不变矩 | 第15-16页 |
| ·仿射不变矩 | 第16-17页 |
| ·颜色特征提取 | 第17-18页 |
| ·SIFT 特征描述子 | 第18页 |
| ·SIFT 算法的主要特点 | 第18页 |
| ·SIFT 算法步骤 | 第18页 |
| ·图像轮廓提取 | 第18-26页 |
| ·经典的图像轮廓提取方法 | 第18-23页 |
| ·Marr-Hildreth 边缘检测器 | 第19-20页 |
| ·Canny 边缘检测器 | 第20-23页 |
| ·gPb 轮廓检测器 | 第23-26页 |
| ·阈值处理 | 第26-27页 |
| ·自动阈值处理 | 第26页 |
| ·Otsu 自动阈值法 | 第26-27页 |
| ·k 邻近轮廓段(kAS) | 第27-28页 |
| ·轮廓段网络 | 第27-28页 |
| ·k 邻近轮廓段(kAS) | 第28页 |
| ·本章小结 | 第28-30页 |
| 第3章 融合全局与局部特征的目标检测方法 | 第30-42页 |
| ·引言 | 第30页 |
| ·特征量提取 | 第30-31页 |
| ·特征融合 | 第31-32页 |
| ·特征融合方法步骤 | 第31页 |
| ·维数灾难(curse of dimensionality) | 第31-32页 |
| ·特征降维 | 第32页 |
| ·目标检测 | 第32-34页 |
| ·训练 | 第33页 |
| ·测试 | 第33-34页 |
| ·检测算法步骤 | 第34页 |
| ·实验结果与分析 | 第34-40页 |
| ·神经网络结构 | 第36页 |
| ·隐含层最优化神经元 | 第36-37页 |
| ·性能评估 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于局部轮廓特征的目标检测方法 | 第42-56页 |
| ·引言 | 第42页 |
| ·相关工作 | 第42-45页 |
| ·轮廓检测 | 第42-43页 |
| ·阈值处理 | 第43页 |
| ·k 邻近轮廓段(kAS)的检测 | 第43-45页 |
| ·提取局部轮廓特征 | 第45-48页 |
| ·提取显著性轮廓 | 第45-47页 |
| ·构建局部轮廓特征 | 第47页 |
| ·局部轮廓特征距离 | 第47页 |
| ·构建局部轮廓特征码本 | 第47-48页 |
| ·目标检测 | 第48-49页 |
| ·训练 | 第48-49页 |
| ·测试 | 第49页 |
| ·检测算法步骤 | 第49页 |
| ·实验结果与分析 | 第49-55页 |
| ·图像库及评定标准 | 第49-50页 |
| ·性能评价与分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·本文工作总结和创新点 | 第56-57页 |
| ·未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间撰写的论文和参加科研情况 | 第62-63页 |
| 一、攻读硕士学位期间撰写的论文 | 第62页 |
| 二、攻读硕士学位期间参加科研情况 | 第62-63页 |
| 致谢 | 第63-64页 |