数字图像中物体的定位与检测研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 本文研究工作概述 | 第11-12页 |
| 1.3 本文结构 | 第12-13页 |
| 第二章 图像的视觉特征 | 第13-31页 |
| 2.1 特征概述 | 第13-14页 |
| 2.2 常见全局特征 | 第14-17页 |
| 2.2.1 颜色特征 | 第14-15页 |
| 2.2.2 纹理特征 | 第15-16页 |
| 2.2.3 形状特征 | 第16-17页 |
| 2.3 局部特征 | 第17-23页 |
| 2.3.1 SIFT特征提取算法 | 第18-22页 |
| 2.3.3 局部特征应用研究现状 | 第22-23页 |
| 2.4 特征的表示 | 第23-26页 |
| 2.4.1 局部特征的词袋模型 | 第23-24页 |
| 2.4.2 空间金字塔表示 | 第24-26页 |
| 2.5 特征的比较和选择 | 第26-27页 |
| 2.6 匹配算法 | 第27-31页 |
| 第三章 基于上下文的感兴趣区域提取算法 | 第31-42页 |
| 3.1 研究目的及相关工作 | 第31-32页 |
| 3.2 本文算法思想 | 第32-36页 |
| 3.3 实验及分析 | 第36-40页 |
| 3.3.1 数据集及评测方法 | 第36-37页 |
| 3.3.2 实验结果及分析 | 第37-40页 |
| 3.4 总结与展望 | 第40-42页 |
| 第四章 基于特征选择的高效窗口搜索方法 | 第42-49页 |
| 4.1 研究目的及相关工作 | 第42-44页 |
| 4.2 本文算法思想 | 第44-46页 |
| 4.2.1 高效窗口检索 | 第44-45页 |
| 4.2.2 区分性特征选择 | 第45页 |
| 4.2.3 收敛性证明 | 第45-46页 |
| 4.3 实验及分析 | 第46-48页 |
| 4.3.1 数据集及评测方法 | 第46-47页 |
| 4.3.2 实验结果及分析 | 第47-48页 |
| 4.4 总结与展望 | 第48-49页 |
| 第五章 物体检测的分割图算法 | 第49-62页 |
| 5.1 研究目的及相关工作 | 第49-50页 |
| 5.2 本文算法思想 | 第50-56页 |
| 5.2.1 算法框架 | 第50-51页 |
| 5.2.2 图像的分割表示 | 第51页 |
| 5.2.3 分割建模 | 第51-54页 |
| 5.2.4 分割图 | 第54页 |
| 5.2.5 分割图求解方法 | 第54-56页 |
| 5.3 实验及分析 | 第56-60页 |
| 5.3.1 数据集及评测 | 第56-57页 |
| 5.3.2 实验结果及分析 | 第57-60页 |
| 5.4 总结与展望 | 第60-62页 |
| 第六章 基于图像模糊性前景检测算法 | 第62-70页 |
| 6.1 研究目的及相关工作 | 第62-63页 |
| 6.2 本文算法思想 | 第63-66页 |
| 6.2.1 前景定义 | 第63-64页 |
| 6.2.2 算法框架 | 第64页 |
| 6.2.3 景深估计 | 第64-65页 |
| 6.2.4 显著区域提取 | 第65页 |
| 6.2.5 前景/背景学习 | 第65-66页 |
| 6.3 实验及分析 | 第66-69页 |
| 6.3.1 数据集及评测 | 第66-67页 |
| 6.3 2 实验结果及分析 | 第67-69页 |
| 6.4 总结与展望 | 第69-70页 |
| 第七章 总结与展望 | 第70-73页 |
| 7.1 本文总结 | 第70-71页 |
| 7.2 未来研究展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 附录一 硕士期间发表的论文和专利 | 第78-79页 |
| 附录二 硕士期间参加的科研项目 | 第79-80页 |
| 致谢 | 第80-81页 |
