| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 本文的研究内容 | 第17-20页 |
| 2 图像二进制描述子分析 | 第20-39页 |
| 2.1 图像局部不变特征检测与描述 | 第20-28页 |
| 2.2 基于灰度值比较的二进制描述子 | 第28-32页 |
| 2.3 基于浮点型描述子Hash映射的二进制描述子 | 第32-33页 |
| 2.4 二进制描述子的改进方法 | 第33-38页 |
| 2.5 本章小结 | 第38-39页 |
| 3 基于灰度差值自适应量化的二进制描述子 | 第39-51页 |
| 3.1 算法原理 | 第39-42页 |
| 3.2 基于灰度排序的仿射不变子区域分割 | 第42-43页 |
| 3.3 灰度差值的自适应量化阈值和量化等级 | 第43-46页 |
| 3.4 旋转采样和灰度差值的映射编码 | 第46-49页 |
| 3.5 多尺度仿射区域特征描述 | 第49-50页 |
| 3.6 本章小结 | 第50-51页 |
| 4 基于梯度排序的二进制描述子 | 第51-62页 |
| 4.1 算法原理 | 第51-53页 |
| 4.2 基于灰度分布的图像分块 | 第53-55页 |
| 4.3 基于全局梯度方差的量化阈值和量化等级 | 第55-58页 |
| 4.4 梯度排序并进行二值映射 | 第58-60页 |
| 4.5 基于稀疏采样的多尺度特征提取 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 基于重要位平面的二进制描述子 | 第62-70页 |
| 5.1 算法原理 | 第62-64页 |
| 5.2 基于灰度分布的图像分块 | 第64-65页 |
| 5.3 重要位平面 | 第65-66页 |
| 5.4 基于重要位平面的二进制描述子 | 第66-68页 |
| 5.5 大尺度邻域均值操作和多尺度特征提取 | 第68-69页 |
| 5.6 本章小结 | 第69-70页 |
| 6 基于二进制描述子的目标识别算法 | 第70-105页 |
| 6.1 目标识别算法思想 | 第70-71页 |
| 6.2 基于二进制描述子的图像相似性度量 | 第71-72页 |
| 6.3 基于二进制描述子的目标识别算法 | 第72-75页 |
| 6.4 目标识别算法的分析 | 第75-77页 |
| 6.5 实验结果与分析 | 第77-104页 |
| 6.6 本章小结 | 第104-105页 |
| 7 全文总结与工作展望 | 第105-108页 |
| 7.1 工作总结 | 第105-107页 |
| 7.2 下一步工作展望 | 第107-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-120页 |
| 附录1 攻读博士学位期间发表的主要论文 | 第120-121页 |
| 附录2 博士生期间参与的课题研究情况 | 第121页 |