| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·研究重点和难点 | 第10-11页 |
| ·论文内容及结构安排 | 第11-12页 |
| 第二章 图像特征与学习方法 | 第12-27页 |
| ·图像特征理论基础 | 第12-16页 |
| ·颜色特征 | 第12-13页 |
| ·纹理特征 | 第13-14页 |
| ·形状特征 | 第14-16页 |
| ·空间关系特征 | 第16页 |
| ·常用的图像特征 | 第16-21页 |
| ·SIFT(Scale-Invariant Feature Transform)特征 | 第16-18页 |
| ·HOG(Histogram of oriented gradients)特征 | 第18-19页 |
| ·BRISK(Binary Robust Invariant Scalable Keypoints)特征 | 第19-21页 |
| ·特征学习方法 | 第21-26页 |
| ·生成模型方法 | 第22-24页 |
| ·判别分类方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于关键点的图像特征 | 第27-42页 |
| ·图像的关键点 | 第27-31页 |
| ·全仿射不变SURF特征(FAIR-SURF) | 第31-38页 |
| ·加速鲁棒特征(SURF) | 第31-33页 |
| ·全仿射不变SIFT特征 | 第33-34页 |
| ·FAIR-SURF特征描述 | 第34-35页 |
| ·图像匹配实验分析 | 第35-38页 |
| ·DAISY特征的选取及优化 | 第38-41页 |
| ·DAISY特征描述 | 第38-40页 |
| ·参数优化 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 广义霍夫变换物体检测 | 第42-56页 |
| ·传统的物体检测方法 | 第42-45页 |
| ·基于分割的检测方法 | 第42-43页 |
| ·基于滑动窗的检测方法 | 第43-45页 |
| ·隐形状模型 | 第45-47页 |
| ·ISM模型训练 | 第45-46页 |
| ·物体检测过程 | 第46-47页 |
| ·判别式的霍夫投票 | 第47-48页 |
| ·物体检测框架的搭建 | 第48-49页 |
| ·实验结果及分析 | 第49-54页 |
| ·实验数据准备 | 第49-51页 |
| ·处理流程及描述 | 第51-52页 |
| ·结果分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 结论及展望 | 第56-58页 |
| ·论文的主要工作 | 第56-57页 |
| ·未来工作展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
