| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 1 绪论 | 第13-30页 |
| ·论文研究背景 | 第13-15页 |
| ·局部不变特征提取技术国内外研究现状 | 第15-25页 |
| ·局部不变特征检测方法 | 第15-24页 |
| ·角点特征检测方法 | 第15-18页 |
| ·斑状特征检测方法 | 第18-20页 |
| ·区域特征检测方法 | 第20-24页 |
| ·局部不变特征描述方法 | 第24-25页 |
| ·基于微分的描述符 | 第24页 |
| ·基于分布的描述符 | 第24-25页 |
| ·不变矩描述符 | 第25页 |
| ·局部不变特征提取与匹配技术的难点及研究意义 | 第25-26页 |
| ·课题来源 | 第26-27页 |
| ·本文研究工作和内容安排 | 第27-28页 |
| ·本文工作的创新点 | 第28-30页 |
| 2 一种新的Harris-Laplace特征点检测方法 | 第30-45页 |
| ·引言 | 第30-31页 |
| ·尺度空间理论及多尺度方法的缺陷 | 第31-32页 |
| ·尺度空间理论 | 第31页 |
| ·多尺度方法缺陷 | 第31-32页 |
| ·新的多尺度特征点检测方法 | 第32-37页 |
| ·建立尺度空间 | 第32-33页 |
| ·多尺度Harris角点检测 | 第33页 |
| ·多尺度Harris角点分组 | 第33-34页 |
| ·选择最佳特征点 | 第34-35页 |
| ·特征描述 | 第35-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·本章小结 | 第41-45页 |
| 3 基于空间分布描述符的SIFT误匹配校正方法 | 第45-66页 |
| ·引言 | 第45-46页 |
| ·SIFT算法介绍 | 第46-53页 |
| ·检测尺度空间极值点 | 第46-50页 |
| ·精确定位特征点 | 第50-51页 |
| ·确定特征点主方向 | 第51-52页 |
| ·生成SIFT描述符并匹配 | 第52-53页 |
| ·基于空间分布描述符的SIFT误匹配校正方法 | 第53-58页 |
| ·空间分布描述符 | 第54-56页 |
| ·生成积分轮廓图像 | 第54-55页 |
| ·划分图像区域 | 第55-56页 |
| ·生成空间分布描述符 | 第56页 |
| ·两种校正匹配策略 | 第56-58页 |
| ·实验结果与分析 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 4 基于广义典型相关分析的仿射不变特征提取方法 | 第66-79页 |
| ·引言 | 第66-67页 |
| ·多尺度自卷积特征提取方法原理 | 第67-68页 |
| ·多尺度自卷积熵特征提取方法的原理 | 第68-69页 |
| ·基于广义典型相关分析的仿射不变特征提取 | 第69-71页 |
| ·基于典型相关分析的组合特征 | 第70页 |
| ·基于广义典型相关分析的仿射不变组合特征 | 第70-71页 |
| ·广义典型相关分析原理 | 第70-71页 |
| ·组合特征抽取原理 | 第71页 |
| ·实验结果与分析 | 第71-77页 |
| ·组合特征作为全局描述符进行识别 | 第72-75页 |
| ·视点变换图像识别率比较 | 第72-73页 |
| ·加高斯噪声视点变换图像识别率比较 | 第73-74页 |
| ·加部分遮挡视点变换图像识别率比较 | 第74-75页 |
| ·组合特征作为局部描述符进行识别 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 5 一种改进的M-估计基础矩阵鲁棒估计法 | 第79-90页 |
| ·引言 | 第79-80页 |
| ·对极几何和基础矩阵 | 第80-81页 |
| ·M-估计法原理 | 第81页 |
| ·改进的M-估计基础矩阵鲁棒估计法 | 第81-83页 |
| ·精确初始值的确定 | 第81-82页 |
| ·剔除错误匹配点及坏点 | 第82页 |
| ·非线性优化求解 | 第82-83页 |
| ·算法流程 | 第83页 |
| ·实验结果和分析 | 第83-88页 |
| ·模拟数据实验 | 第84-86页 |
| ·对不同错误数据率的精度及鲁棒性比较 | 第84-85页 |
| ·对不同方差高斯噪声的精度及鲁棒性比较 | 第85-86页 |
| ·真实图像实验 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 6 结合SIFT和Camshift的目标跟踪方法研究 | 第90-108页 |
| ·引言 | 第90-91页 |
| ·Mean Shift算法原理 | 第91-93页 |
| ·Camshift算法原理 | 第93-95页 |
| ·结合SIFT和Camshift的目标跟踪方法 | 第95-101页 |
| ·计算目标区域色度直方图 | 第95-98页 |
| ·提取搜索区域SIFT特征点 | 第98-99页 |
| ·确定搜索窗口位置和大小 | 第99-100页 |
| ·新方法流程图 | 第100-101页 |
| ·实验结果与分析 | 第101-106页 |
| ·本章小结 | 第106-108页 |
| 7 结束语 | 第108-111页 |
| ·本文工作总结 | 第108-109页 |
| ·将来的工作 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-125页 |
| 附录A:博士在读期间参加的科研项目 | 第125-126页 |
| 附录B:博士在读期间发表和录用的论文 | 第126页 |