| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 本文识别效果的评价标准 | 第11页 |
| 1.5 本文的结构与安排 | 第11-12页 |
| 第二章 Hu不变矩与支持向量机介绍 | 第12-22页 |
| 2.1 不变矩理论介绍 | 第12-13页 |
| 2.1.1 几何矩函数的定义 | 第12页 |
| 2.1.2 平移不变矩 | 第12-13页 |
| 2.1.3 放缩不变矩 | 第13页 |
| 2.2 七个Hu不变矩 | 第13-14页 |
| 2.3 支持向量机介绍 | 第14-17页 |
| 2.3.1 支持向量机的由来 | 第14-15页 |
| 2.3.2 最优分类面 | 第15-16页 |
| 2.3.3 支持向量机 | 第16-17页 |
| 2.4 Hu不变矩结合SVM的实验与分析 | 第17-20页 |
| 2.4.1 Hu不变量第一次实验 | 第18-19页 |
| 2.4.2 Hu不变量第二次实验 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 类Haar特征与AdaBoost算法介绍 | 第22-32页 |
| 3.1 类Haar特征 | 第22-24页 |
| 3.1.1 类Haar特征介绍 | 第22-23页 |
| 3.1.2 积分图 | 第23-24页 |
| 3.2 AdaBoost算法 | 第24-26页 |
| 3.2.1 AdaBoost算法由来 | 第24-25页 |
| 3.2.2 AdaBoost算法训练过程 | 第25-26页 |
| 3.3 Haar分类器 | 第26-28页 |
| 3.3.1 Haar分类器算法 | 第26页 |
| 3.3.2 类Haar特征的选择 | 第26-27页 |
| 3.3.3 级联分类器介绍 | 第27-28页 |
| 3.4 类Haar特征与AdaBoost算法结合实验 | 第28-30页 |
| 3.4.1 实验对象及软件 | 第28页 |
| 3.4.2 样本训练 | 第28-29页 |
| 3.4.3 实验结果以及总结 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 结构模型的探索 | 第32-41页 |
| 4.1 引言 | 第32页 |
| 4.2 结构模型一 | 第32-35页 |
| 4.2.1 结构定义 | 第33页 |
| 4.2.2 第一次训练 | 第33-34页 |
| 4.2.3 第二次训练 | 第34-35页 |
| 4.3 结构模型二 | 第35-36页 |
| 4.4 结构自动划分探索 | 第36-40页 |
| 4.4.1 基于Haar检测框划分结构的思路 | 第36-37页 |
| 4.4.2 基于Haar检测框划分结构方法一 | 第37-38页 |
| 4.4.3 基于Haar检测框划分结构方法二 | 第38-40页 |
| 4.4.4 加入自动划分的检测流程 | 第40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 实验与分析 | 第41-44页 |
| 5.1 手动划分模型实验 | 第41-42页 |
| 5.2 自动划分模型实验 | 第42-43页 |
| 5.3 本章小结 | 第43-44页 |
| 第六章 研究总结与展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间取得的成果 | 第49-50页 |