基于局部特征的图像目标识别技术研究
摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-11页 |
图索引 | 第11-13页 |
表索引 | 第13-14页 |
第1章 绪论 | 第14-36页 |
·本论文研究的目的和意义 | 第14-16页 |
·图像目标识别的框架与思路 | 第16-19页 |
·图像目标识别问题的分类 | 第16-17页 |
·图像目标识别的基本框架 | 第17-18页 |
·图像目标识别的两种思路 | 第18-19页 |
·图像目标识别技术的研究现状 | 第19-31页 |
·特征提取技术 | 第19-24页 |
·特征空间优化技术 | 第24-26页 |
·分类器设计 | 第26-27页 |
·性能评估方法 | 第27-29页 |
·标准图像库 | 第29-31页 |
·主要难点与发展趋势 | 第31-32页 |
·论文的研究内容 | 第32-33页 |
·论文的结构安排 | 第33-36页 |
第2章 局部特征提取 | 第36-56页 |
·引言 | 第36-37页 |
·特征区域的稀疏选取算法 | 第37-42页 |
·高斯差分检测算子 | 第37-41页 |
·边缘点检测算子 | 第41-42页 |
·局部特征的定量描述 | 第42-46页 |
·基于梯度分布的描述子 | 第42-45页 |
·线矩特征描述子 | 第45-46页 |
·角点的检测算法 | 第46-51页 |
·直线投影检测算法 | 第47-48页 |
·SUSAN算法的自适应阈值改进 | 第48-51页 |
·实验结果与分析 | 第51-53页 |
·本章小结 | 第53-56页 |
第3章 基于局部特征的目标匹配 | 第56-78页 |
·引言 | 第56-57页 |
·目标匹配的相关技术 | 第57-60页 |
·两种目标匹配方式 | 第57-58页 |
·匹配的相似度度量 | 第58-60页 |
·结合NNDR与霍夫变换的匹配方法 | 第60-64页 |
·基于NNDR的匹配策略 | 第60-62页 |
·邻近特征点的搜索算法 | 第62-63页 |
·基于霍夫变换的目标检测 | 第63-64页 |
·基于局部特征和多分辨率技术的图像拼接 | 第64-68页 |
·多分辨率下的图像配准 | 第65-66页 |
·图像的仿射变换 | 第66-67页 |
·渐入渐出的图像融合算法 | 第67-68页 |
·基于局部特征和原型匹配的图像检索 | 第68-71页 |
·基于模板匹配的检索方法 | 第69页 |
·基于原型匹配的反馈技术 | 第69-71页 |
·实验结果与分析 | 第71-76页 |
·本章小结 | 第76-78页 |
第4章 基于局部特征的目标分类 | 第78-104页 |
·引言 | 第78-79页 |
·目标的向量空间模型表示 | 第79-81页 |
·构造视觉单词库 | 第81-85页 |
·视觉单词的生成方法 | 第81-83页 |
·基于RNN的层次聚类算法 | 第83-85页 |
·基于信息论的特征选择方法 | 第85-90页 |
·信息论的相关概念 | 第86-87页 |
·基于信息增益法的特征选择 | 第87-88页 |
·基于互信息法的特征选择 | 第88-90页 |
·视觉单词的权重计算 | 第90-92页 |
·图像目标分类器设计 | 第92-97页 |
·基于朴素贝叶斯的图像目标分类 | 第92-94页 |
·基于支持向量机的图像目标分类 | 第94-97页 |
·实验结果与分析 | 第97-102页 |
·本章小结 | 第102-104页 |
第5章 基于角点特征与视面模型的目标识别 | 第104-124页 |
·引言 | 第104-106页 |
·三维物体的视面模型表示 | 第106-108页 |
·基于角点特征的目标匹配 | 第108-113页 |
·利用基准角点进行目标匹配 | 第108-110页 |
·基于主分量与Hausdorff距离的匹配算法 | 第110-113页 |
·基于角点标记图的目标分类 | 第113-118页 |
·角点特征的优化技术 | 第113-115页 |
·角点标记图的生成方法 | 第115-116页 |
·基于BP网络的分类算法 | 第116-118页 |
·实验结果与分析 | 第118-123页 |
·本章小结 | 第123-124页 |
第6章 总结与展望 | 第124-128页 |
·论文工作总结 | 第124-125页 |
·论文主要创新点 | 第125页 |
·下一步研究工作 | 第125-128页 |
参考文献 | 第128-142页 |
攻读学位期间发表论文与研究成果清单 | 第142-143页 |
攻读学位期间参与的科研项目 | 第143-144页 |
致谢 | 第144-145页 |