内容提要 | 第1-9页 |
第1章 绪论 | 第9-17页 |
·概述 | 第9页 |
·研究背景 | 第9-11页 |
·国内外研究现状 | 第11-13页 |
·研究意义 | 第13-14页 |
·本文的主要工作 | 第14-17页 |
第2章 局部不变性特征方法 | 第17-35页 |
·局部不变性特征方法的基本框架 | 第17-18页 |
·局部不变性特征提取的目标 | 第18-23页 |
·尺度不变性 | 第18-21页 |
·仿射变换的数学模型 | 第21-23页 |
·局部不变性特征检测方法 | 第23-29页 |
·特征提取的各种定义 | 第23-25页 |
·检测子算法综述 | 第25-29页 |
·局部不变性特征检测方法评价 | 第29页 |
·局部不变性特征描述方法 | 第29-32页 |
·描述子算法综述 | 第30-31页 |
·局部不变性特征描述方法评价 | 第31-32页 |
·局部不变性特征匹配方法 | 第32页 |
·局部不变性特征算法的评估准则 | 第32-34页 |
·本章小结 | 第34-35页 |
第3章 快速检测子算法 | 第35-51页 |
·引言 | 第35页 |
·研究现状 | 第35-43页 |
·DoG检测子 | 第35-39页 |
·FAST检测子 | 第39-40页 |
·Fast-Hessian检测子 | 第40-43页 |
·旋转不变的Fast-Hessian检测子 | 第43-45页 |
·实验结果与分析 | 第45-49页 |
·实验数据集与实验条件 | 第45-47页 |
·运行时间对比实验 | 第47-48页 |
·性能对比实验 | 第48-49页 |
·本章小结 | 第49-51页 |
第4章 基于局部像素分布关系的描述子 | 第51-65页 |
·基于分布的描述子 | 第51-55页 |
·SIFT描述子 | 第51-52页 |
·PCA-SIFT描述子 | 第52-53页 |
·形状上下文描述子 | 第53-54页 |
·Spin Image | 第54页 |
·GLOH描述子 | 第54-55页 |
·规范化强度对比描述子 | 第55-57页 |
·兴趣区域的划分 | 第55页 |
·描述子算法 | 第55-57页 |
·实验结果与分析 | 第57-64页 |
·检测子的选择 | 第57页 |
·图像匹配实验 | 第57-62页 |
·物体识别实验 | 第62-64页 |
·本章小结 | 第64-65页 |
第5章 基于仿射不变矩的描述子 | 第65-81页 |
·引言 | 第65-66页 |
·矩的概念 | 第66-67页 |
·不变矩 | 第67-70页 |
·Flusser&Suk仿射不变矩 | 第70-72页 |
·基于局部梯度的仿射不变矩 | 第72-73页 |
·实验结果与分析 | 第73-80页 |
·数据集 | 第73-74页 |
·描述子维度和计算时间实验 | 第74-76页 |
·性能对比实验 | 第76-78页 |
·匹配实例 | 第78-80页 |
·本章小结 | 第80-81页 |
第6章 基于局部不变性特征和视皮层识别机制的图像分类方法 | 第81-95页 |
·引言 | 第81-82页 |
·基于局部不变性特征的图像分类方法 | 第82-83页 |
·基于生物视皮层识别机制的图像分类体系 | 第83-85页 |
·系统模型 | 第85-90页 |
·图像层 | 第86页 |
·简单细胞功能层SI | 第86-87页 |
·稀疏化层SP | 第87-89页 |
·中间模板层 | 第89页 |
·全局不变层 | 第89-90页 |
·分类网络 | 第90页 |
·算法流程 | 第90页 |
·算法分析与实验 | 第90-94页 |
·实验数据库 | 第90-91页 |
·模型参数实验 | 第91-92页 |
·对比SIFT特征方法 | 第92-93页 |
·对比其它模型体系 | 第93-94页 |
·本章小结 | 第94-95页 |
第7章 全文总结 | 第95-99页 |
·论文的基础性工作 | 第95-96页 |
·论文的创新性工作 | 第96-97页 |
·未来的研究工作展望 | 第97-99页 |
参考文献 | 第99-108页 |
致谢 | 第108-109页 |
作者攻读博士期间发表的论文和科研成果 | 第109-111页 |
学位论文摘要(中文) | 第111-114页 |
学位论文摘要(英文) | 第114-116页 |