| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8页 |
| ·图像目标识别技术及其研究现状 | 第8-10页 |
| ·图像目标识别的一般流程 | 第10-11页 |
| ·图像目标的种类 | 第11页 |
| ·本文的研究内容及章节安排 | 第11-14页 |
| 第二章 图像目标识别相关理论 | 第14-22页 |
| ·数字图像预处理技术 | 第14-16页 |
| ·模式识别 | 第16-22页 |
| ·模式识别的基本概念及原理 | 第16-17页 |
| ·模式识别系统结构 | 第17-18页 |
| ·常用分类方法 | 第18-20页 |
| ·分类器性能的评价指标 | 第20-22页 |
| 第三章 基于区域生长的两种图像分割方法 | 第22-36页 |
| ·基于阈值的分割方法 | 第22-25页 |
| ·迭代法 | 第23页 |
| ·峰直方图谷点法 | 第23-24页 |
| ·OTSU算法 | 第24-25页 |
| ·最大熵算法 | 第25页 |
| ·基于区域生长的分割方法 | 第25-27页 |
| ·区域生长示例 | 第26页 |
| ·区域生长算法的实现 | 第26-27页 |
| ·区域生长与活动轮廓模型相结合的分割算法 | 第27-32页 |
| ·活动轮廓模型 | 第27-29页 |
| ·分割算法流程 | 第29-32页 |
| ·区域生长与OTSU相结合的分割算法 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于形状的图像目标特征提取方法 | 第36-48页 |
| ·简单的图像目标形状特征 | 第36-41页 |
| ·具有平移、缩放、旋转不变性的不变量 | 第41-45页 |
| ·单一数值特征 | 第41-42页 |
| ·基于中心到轮廓点距离的不变量 | 第42-43页 |
| ·归一化长轴方向投影向量 | 第43-44页 |
| ·矩形分块面积比向量 | 第44-45页 |
| ·基于曲率测度的不变量 | 第45页 |
| ·基于圆环划分的特征提取算法 | 第45-47页 |
| ·计算图像目标中心坐标 | 第45-46页 |
| ·计算重心到图像目标边缘像素点的最远距离 | 第46页 |
| ·统计以目标中心为圆心的圆环中目标像素点数 | 第46-47页 |
| ·计算特征向量 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 图像目标识别方法 | 第48-58页 |
| ·特征值预处理 | 第48-49页 |
| ·剔除离群点 | 第48页 |
| ·数据归一化 | 第48-49页 |
| ·基于特征不变量的图像目标识别方法 | 第49-52页 |
| ·基于特征值模板匹配的识别方法 | 第50-51页 |
| ·基于多特征数值变动范围匹配的识别方法 | 第51-52页 |
| ·基于松弛轮廓区域模板匹配的图像目标识别方法 | 第52-57页 |
| ·算法描述 | 第53页 |
| ·构建松弛轮廓区域模板库 | 第53-55页 |
| ·计算待识别图像目标与模板库中松弛边缘模板图像的相似度 | 第55-57页 |
| ·决策识别 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第六章 实验结果分析 | 第58-70页 |
| ·区域生长结合OTSU图像分割实验 | 第58-62页 |
| ·平台环境 | 第58页 |
| ·仿真结果 | 第58-62页 |
| ·仿真结果分析 | 第62页 |
| ·特征提取实验 | 第62-66页 |
| ·平台环境 | 第62页 |
| ·测试图像目标 | 第62页 |
| ·单值特征不变性实验 | 第62-64页 |
| ·多值特征不变性实验 | 第64-66页 |
| ·图像目标识别实验结果 | 第66-68页 |
| ·平台环境 | 第66页 |
| ·基于特征值模板匹配的目标识别实验 | 第66-67页 |
| ·基于松弛轮廓区域模板匹配的目标识别实验 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第七章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 在读期间研究成果 | 第78页 |