| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 传统的特征提取方法 | 第9-10页 |
| 1.2.2 传统特征提取算法 | 第10页 |
| 1.2.3 传统图像匹配算法 | 第10页 |
| 1.3 研究难点 | 第10-11页 |
| 1.4 创新点 | 第11页 |
| 1.5 论文结构 | 第11-13页 |
| 第二章 传统特征提取算法与图像上下文匹配算法 | 第13-20页 |
| 2.1 传统特征提取算法 | 第13-18页 |
| 2.1.1 SIFT 特征 | 第14-15页 |
| 2.1.2 HOG 特征 | 第15-16页 |
| 2.1.3 LBP 特征 | 第16-18页 |
| 2.2 图像匹配算法 | 第18-19页 |
| 2.2.1 基于特征的图像匹配算法 | 第18-19页 |
| 2.2.2 基于亮度的图像匹配算法 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 WLD 特征及应用 | 第20-43页 |
| 3.1 引言 | 第20-21页 |
| 3.2 WLD 特征提取与选择 | 第21-30页 |
| 3.2.1 韦伯法则 | 第21-22页 |
| 3.2.2 差分激励(Differential Excitation) | 第22-25页 |
| 3.2.3 梯度方向(Orientation) | 第25-27页 |
| 3.2.4 WLD 直方图 | 第27-30页 |
| 3.3 WLD 的特点 | 第30-32页 |
| 3.4 WLD 尺度分析 | 第32页 |
| 3.5 WLD 改进方法 | 第32-37页 |
| 3.6 WLD 人脸检测 | 第37-41页 |
| 3.6.1 经典人脸检测 | 第37-38页 |
| 3.6.2 基于WLD 的人脸检测 | 第38-39页 |
| 3.6.3 检测数据库 | 第39-40页 |
| 3.6.4 基于WLD 的分类器 | 第40-41页 |
| 3.7 实验结果 | 第41-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第四章 基于形状上下文的图像匹配算法 | 第43-60页 |
| 4.1 引言 | 第43页 |
| 4.2 形状上下文匹配 | 第43-48页 |
| 4.2.1 形状上下文特征 | 第44-45页 |
| 4.2.2 图像匹配算法 | 第45-47页 |
| 4.2.3 不变形与鲁棒性 | 第47-48页 |
| 4.3 图像匹配 | 第48-53页 |
| 4.3.1 归一化与缩放特性 | 第50-53页 |
| 4.4 原型样本匹配 | 第53-56页 |
| 4.4.1 图像匹配距离 | 第53-54页 |
| 4.4.2 匹配原型样本的建立 | 第54-56页 |
| 4.5 匹配算法的提高 | 第56-57页 |
| 4.6 实验结果 | 第57-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.1.1 韦伯局部特征 | 第60页 |
| 5.1.2 韦伯局部特征创新点 | 第60-61页 |
| 5.1.3 基于形状上下文的图像匹配 | 第61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和参加科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |