首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于内容的形状检索研究

摘要第3-5页
Abstract第5-6页
第一章 绪论第10-15页
    1.1 课题研究背景和意义第10页
    1.2 国内外研究现状第10-12页
    1.3 形状分析的研究内容第12-13页
        1.3.1 形状的概念第12页
        1.3.2 形状分析研究内容第12-13页
    1.4 形状检索算法性能指标介绍第13页
        1.4.1 检索精度和回召率第13页
        1.4.2 Bull’s-eye识别率第13页
    1.5 论文的组织结构和主要工作第13-15页
第二章 二维形状检索算法综述第15-26页
    2.1 引言第15页
    2.2 基于轮廓(Contour-based)的形状描述方法第15-23页
        2.2.1 形状签名和傅里叶描述子第15-16页
        2.2.2 曲率尺度空间描述子第16-17页
        2.2.3 多尺度凸凹描述法第17-19页
        2.2.4 形状上下文第19-20页
        2.2.5 内距离形状上下文第20-21页
        2.2.6 轮廓点分布直方图第21-22页
        2.2.7 小节第22-23页
    2.3 基于区域(Region-based)的形状描述符第23-24页
        2.3.1 不变矩第23页
        2.3.2 角度径向变换第23页
        2.3.3 通用傅里叶描述子第23-24页
        2.3.4 小节第24页
    2.4 本章小节第24-26页
第三章 基于L1范数的形状快速匹配算法第26-35页
    3.1 引言第26页
    3.2 CPDH+EMD第26-28页
        3.2.1 EMD算法第26-27页
        3.2.2 地面距离计算第27-28页
    3.3 动态规划算法第28-29页
    3.4 EMD-1算法第29-31页
    3.5 算法时间复杂度分析第31页
    3.6 实验结果分析第31-34页
        3.6.1 Kimia-25与Kimai-99形状数据集第31-32页
        3.6.2 Articulated形状数据集第32页
        3.6.3 MPEG-7数据集第32-33页
        3.6.4 算法运算速度比较第33-34页
    3.7 本章小节第34-35页
第四章 基于协同传递机制的形状匹配算法第35-40页
    4.1 引言第35-36页
    4.2 基于LP算法的Co-transduction第36-37页
        4.2.1 标签传播算法基本理论第36页
        4.2.2 构造概率转移矩阵第36页
        4.2.3 LP算法实现步骤第36-37页
    4.3 基于Co-Transduction的CPDH检索算法第37-38页
        4.3.1 标签传播算法思想第37页
        4.3.2 改进算法思想第37-38页
    4.4 算法时间复杂度分析第38页
    4.5 实验结果与分析第38-39页
        4.5.1 Kimia-25与Kimia-99形状数据集第38页
        4.5.2 MPEG-7数据集第38-39页
    4.6 本章小结第39-40页
第五章 多尺度与鉴别性CPDH算法第40-55页
    5.1 引言第40页
    5.2 基于CPDH的金字塔匹配第40-42页
        5.2.1 空间金字塔匹配算法第40-42页
    5.3 基于CPDH的金字塔匹配算法第42-43页
        5.3.1 基于CPDH的金字塔模型第42页
        5.3.2 改进算法实现第42-43页
    5.4 算法时间复杂度分析第43-44页
    5.5 实验结果与分析第44-46页
        5.5.1 Kimia-25和Kimia-99数据集第44页
        5.5.2 MPEG-7数据集与其子库实验结果第44-45页
        5.5.3 形状匹配速度比较第45-46页
    5.6 鉴别性轮廓点分布直方图第46-48页
        5.6.1 基于LDA的CPDH算法第46-47页
        5.6.2 基于KDA的CPDH算法第47-48页
    5.7 DCPDH算法时间复杂度分析第48-49页
    5.8 DCPDH在各个数据集下的实验结果与分析第49-53页
    5.9 本章小节第53-55页
第六章 总结与展望第55-57页
    6.1 全文内容总结第55-56页
    6.2 未来工作展望第56-57页
致谢第57-58页
参考文献第58-63页
附录一:作者在硕士期间的研究成果第63-64页
附录二:本文实验中多次用到的4种形状数据集第64-67页

论文共67页,点击 下载论文
上一篇:基于改进的最近特征空间嵌入方法的人脸识别
下一篇:基于模糊聚类的分布式推荐算法研究与应用