| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-15页 |
| ·研究背景和意义 | 第10页 |
| ·图像识别研究的现状 | 第10-14页 |
| ·图像识别的实际应用 | 第11页 |
| ·图像识别方法 | 第11-14页 |
| ·研究内容和技术难点 | 第14页 |
| ·论文结构安排 | 第14-15页 |
| 第二章 基于角点的轮廓片段提取 | 第15-27页 |
| ·引言 | 第15页 |
| ·Canny边缘检测 | 第15-16页 |
| ·模型定义 | 第16-17页 |
| ·角点检测 | 第17-25页 |
| ·物体角点检测简述 | 第17-20页 |
| ·角点检测算法介绍 | 第20-25页 |
| ·Harris角点检测算法 | 第20-22页 |
| ·SUSAN角点检测算法 | 第22-24页 |
| ·基于曲率尺度空间的角点检测 | 第24-25页 |
| ·轮廓片段获取 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 轮廓片段聚类 | 第27-36页 |
| ·引言 | 第27页 |
| ·聚类 | 第27-33页 |
| ·聚类的定义 | 第27-28页 |
| ·聚类算法的分类 | 第28-32页 |
| ·K-Means和K-Medoids原理 | 第32-33页 |
| ·Chamfer Distance和距离变换(Distance Transform) | 第33-35页 |
| ·轮廓片段聚类 | 第35页 |
| ·小结 | 第35-36页 |
| 第四章 学习与识别 | 第36-53页 |
| ·物体检测 | 第36-37页 |
| ·机器学习 | 第37-44页 |
| ·机器学习简述 | 第37-39页 |
| ·常用机器学习方法 | 第39-44页 |
| ·训练 | 第44-46页 |
| ·Mean Shift原理 | 第46-51页 |
| ·引言 | 第46-47页 |
| ·核函数 | 第47-48页 |
| ·Mean Shift向量 | 第48-50页 |
| ·Mean Shift过程 | 第50-51页 |
| ·识别 | 第51-53页 |
| 第五章 实验与分析 | 第53-59页 |
| ·系统流程 | 第53-54页 |
| ·图像识别结果 | 第54-57页 |
| ·识别效果影响因素分析 | 第57-58页 |
| ·SVM分类器与AdaBoost分类器对比 | 第58-59页 |
| 第六章 结束语 | 第59-60页 |
| ·主要工作总结 | 第59页 |
| ·将来工作的展望 | 第59-60页 |
| 攻读学位期间发表论文和参与项目 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |