摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
目录 | 第8-11页 |
表格索引 | 第11-12页 |
插图索引 | 第12-14页 |
主要符号对照表 | 第14-15页 |
第一章 绪论 | 第15-23页 |
1.1 计算机视觉与局部特征点检测子算法 | 第15-16页 |
1.2 图像局部特征点检测子算法发展 | 第16-19页 |
1.3 本文的主要研究内容和创新点 | 第19-22页 |
1.3.1 研究背景与意义 | 第19-21页 |
1.3.2 本文的主要工作和创新点 | 第21-22页 |
1.4 本文的章节安排 | 第22-23页 |
第二章 图像局部特征点检测子算法 | 第23-31页 |
2.1 尺度不变特征变化算法 | 第23-29页 |
2.1.1 算法回顾 | 第23-26页 |
2.1.2 算法缺点讨论 | 第26-28页 |
2.1.3 改进的基本想法 | 第28-29页 |
2.2 本章小节 | 第29-31页 |
第三章 基于排序的尺度不变特征变换(Rank-SIFT) 算法 | 第31-41页 |
3.1 局部特征点的稳定度 | 第31-33页 |
3.1.1 稳定度定义 | 第31-32页 |
3.1.2 SIFT 特征点稳定度例子 | 第32-33页 |
3.2 局部特征点特征设计 | 第33-35页 |
3.3 基于学习的排序模型 | 第35-37页 |
3.3.1 Rank-SVM 模型 | 第35-37页 |
3.4 基于排序的尺度不变特征变换算法分析 | 第37-39页 |
3.4.1 Rank-SIFT 算法优点分析 | 第37-38页 |
3.4.2 Rank-SIFT 算法的时间复杂度分析 | 第38-39页 |
3.5 本章小节 | 第39-41页 |
第四章 Rank-SIFT 算法效果评估分析 | 第41-51页 |
4.1 局部特征点重复度(Repeatability Score) 和匹配度(Matching Score) | 第41-43页 |
4.2 图像检索(Image Retrieval) | 第43-45页 |
4.2.1 基于内容的图像检索算法 | 第43页 |
4.2.2 评估算法 | 第43-45页 |
4.3 物体分类(Category Classi?cation) | 第45页 |
4.4 Rank-SIFT 局部特征点各特征维数分析 | 第45-49页 |
4.4.1 线性核的Rank-SVM 模型分析 | 第46页 |
4.4.2 稀疏编码的L1-SVM 模型分析 | 第46-48页 |
4.4.3 评估算法 | 第48-49页 |
4.5 本章小节 | 第49-51页 |
第五章 Rank-SIFT 算法评估实验 | 第51-69页 |
5.1 局部特征点重复度(RepeatabilityScore)和匹配度实验 | 第51-54页 |
5.1.1 数据库 | 第51-52页 |
5.1.2 实验步骤 | 第52-53页 |
5.1.3 重复度和匹配度实验 | 第53-54页 |
5.2 图像检索(Image Retrieval) 实验 | 第54-55页 |
5.3 物体分类(Category Classification) 实验 | 第55-56页 |
5.4 Rank-SIFT 局部特征点各特征维数分析实验 | 第56-58页 |
5.4.1 线性核的Rank-SVM 模型分析实验 | 第56-57页 |
5.4.2 稀疏编码的L1-SVM 模型分析实验 | 第57-58页 |
5.5 本章小节 | 第58-69页 |
第六章 Rank-SIFT 在线demo 和开源工具包 | 第69-73页 |
6.1 Rank-SIFT 在线demo | 第69页 |
6.2 Rank-SIFT 开源软件包 | 第69-71页 |
6.3 本章小节 | 第71-73页 |
总结与展望 | 第73-75页 |
参考文献 | 第75-85页 |
致谢 | 第85-87页 |
攻读学位期间发表的学术论文目录 | 第87页 |