| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 课题研究现状与存在的问题 | 第10-13页 |
| 1.2.1 目标识别技术现状与存在的问题 | 第10-12页 |
| 1.2.2 数据库系统现状与存在的问题 | 第12-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 第2章 Canny与Haar-like结合的特征提取算法 | 第15-34页 |
| 2.1 边缘检测算法概述 | 第15-21页 |
| 2.2 基于双边滤波器的改进Canny算法 | 第21-28页 |
| 2.2.1 传统Canny边缘检测算法流程 | 第21-24页 |
| 2.2.2 基于双边滤波器的改进Canny算法 | 第24-27页 |
| 2.2.3 自适应阈值选取算法 | 第27-28页 |
| 2.3 Haar-like特征提取算法 | 第28-31页 |
| 2.3.1 Haar-like特征模版 | 第28-30页 |
| 2.3.2 Haar-like特征提取 | 第30-31页 |
| 2.4 改进Canny与Haar-like结合的特征提取算法 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 SIFT与AdaBoost分类器结合的特征匹配算法 | 第34-50页 |
| 3.1 特征匹配算法概述 | 第34-35页 |
| 3.2 针对边缘图像优化的SIFT匹配算法 | 第35-44页 |
| 3.2.1 传统SIFT特征提取算法 | 第35-37页 |
| 3.2.2 基于霍夫变换的改进SIFT特征提取算法 | 第37-42页 |
| 3.2.3 SIFT特征匹配算法 | 第42-44页 |
| 3.3 基于Haar-like特征的AdaBoost分类器 | 第44-48页 |
| 3.4 改进的SIFT与AdaBoost分类器结合的特征匹配算法 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 目标识别系统数据库的结构与算法 | 第50-61页 |
| 4.1 图像数据库选取与需求分析 | 第50-52页 |
| 4.1.1 数据库种类与图像数据库选取 | 第50-51页 |
| 4.1.2 目标识别系统数据库需求分析 | 第51-52页 |
| 4.2 目标识别系统数据库结构设计 | 第52-53页 |
| 4.3 目标识别系统数据表设计 | 第53-58页 |
| 4.3.1 类别表结构设计 | 第54-55页 |
| 4.3.2 Haar-like特征表结构设计 | 第55-56页 |
| 4.3.3 边缘特征表结构设计 | 第56-57页 |
| 4.3.4 图像索引表结构设计 | 第57-58页 |
| 4.4 目标识别系统数据库功能设计 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 特定目标识别系统及其数据库的实现 | 第61-70页 |
| 5.1 特定目标识别系统及其数据库结构框架 | 第61-63页 |
| 5.2 特定目标识别系统及其数据库的实现 | 第63-69页 |
| 5.2.1 特定目标识别系统及其数据库的算法流程 | 第63-67页 |
| 5.2.2 特定目标识别系统及其数据库的界面实现 | 第67-69页 |
| 5.3 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
广告服务 
