声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景与意义
1.2 研究现状与趋势
1.3 本文的主要工作
第2章 基础理论
2.1 引言
2.2 局部不变特征
2.2.1 概述
2.2.2 SIFT特征提取
2.3 目标ROI的属性图的相似性度量
2.3.1 属性图
2.3.2 属性图匹配
2.3.3 属性图对相似性度量
2.4 RSOM聚类树
2.4.1 RSOM聚类树基本原理
2.4.2 大数据集的RSOM树训练算法
2.4.3 RSOM树增量训练算法
2.4.4 基于RSOM树的大规模聚类方法
2.5 类属超图建模
2.5.1 类属超图基本模型
2.5.2 基于RSOM树的CSHG快速训练
2.5.3 属性图相似性传播聚类原理
2.5.4 CSHG的优化训练
2.6 小结
第3章 ROI检测与识别
3.1 概述
3.2 Adaboost-CSHG目标检测与识别
3.2.1 基于Haar-Adaboost框架的目标检测
3.2.2 Adaboost-CSHG两阶段目标识别
3.2.3 目标检测与识别试验
3.3 基于CSHG模型的目标检测与识别
3.3.1 基于CSHG模型的目标检测与识别一体化框架
3.3.2 目标检测实验结果与分析
3.4 小结
第4章 识别系统的并行分布式设计与实现
4.1 系统的功能概述
4.2 并行分布式处理系统的设计与实现
4.2.1 系统总体结构设计
4.2.2 功能模块划分
4.3 试验结果与性能分析
4.3.1 基于集群的目标检测与识别系统
4.3.2 系统各模块性能分析
4.4 小结
结论
参考文献
致谢
附录A (攻读硕士学位期间发表的学术论文目录)
湖南大学;