| 摘要 | 第1-7页 |
| ABSTRACT | 第7-17页 |
| 第1章 绪论 | 第17-35页 |
| ·概述 | 第17-25页 |
| ·背景 | 第17-20页 |
| ·图像目标分类的基本思想 | 第20-22页 |
| ·图像目标分类的挑战 | 第22-25页 |
| ·研究现状 | 第25-32页 |
| ·通用图像目标分类 | 第25-28页 |
| ·特定图像目标分类 | 第28-32页 |
| ·本文研究重点和内容安排 | 第32-35页 |
| 第2章 判别学习与特征提取 | 第35-65页 |
| ·支持向量机 | 第35-44页 |
| ·支持向量机原理 | 第35-36页 |
| ·分类支持向量机 | 第36-39页 |
| ·核方法 | 第39-44页 |
| ·非线性映射 | 第39-40页 |
| ·核函数 | 第40-42页 |
| ·核技巧 | 第42-43页 |
| ·输出后验概率估计 | 第43-44页 |
| ·Boosting算法 | 第44-48页 |
| ·Adaboost主要原理 | 第45页 |
| ·AdaBoost算法 | 第45-48页 |
| ·全局特征提取 | 第48-55页 |
| ·概述 | 第48页 |
| ·常用全局特征提取 | 第48-55页 |
| ·Tamura纹理特征 | 第48-51页 |
| ·Gabor小波变换 | 第51-53页 |
| ·灰度与尺度不变的局部二进制模式 | 第53-55页 |
| ·局部特征提取 | 第55-65页 |
| ·概述 | 第55-58页 |
| ·局部特征相关特性 | 第55-56页 |
| ·特征点检测方法 | 第56-58页 |
| ·局部区域描述方法 | 第58页 |
| ·尺度不变特征变换 | 第58-65页 |
| ·尺度空间极值检测 | 第59-60页 |
| ·特征点精确定位 | 第60-61页 |
| ·特征点方向确定 | 第61页 |
| ·局部区域描述 | 第61-62页 |
| ·实验结果 | 第62-65页 |
| 第3章 特征空间结构特性和图像空间相关性 | 第65-81页 |
| ·密度导向的树型结构核 | 第65-74页 |
| ·引言 | 第65-66页 |
| ·原理与方法 | 第66-71页 |
| ·自适应构建树型结构 | 第67-68页 |
| ·公共结点的密度估计方法 | 第68-70页 |
| ·密度导向的树型结构核函数 | 第70页 |
| ·满足Mercer条件 | 第70页 |
| ·局部匹配性能分析 | 第70-71页 |
| ·计算复杂度分析 | 第71页 |
| ·实验与结果分析 | 第71-74页 |
| ·局部匹配实验与性能分析 | 第72页 |
| ·目标分类实验与结果分析 | 第72-74页 |
| ·局部特征空间相关核函数 | 第74-79页 |
| ·引言 | 第74页 |
| ·原理与方法 | 第74-77页 |
| ·视觉词汇库建立 | 第75页 |
| ·局部特征空间相关核 | 第75-76页 |
| ·满足Mercer条件 | 第76页 |
| ·时间效率分析 | 第76-77页 |
| ·实验结果与分析 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第4章 基于双空间金字塔匹配核的图像目标分类 | 第81-91页 |
| ·引言 | 第81页 |
| ·原理与方法 | 第81-85页 |
| ·特征空间金字塔匹配 | 第82-83页 |
| ·特征空间金字塔构建 | 第82-83页 |
| ·特征空间多分辨率直方图匹配 | 第83页 |
| ·图像空间金字塔构建 | 第83-84页 |
| ·双空间金字塔匹配核 | 第84-85页 |
| ·满足Mercer条件 | 第85页 |
| ·计算复杂度分析 | 第85页 |
| ·实验结果与分析 | 第85-89页 |
| ·实验一:ETH80数据库 | 第86-88页 |
| ·实验二:自然场景图像 | 第88-89页 |
| ·实验讨论 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 特定图像目标的分类 | 第91-109页 |
| ·基于不对称层叠分类器的人脸检测 | 第91-102页 |
| ·Haar-like矩形特征与积分图像 | 第91-93页 |
| ·弱分类器与AdaBoost检测算法 | 第93-94页 |
| ·前向特征选择与线性非对称分类器 | 第94-98页 |
| ·前向特征选择算法 | 第94-96页 |
| ·线性非对称分类器 | 第96-98页 |
| ·不对称层叠分类器 | 第98-99页 |
| ·实验结果与分析 | 第99-102页 |
| ·遥感图像语义层次模型 | 第102-108页 |
| ·遥感图像语义内容分析 | 第102-103页 |
| ·遥感图像语义层次模型 | 第103-104页 |
| ·语义层次模型的应用 | 第104-106页 |
| ·语义层次模型的应用方法 | 第104页 |
| ·基于语义层次模型的遥感图像分类与检索 | 第104-106页 |
| ·基于角点分布特征遥感图像飞机检测 | 第106-108页 |
| ·引言 | 第106-107页 |
| ·角点提取与飞机粗定位 | 第107页 |
| ·飞机判别 | 第107-108页 |
| ·实验结果与分析 | 第108页 |
| ·本章小结 | 第108-109页 |
| 第6章 基于层叠分类器的中英文字符语言种类自动识别 | 第109-121页 |
| ·引言 | 第109-110页 |
| ·基于后验概率估计的层叠分类器 | 第110-113页 |
| ·基本原理 | 第110-111页 |
| ·优化设计 | 第111-112页 |
| ·阈值的确定 | 第112-113页 |
| ·独立阈值设计 | 第112-113页 |
| ·非独立阈值设计 | 第113页 |
| ·层叠分类器的训练 | 第113页 |
| ·特征设计 | 第113-115页 |
| ·水平垂直笔画向量 | 第114页 |
| ·Census变换直方图 | 第114-115页 |
| ·梯度方向相关图. | 第115页 |
| ·实验结果及分析 | 第115-119页 |
| ·特征顺序确定和特征维数选择 | 第116-117页 |
| ·字符语言识别实验 | 第117-119页 |
| ·对称层叠分类器与不对称层叠分类器的差异 | 第119页 |
| ·本章小结 | 第119-121页 |
| 第7章 总结 | 第121-125页 |
| 参考文献 | 第125-137页 |
| 在读博期间的科研成果 | 第137-138页 |
| 致谢 | 第138页 |