场景分类视觉字典容量的自动获取研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-23页 |
| ·研究背景与意义 | 第13-14页 |
| ·场景分类的意义 | 第14页 |
| ·国内外研究现状 | 第14-20页 |
| ·场景分类的研究现状 | 第15-18页 |
| ·聚类算法的研究现状 | 第18-19页 |
| ·视觉字典容量获取的研究现状 | 第19-20页 |
| ·论文的主要研究内容及成果 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 场景分类的理论支撑 | 第23-42页 |
| ·场景分类的流程设计 | 第23页 |
| ·特征提取 | 第23-33页 |
| ·SIFT特征的提取 | 第24-32页 |
| ·PCA-SIFT描述子 | 第32-33页 |
| ·聚类算法概述 | 第33-34页 |
| ·K-均值聚类算法与吸引子传播聚类算法 | 第34-41页 |
| ·K-均值聚类算法 | 第34-35页 |
| ·吸引子传播聚类算法 | 第35-37页 |
| ·K-均值算法与AP算法的比较 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 场景图像的特征提取研究 | 第42-49页 |
| ·场景图像数据集的选取 | 第42页 |
| ·场景图像的特征集获取研究 | 第42-47页 |
| ·SIFT特征的提取 | 第43-47页 |
| ·数据的预处理 | 第47-48页 |
| ·DCT特征的提取 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第四章 视觉字典容量的获取研究 | 第49-55页 |
| ·视觉字典容量的获取 | 第49-53页 |
| ·K-均值聚类算法获取视觉字典容量 | 第49-51页 |
| ·AP聚类算法获取视觉字典容量 | 第51-53页 |
| ·AP聚类结果评价 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-67页 |
| ·场景分类实验结果与分析 | 第55-59页 |
| ·K-均值聚类算法获取视觉字典容量实验结果 | 第55-56页 |
| ·AP聚类算法获取视觉字典容量实验结果 | 第56-57页 |
| ·两种聚类算法实验结果比较与分析 | 第57-59页 |
| ·参数对实验结果的影响与分析 | 第59-64页 |
| ·参考度P值对实验结果的影响分析 | 第60-62页 |
| ·特征矩阵维度对实验结果的影响分析 | 第62-64页 |
| ·分类结果评定 | 第64-65页 |
| ·不同特征下的场景分类 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
