| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 场景分类研究的背景和意义 | 第10-12页 |
| 1.1.1 场景分类研究背景 | 第10-11页 |
| 1.1.2 场景分类研究意义 | 第11-12页 |
| 1.2 场景分类的研究现状 | 第12-15页 |
| 1.2.1 场景分类研究进展 | 第12-14页 |
| 1.2.2 场景分类存在的问题 | 第14-15页 |
| 1.3 论文创新 | 第15页 |
| 1.4 研究内容与论文章节安排 | 第15-17页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 内容安排 | 第15-17页 |
| 第2章 场景分类算法的理论基础 | 第17-34页 |
| 2.1 Gist特征 | 第17-23页 |
| 2.1.1 Gabor滤波器 | 第18-20页 |
| 2.1.2 Gabor滤波器组 | 第20页 |
| 2.1.3 基于Gabor滤波器组的Gist特征提取 | 第20-23页 |
| 2.2 金字塔方向梯度直方图 | 第23-25页 |
| 2.2.1 方向梯度直方图 | 第23-25页 |
| 2.2.2 金字塔方向梯度直方图 | 第25页 |
| 2.3 等权平均融合法 | 第25-26页 |
| 2.4 机器学习 | 第26-31页 |
| 2.4.1 支持向量机 | 第27-29页 |
| 2.4.2 极限学习机 | 第29-31页 |
| 2.5 基于特征提取的场景分类系统 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 基于特征组合的自然-人造场景分类 | 第34-45页 |
| 3.1 改进的Gist特征 | 第34-37页 |
| 3.1.1 局部Gist特征 | 第34-36页 |
| 3.1.2 改进的Gist特征 | 第36-37页 |
| 3.2 特征组合 | 第37页 |
| 3.3 基于特征组合的自然-人造场景分类 | 第37-43页 |
| 3.3.1 场景图像库 | 第37-39页 |
| 3.3.2 自然-人造场景分类 | 第39-43页 |
| 3.4 实验结果分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于特征组合的多类场景分类 | 第45-53页 |
| 4.1 多类场景分类系统的设计 | 第45-50页 |
| 4.1.1 基于二类分类器构建多类分类器 | 第45-47页 |
| 4.1.2 多类分类器模型设计 | 第47-49页 |
| 4.1.3 多类分类器性能比较 | 第49-50页 |
| 4.2 基于特征组合的多类场景分类 | 第50-52页 |
| 4.3 实验结果分析 | 第52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 全文总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60-61页 |
| 攻读硕士期间发表的论文 | 第61页 |