基于多特征融合的军装图片识别技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 人物职业分类研究现状 | 第9-10页 |
| 1.2.2 服装检索与分类研究现状 | 第10-11页 |
| 1.3 本文工作及贡献 | 第11-12页 |
| 1.4 本文结构安排 | 第12-13页 |
| 2 图像底层特征表示 | 第13-25页 |
| 2.1 颜色特征 | 第14-17页 |
| 2.2 纹理特征 | 第17-20页 |
| 2.2.1 基本 LBP 算子 | 第17-18页 |
| 2.2.2 圆形 LBP 算子 | 第18-19页 |
| 2.2.3 旋转不变 LBP 算子 | 第19页 |
| 2.2.4 LBP 等价模式类 | 第19-20页 |
| 2.2.5 LBP 直方图 | 第20页 |
| 2.3 局部特征 | 第20-24页 |
| 2.3.1 极值点检测 | 第21-22页 |
| 2.3.2 特征点过滤并进行精确定位 | 第22-23页 |
| 2.3.3 为特征点分配方向值 | 第23-24页 |
| 2.3.4 生成特征描述子 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 SIFT-BOW 模型改进 | 第25-47页 |
| 3.1 BOW 模型简介 | 第25-30页 |
| 3.1.1 局部区域检测 | 第25-28页 |
| 3.1.2 兴趣点描述 | 第28-29页 |
| 3.1.3 词典映射 | 第29-30页 |
| 3.1.4 BOW 特征表示 | 第30页 |
| 3.2 融合 SIFT-BOW 特征提取 | 第30-36页 |
| 3.2.1 稀疏 SIFT-BOW | 第31页 |
| 3.2.2 稠密 SIFT-BOW | 第31页 |
| 3.2.3 融合 SIFT-BOW 特征生成 | 第31-33页 |
| 3.2.4 实验与结果分析 | 第33-36页 |
| 3.3 融入位置信息的 BOW 模型改进 | 第36-46页 |
| 3.3.1 位置信息在 BOW 模型中的应用 | 第36-38页 |
| 3.3.2 空间加权图 SWM | 第38-39页 |
| 3.3.3 基于熵的特征加权方法 | 第39页 |
| 3.3.4 基于熵的空间加权图 ESWM | 第39-43页 |
| 3.3.5 实验与结果分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于多核学习的军装图片识别研究 | 第47-63页 |
| 4.1 支持向量机介绍 | 第47-53页 |
| 4.1.1 线性可分问题 | 第47-49页 |
| 4.1.2 近似线性可分问题 | 第49-51页 |
| 4.1.3 非线性可分问题 | 第51-53页 |
| 4.2 多核学习 | 第53-55页 |
| 4.2.1 核函数类型 | 第53-54页 |
| 4.2.2 多核合成方法 | 第54-55页 |
| 4.3 实验与结果分析 | 第55-62页 |
| 4.3.1 实验工具介绍 | 第55-57页 |
| 4.3.2 实验过程框架 | 第57-58页 |
| 4.3.3 实验与结果分析 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72页 |
