| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 本文研究背景及意义 | 第7页 |
| 1.2 图像场景分类的研究现状 | 第7-10页 |
| 1.2.1 图像场景分类的研究方法 | 第8页 |
| 1.2.2 图像场景分类的国内外研究现状 | 第8-9页 |
| 1.2.3 图像场景分类的应用 | 第9-10页 |
| 1.3 论文章节安排 | 第10-11页 |
| 第二章 图像场景分类理论基础 | 第11-19页 |
| 2.1 特征提取 | 第11-17页 |
| 2.1.1 颜色特征 | 第11页 |
| 2.1.2 LBP算子 | 第11-13页 |
| 2.1.3 经典SIFT特征 | 第13-17页 |
| 2.2 词包模型 | 第17-19页 |
| 2.2.1 基本原理 | 第17页 |
| 2.2.2 具体实现步骤 | 第17-19页 |
| 第三章 基于多分辨率的潜在狄利克雷模型自然图像场景分类 | 第19-33页 |
| 3.1 潜在狄利克雷模型 | 第19-21页 |
| 3.1.1 潜在狄利克雷模型原理 | 第19-20页 |
| 3.1.2 潜在狄利克雷模型优点 | 第20-21页 |
| 3.2 基于多分辨率的自然图像场景分类 | 第21-23页 |
| 3.2.1 多分辨率分析 | 第21页 |
| 3.2.2 基于多分辨率的图像场景分类 | 第21-23页 |
| 3.3 实验分析 | 第23-33页 |
| 3.3.1 数据集介绍 | 第23-27页 |
| 3.3.2 实验设置 | 第27页 |
| 3.3.3 实验结果 | 第27-33页 |
| 第四章 潜在狄利克雷模型的多尺度字典图像场景分类 | 第33-51页 |
| 4.1 字典的构造 | 第33页 |
| 4.2 基于多尺度字典的图像场景分类方法 | 第33-35页 |
| 4.2.1 特征提取 | 第34页 |
| 4.2.2 图像表示 | 第34-35页 |
| 4.3 算法实现步骤 | 第35-37页 |
| 4.3.1 特征提取 | 第35页 |
| 4.3.2 多尺度视觉字典构造 | 第35-37页 |
| 4.3.3 图像表示 | 第37页 |
| 4.3.4 主题表示 | 第37页 |
| 4.3.5 训练分类器 | 第37页 |
| 4.4 潜在狄利克雷的多尺度字典图像场景分类 | 第37-51页 |
| 4.4.1 实验设置 | 第37-38页 |
| 4.4.2 参数选择 | 第38-51页 |
| 第五章 基于空间关系的潜在狄利克雷模型图像场景分类方法 | 第51-59页 |
| 5.1 空间关系 | 第51页 |
| 5.2 基于空间关系的图像场景分类方法 | 第51-52页 |
| 5.3 算法实现步骤 | 第52-53页 |
| 5.4 实验分析 | 第53-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 未来展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士期间研究成果 | 第69页 |