| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于底层视觉特征的场景识别 | 第11-12页 |
| 1.2.2 基于语义特征的场景识别 | 第12-13页 |
| 1.3 本文工作 | 第13-14页 |
| 1.4 本文的内容安排 | 第14-15页 |
| 第2章 本文中的相关技术和算法介绍 | 第15-23页 |
| 2.1 Gist特征 | 第15-19页 |
| 2.1.1 视觉注意模型 | 第16-18页 |
| 2.1.2 gist特征概述 | 第18-19页 |
| 2.2 支持向量机概述 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 结合多层梯度方向直方图的gist特征提取方法 | 第23-32页 |
| 3.1 梯度方向直方图及其特性分析 | 第23-24页 |
| 3.2 结合多层梯度方向直方图的gist特征 | 第24-28页 |
| 3.2.1 多层梯度方向直方图特征的计算 | 第27页 |
| 3.2.2 从特征图中提取gist特征向量 | 第27-28页 |
| 3.3 支持向量机参数寻优 | 第28-31页 |
| 3.3.1 交叉验证方法介绍 | 第29-30页 |
| 3.3.2 基于交叉验证思想的支持向量机参数寻优 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于梯度方向直方图的gist特征提取模型 | 第32-39页 |
| 4.1 方向纹理特征提取方法 | 第32-34页 |
| 4.1.1 方向纹理特征对于场景识别的重要性分析 | 第32-33页 |
| 4.1.2 传统方向纹理特征提取方法的缺点 | 第33-34页 |
| 4.2 方向gist特征向量的提取 | 第34-35页 |
| 4.3 场景特征向量的形成 | 第35-37页 |
| 4.4 场景特征向量的维度 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 场景识别实验及分析 | 第39-48页 |
| 5.1 场景识别实验数据库介绍 | 第39-41页 |
| 5.2 实验方法 | 第41-42页 |
| 5.3 参数选择实验 | 第42-44页 |
| 5.3.1 梯度方向直方图方向参数b的确定 | 第42-43页 |
| 5.3.2 三种gist特征提取方法的特征向量维数比较 | 第43-44页 |
| 5.3.3 支持向量机参数寻优 | 第44页 |
| 5.4 场景识别实验 | 第44-46页 |
| 5.4.1 自然场景识别实验 | 第45页 |
| 5.4.2 人工场景识别实验 | 第45页 |
| 5.4.3 全部八类场景识别实验 | 第45-46页 |
| 5.5 本章小结 | 第46-48页 |
| 第6章 总结和展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |