首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于全局和局部特征组合的场景分类算法研究

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

论文共55页,点击 下载论文
上一篇:MapReduce模型下基于SR树的Reverse Skyline查询算法研究
下一篇:基于非负矩阵分解与模糊聚类的推荐算法研究