基于特征编码的图像分类
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 特征编码方法研究现状 | 第10-12页 |
| 1.3 本文主要研究内容及章节安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 特征编码方法相关技术介绍 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 基于局部特征编码方法 | 第14-19页 |
| 2.2.1 稀疏编码 | 第14-16页 |
| 2.2.2 基于显著性的特征编码 | 第16-18页 |
| 2.2.3 基于局部切线的特征编码 | 第18-19页 |
| 2.3 基于全局特征编码方法 | 第19-22页 |
| 2.3.1 费歇向量 | 第19-21页 |
| 2.3.2 VLAD | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 图像分类相关技术 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 图像特征 | 第23-25页 |
| 3.2.1 SIFT特征 | 第23-25页 |
| 3.3 字典学习 | 第25-28页 |
| 3.3.1 K均值聚类 | 第26-27页 |
| 3.3.2 GMM聚类 | 第27-28页 |
| 3.4 池化操作 | 第28-29页 |
| 3.5 图像分类器 | 第29-32页 |
| 3.5.1 朴素贝叶斯分类 | 第29-30页 |
| 3.5.2 SVM分类 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 结合空间上下文的局部约束线性特征编码 | 第33-44页 |
| 4.1 引言 | 第33页 |
| 4.2 SCLLC算法流程 | 第33-34页 |
| 4.3 SCLLC算法原理 | 第34-41页 |
| 4.3.1 SCLLC的重构特征 | 第35-36页 |
| 4.3.2 寻找邻域特征点 | 第36-37页 |
| 4.3.3 融入上下文信息 | 第37-40页 |
| 4.3.4 金字塔匹配模型 | 第40-41页 |
| 4.4 SCLLC的非负性约束 | 第41-43页 |
| 4.4.1 SCLLC的非负性约束模型 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 实验分析 | 第44-52页 |
| 5.1 评价指标 | 第44页 |
| 5.2 图像分类数据集 | 第44-46页 |
| 5.3 算法工作流程图 | 第46页 |
| 5.4 实验设置 | 第46-47页 |
| 5.5 实验结果和分析 | 第47-51页 |
| 5.6 本章小结 | 第51-52页 |
| 总结和展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间取得的学术成果 | 第59-60页 |
| 致谢 | 第60页 |
