| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 图像分类的难点 | 第16页 |
| 1.4 本文研究内容和章节安排 | 第16-20页 |
| 第2章 图像分类和分布式平台相关原理 | 第20-32页 |
| 2.1 图像分类相关原理 | 第20-23页 |
| 2.1.1 提取特征 | 第21-22页 |
| 2.1.2 分类器选择 | 第22-23页 |
| 2.2 分布式平台相关原理 | 第23-31页 |
| 2.2.1 分布式平台Hadoop | 第24-26页 |
| 2.2.2 分布式平台Spark | 第26-30页 |
| 2.2.3 分布式平台搭建 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于兴趣域检测的空间金字塔匹配图像分类方法 | 第32-46页 |
| 3.1 基于SPM算法的图像分类方法 | 第32-34页 |
| 3.2 基于兴趣域检测的空间金字塔匹配图像分类方法 | 第34-41页 |
| 3.2.1 兴趣域检测算法原理 | 第35-37页 |
| 3.2.2 训练分类器 | 第37-39页 |
| 3.2.3 详细设计 | 第39-41页 |
| 3.3 实验与结果分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于兴趣域检测的多特征融合图像分类方法 | 第46-56页 |
| 4.1 图像多特征表达 | 第46-50页 |
| 4.1.1 Dense SIFT特征 | 第46-47页 |
| 4.1.2 LBP特征 | 第47-49页 |
| 4.1.3 HSV特征 | 第49-50页 |
| 4.2 特征融合 | 第50-51页 |
| 4.3 基于兴趣域检测的多特征融合图像分类方法 | 第51-52页 |
| 4.4 实验与结果分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 基于分布式平台的图像处理 | 第56-66页 |
| 5.1 基于分布式平台的图像处理框架 | 第56-58页 |
| 5.2 常用的并行化策略 | 第58-59页 |
| 5.3 基于分布式平台的图像分类 | 第59-63页 |
| 5.4 实验与结果分析 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 研究工作总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-76页 |
| 攻读硕士期间已发表的论文 | 第76-78页 |
| 致谢 | 第78页 |