基于局部特征提取的场景分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 场景分类研究背景与意义 | 第10-11页 |
| 1.2 场景分类研究现状与发展趋势 | 第11-15页 |
| 1.3 论文主要工作与安排 | 第15-16页 |
| 第二章 场景分类算法中的关键技术介绍 | 第16-29页 |
| 2.1 场景分类算法的一般流程 | 第16-28页 |
| 2.1.1 特征提取方法 | 第16-20页 |
| 2.1.1.1 SIFT特征提取方法 | 第16-19页 |
| 2.1.1.2 协方差矩阵特征提取方法 | 第19-20页 |
| 2.1.2 特征编码方法 | 第20-26页 |
| 2.1.2.1 向量量化编码 | 第20-22页 |
| 2.1.2.2 Fisher编码 | 第22-24页 |
| 2.1.2.3 稀疏编码 | 第24-26页 |
| 2.1.3 池化 | 第26页 |
| 2.1.4 SVM分类器 | 第26-28页 |
| 2.1.4.1 SVM分类器的性能分析 | 第26-28页 |
| 2.2 本章小结 | 第28-29页 |
| 第三章 改进的局部特征提取算法研究 | 第29-44页 |
| 3.1 密集SIFT特征提取过程研究 | 第29-36页 |
| 3.1.1 密集SIFT特征的特征提取过程 | 第29-31页 |
| 3.1.2 改进的密集SIFT特征提取过程 | 第31-35页 |
| 3.1.2.1 寻找特征的主方向 | 第31-34页 |
| 3.1.2.2 特征方向归一化 | 第34-35页 |
| 3.1.3 实验结果及分析 | 第35-36页 |
| 3.2 局部协方差矩阵特征提取算法研究 | 第36-43页 |
| 3.2.1 局部协方差矩阵计算过程 | 第36-37页 |
| 3.2.2 改进的局部协方差矩阵特征提取过程 | 第37-40页 |
| 3.2.2.1 密集网格采样 | 第38页 |
| 3.2.2.2 协方差矩阵空间转换 | 第38-39页 |
| 3.2.2.3 特征描述子生成 | 第39-40页 |
| 3.2.3 实验结果及分析 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 改进的特征编码算法研究 | 第44-58页 |
| 4.1 局部约束线性编码 | 第44-48页 |
| 4.1.1 局部约束线性编码的原理 | 第44-46页 |
| 4.1.1.1 局部约束线性编码时间复杂度分析 | 第46页 |
| 4.1.2 局部约束线性编码的优势 | 第46-47页 |
| 4.1.3 局部约束线性编码的不足 | 第47-48页 |
| 4.2 改进的局部约束线性编码 | 第48-53页 |
| 4.2.1 码本模型模糊性分析 | 第48-51页 |
| 4.2.1.1 核密度估计 | 第50-51页 |
| 4.2.2 编码算法流程 | 第51-53页 |
| 4.3 实验结果及分析 | 第53-57页 |
| 4.3.1 码本训练方法分析 | 第53-54页 |
| 4.3.2 最佳判别准则阈值选取 | 第54-55页 |
| 4.3.3 改进后的编码算法性能分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 场景分类算法和实验结果 | 第58-68页 |
| 5.1 基于ILFLC的场景分类方法 | 第58-62页 |
| 5.1.1 ILFLC算法的基本流程 | 第58-60页 |
| 5.1.2 实验结果及分析 | 第60-62页 |
| 5.1.2.1 实验数据集 | 第61页 |
| 5.1.2.2 结果数据分析 | 第61-62页 |
| 5.2 基于KPALC的场景分类方法 | 第62-66页 |
| 5.2.1 KPALC算法的基本流程 | 第63-64页 |
| 5.2.2 实验结果及分析 | 第64-66页 |
| 5.3 场景分类算法演示系统 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 硕士研究生期间科研成果 | 第75-76页 |
