| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·本课题的研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·课题研究的主要内容 | 第11-12页 |
| ·论文组织框架结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 常用的图像特征提取方法 | 第13-24页 |
| ·颜色特征 | 第13-16页 |
| ·颜色空间 | 第13-14页 |
| ·颜色特征描述 | 第14-16页 |
| ·纹理特征 | 第16-19页 |
| ·基于共生矩阵的纹理分析法 | 第16-17页 |
| ·Tamura 纹理分析法 | 第17-18页 |
| ·Gabor 纹理分析法 | 第18-19页 |
| ·形状特征 | 第19-23页 |
| ·几个基本概念 | 第19-20页 |
| ·形状特征描述 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于 Bag of Words 模型图像特征提取 | 第24-33页 |
| ·Bag of Words 模型概述 | 第24-25页 |
| ·Bag of Words 算法步骤 | 第25-32页 |
| ·特征检测 | 第25-30页 |
| ·特征描述 | 第30-31页 |
| ·码本生成 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 AdaBoost 分类器的构建 | 第33-41页 |
| ·AdaBoost 概述 | 第33页 |
| ·两类问题 | 第33-34页 |
| ·多类单标签问题 | 第34-36页 |
| ·AdaBoost.M1 算法 | 第34-35页 |
| ·AdaBoost.M2 算法 | 第35-36页 |
| ·多类多标签问题 | 第36-38页 |
| ·Discrete AdaBoost.MH 算法 | 第37页 |
| ·Real AdaBoost.MH 算法 | 第37-38页 |
| ·本章小结 | 第38-41页 |
| 第五章 系统设计与实现 | 第41-53页 |
| ·系统设计 | 第41-44页 |
| ·训练部分 | 第41-42页 |
| ·测试部分 | 第42-44页 |
| ·系统实现 | 第44-48页 |
| ·图像特征提取模块（Vision Mode） | 第45-46页 |
| ·机器学习模块（Learn Mode） | 第46-48页 |
| ·其他 | 第48页 |
| ·实验 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-56页 |
| ·工作总结 | 第53-55页 |
| ·进一步的工作 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |