基于局部不变特征的图像分类研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景 | 第9-11页 |
| ·研究内容与现状 | 第11-17页 |
| ·图像局部特征 | 第12-15页 |
| ·基于局部特征的图像描述 | 第15-16页 |
| ·图像分类方法 | 第16-17页 |
| ·本文主要工作与章节安排 | 第17-19页 |
| 第二章 基于局部不变特征图像分类的关键技术 | 第19-35页 |
| ·相似性度量 | 第19-21页 |
| ·词包模型 | 第21-24页 |
| ·词包模型的构建 | 第21-22页 |
| ·聚类算法 | 第22-24页 |
| ·局部特征的检测与描述 | 第24-31页 |
| ·局部特征的检测 | 第24-28页 |
| ·局部特征的描述方法 | 第28-31页 |
| ·常用分类技术 | 第31-34页 |
| ·朴素贝叶斯 | 第32页 |
| ·K近邻算法 | 第32页 |
| ·支持向量机 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于多码书BoW的图像分类 | 第35-47页 |
| ·基于类属词汇的码书构建框架 | 第35-37页 |
| ·码书生成框架 | 第35-36页 |
| ·特征选择 | 第36-37页 |
| ·基于特征点显著度的类属码书生成算法 | 第37-42页 |
| ·特征点的显著度度量方式 | 第38-41页 |
| ·类属码书的码字提取 | 第41-42页 |
| ·基于多码本的分类器设计算 | 第42-43页 |
| ·实验方法与实验结果 | 第43-46页 |
| ·实验数据集 | 第43页 |
| ·实验设置与实验结果 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于结合空间信息的pLSA的场景分类 | 第47-65页 |
| ·概率潜在语义分析 | 第48-52页 |
| ·期望最大化算法 | 第49-50页 |
| ·概率潜在语义分析求解 | 第50-52页 |
| ·基于邻域词汇pLSA的场景图像分类 | 第52-57页 |
| ·cw-pLSA | 第52-54页 |
| ·基于KL距离的邻域词相似性度量 | 第54-55页 |
| ·实验方法与实验结果 | 第55-57页 |
| ·基于潜在主题空间分布pLSA的场景图像分类 | 第57-64页 |
| ·潜在主题空间分布pLSA | 第57-59页 |
| ·基于背景语言模型的有监督pLSA | 第59-60页 |
| ·实验方法与实验结果 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者攻读硕士学位期间发表的论文 | 第72页 |
