网络文档图像快速分类的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于内容的图像分类算法 | 第12-14页 |
| 1.2.2 基于类型的图像分类算法 | 第14页 |
| 1.3 本课题研究的主要内容 | 第14-16页 |
| 第2章 相关基础理论 | 第16-24页 |
| 2.1 图像特征描述子 | 第16-19页 |
| 2.1.1 SIFT特征描述子 | 第16-18页 |
| 2.1.2 HOG特征描述子 | 第18-19页 |
| 2.1.3 LBP特征描述子 | 第19页 |
| 2.2 图像特征融合模型 | 第19-23页 |
| 2.2.1 BOW模型 | 第20-21页 |
| 2.2.2 SPM模型 | 第21-22页 |
| 2.2.3 LLC模型 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 图像类型粗分类 | 第24-35页 |
| 3.1 层次化分类框架 | 第24-26页 |
| 3.1.1 特征融合策略 | 第24-25页 |
| 3.1.2 分类器融合策略 | 第25-26页 |
| 3.2 全局特征 | 第26-30页 |
| 3.2.1 高饱和像素聚合度 | 第26-28页 |
| 3.2.2 边缘像素平均对比度 | 第28-29页 |
| 3.2.3 平滑区域聚合度 | 第29-30页 |
| 3.2.4 颜色直方图 | 第30页 |
| 3.2.5 梯度强度直方图 | 第30页 |
| 3.3 局部特征 | 第30-34页 |
| 3.3.1 四类局部区域及其特征 | 第31-33页 |
| 3.3.2 二次聚类建立视觉字典 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 场景图像有无文字细分类 | 第35-44页 |
| 4.1 系统框架 | 第35-36页 |
| 4.2 Fastext角点 | 第36-38页 |
| 4.3 Fastext角点过滤 | 第38-42页 |
| 4.3.1 基于角点得分的局部抑制 | 第38-39页 |
| 4.3.2 基于文本置信度的全局抑制 | 第39-42页 |
| 4.4 联通部件以及特征提取 | 第42-43页 |
| 4.4.1 联通部件提取 | 第42-43页 |
| 4.4.2 局部特征提取 | 第43页 |
| 4.5 本章小节 | 第43-44页 |
| 第5章 图像分类实验 | 第44-54页 |
| 5.1 数据集 | 第44-46页 |
| 5.1.1 NLPR_Web4数据库 | 第44-46页 |
| 5.1.2 图像有无文字数据库 | 第46页 |
| 5.2 图像类型分类实验 | 第46-51页 |
| 5.2.1 实验设置 | 第46-47页 |
| 5.2.2 实验结果与分析 | 第47-49页 |
| 5.2.3 实验结论 | 第49-51页 |
| 5.3 图像有无文字分类实验 | 第51-53页 |
| 5.3.1 实验设置 | 第51页 |
| 5.3.2 实验结果与分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
