目录 | 第5-8页 |
TABLE OF CONTENTS | 第8-11页 |
摘要 | 第11-13页 |
ABSTRACT | 第13-14页 |
第1章 绪论 | 第15-30页 |
1.1 研究背景 | 第15-18页 |
1.1.1 图像检索的研究背景 | 第15-17页 |
1.1.2 图像分类的研究背景 | 第17-18页 |
1.2 研究现状 | 第18-26页 |
1.2.1 图像检索 | 第18-22页 |
1.2.2 图像分类 | 第22-26页 |
1.3 主要技术挑战 | 第26-27页 |
1.4 论文的主要工作和创新点 | 第27-29页 |
1.5 本文的组织结构 | 第29-30页 |
第2章 图像特征与分类器的基础知识 | 第30-45页 |
2.1 图像特征 | 第30-37页 |
2.1.1 颜色特征 | 第30-31页 |
2.1.2 形状特征 | 第31页 |
2.1.3 纹理特征 | 第31-32页 |
2.1.4 SIFT特征 | 第32-33页 |
2.1.5 Dense SIFT | 第33页 |
2.1.6 Color SIFT | 第33页 |
2.1.7 HOG特征 | 第33-35页 |
2.1.8 Bag-of-Visual-Words(BoVW)模型 | 第35-37页 |
2.1.9 空间金字塔匹配模型(Spatial Pyramid Matching,SPM) | 第37页 |
2.2 支持向量机(Support Vector Machines,SVM) | 第37-44页 |
2.2.1 最优分类面 | 第38-40页 |
2.2.2 广义最优分类面 | 第40页 |
2.2.3 高维空间中的内积计算 | 第40-41页 |
2.2.4 支持向量机 | 第41页 |
2.2.5 核函数 | 第41-42页 |
2.2.6 支持向量机的概率输出 | 第42-43页 |
2.2.7 多类支持向量机 | 第43-44页 |
2.3 本章小结 | 第44-45页 |
第3章 图像中物体空间关系的表示及在检索中的应用 | 第45-58页 |
3.1 引言 | 第45-47页 |
3.2 用户输入的表示 | 第47-48页 |
3.3 物体空间关系表示方法 | 第48-53页 |
3.4 用户查询匹配和检索排序 | 第53-55页 |
3.5 实验 | 第55-57页 |
3.6 本章小结 | 第57-58页 |
第4章 基于空间圆塔匹配的图像分类 | 第58-70页 |
4.1 引言 | 第58-60页 |
4.2 相关工作 | 第60-62页 |
4.3 空间圆塔匹配 | 第62-64页 |
4.4 稀疏编码与编码构建 | 第64页 |
4.5 实验 | 第64-69页 |
4.5.1 Caltech-101数据集 | 第65-67页 |
4.5.2 Caltech-256数据集 | 第67-68页 |
4.5.3 15-Scenes数据集 | 第68-69页 |
4.6 结论 | 第69-70页 |
第5章 基于旋转不变性金字塔匹配的图像分类 | 第70-78页 |
5.1 引言 | 第70-71页 |
5.2 旋转不变的金字塔匹配 | 第71-75页 |
5.2.1 图像主方向判定 | 第71页 |
5.2.2 图像的平滑块旋转 | 第71-75页 |
5.3 稀疏编码与特征构造 | 第75页 |
5.4 实验 | 第75-77页 |
5.5 结论 | 第77-78页 |
第6章 基于LDA的无监督的物体识别 | 第78-87页 |
6.1 引言 | 第78-79页 |
6.2 物体定位LDA | 第79-83页 |
6.2.1 LDA模型 | 第80-81页 |
6.2.2 前景物体位置和大小估计 | 第81-82页 |
6.2.3 物体定位LDA | 第82-83页 |
6.2.4 图像中的物体发现 | 第83页 |
6.3 实验 | 第83-86页 |
6.4 结论 | 第86-87页 |
第7章 总结与展望 | 第87-89页 |
7.1 主要工作总结 | 第87-88页 |
7.2 未来工作展望 | 第88-89页 |
参考文献 | 第89-99页 |
致谢 | 第99-100页 |
攻读学位期间发表的学术论文目录 | 第100-101页 |
攻读学位期间参与科研项目情况 | 第101-102页 |
外文论文 | 第102-115页 |
学位论文评闻及答辩情况表 | 第115页 |