| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·课题研究背景及研究意义 | 第9-11页 |
| ·场景图像分类的研究现状 | 第11-15页 |
| ·场景分类的主要研究方法 | 第11-14页 |
| ·基于低级特征的方法 | 第11-12页 |
| ·基于场景结构的方法 | 第12-13页 |
| ·基于视觉词汇的方法 | 第13-14页 |
| ·当前存在的主要问题 | 第14-15页 |
| ·本文的研究内容和组织结构 | 第15-17页 |
| 2 图像分割 | 第17-26页 |
| ·经典分割算法 | 第17-20页 |
| ·森林结构和 Texton 算法 | 第20-25页 |
| ·随机决策森林 | 第20-22页 |
| ·语义纹理基元森林(Semantic Texton Forests) | 第22-23页 |
| ·Bag of Semantic Textons | 第23-24页 |
| ·语义分割 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于树结构的多尺度分割 | 第26-32页 |
| ·多尺度分割 | 第26-27页 |
| ·基于树结构的多尺度分割算法 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 4 条件随机场推断物体类别 | 第32-61页 |
| ·条件随机场理论 | 第32-47页 |
| ·有向图模型 | 第32-38页 |
| ·生成模型的局限性 | 第33-35页 |
| ·最大熵马尔可夫模型 | 第35-38页 |
| ·条件随机场的无向图结构 | 第38-39页 |
| ·最大熵理论 | 第39-41页 |
| ·势函数 | 第41-42页 |
| ·条件随机场模型参数估计 | 第42-44页 |
| ·条件概率的矩阵计算 | 第44-47页 |
| ·决策树场和回归树场 | 第47-57页 |
| ·决策树场 | 第47-50页 |
| ·回归树场 | 第50-57页 |
| ·运用条件随机场得到物体类别 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 5 由关联分析得到场景类别 | 第61-70页 |
| ·关联分析相关定义和性质 | 第61-64页 |
| ·经典方法 | 第64-66页 |
| ·算法实现 | 第66-67页 |
| ·对难区分样本的处理 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 6 结论与展望 | 第70-71页 |
| 参考文献 | 第71-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间发表的学术论文目录 | 第81-84页 |
| 附件 | 第84页 |