| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景与研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题的主要研究内容 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第2章 相关基础知识 | 第14-23页 |
| ·引言 | 第14页 |
| ·场景分类特征提取 | 第14-19页 |
| ·Gist 全局特征提取 | 第14-15页 |
| ·SIFT 局部特征提取 | 第15-17页 |
| ·HOG 局部特征提取 | 第17-19页 |
| ·核密度估计 | 第19-20页 |
| ·支持向量机理论的研究 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于 p.d.f 梯度方向的场景分类方法 | 第23-32页 |
| ·引言 | 第23页 |
| ·算法总体思想 | 第23-24页 |
| ·p.d.f 梯度方向直方图特征提取 | 第24-29页 |
| ·方法总体思想 | 第24-25页 |
| ·局部特征提取 | 第25-26页 |
| ·p.d.f 梯度方向表示 | 第26-27页 |
| ·p.d.f 梯度方向量化 | 第27-29页 |
| ·同其他方法对比 | 第29-30页 |
| ·多类分类器 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于多特征融合的场景分类方法 | 第32-41页 |
| ·引言 | 第32页 |
| ·基于特征融合的场景分类方法 | 第32页 |
| ·多特征融合场景分类方法 | 第32-38页 |
| ·方法总体思想 | 第32-33页 |
| ·特征提取 | 第33-34页 |
| ·特征数据处理 | 第34-37页 |
| ·特征融合 | 第37-38页 |
| ·SVM 分类器 | 第38-39页 |
| ·本章方法描述 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 实验与分析 | 第41-52页 |
| ·实验环境 | 第41页 |
| ·基于 p.d.f 梯度方向的场景分类方法试验分析 | 第41-45页 |
| ·实验方案 | 第41页 |
| ·实验验证 | 第41-44页 |
| ·实验比较与分析 | 第44-45页 |
| ·基于多特征融合的场景分类方法实验分析 | 第45-51页 |
| ·实验方案 | 第46页 |
| ·实验验证 | 第46-47页 |
| ·实验比较与分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |