| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-28页 |
| ·课题研究的背景及意义 | 第14-17页 |
| ·课题研究的背景 | 第14-16页 |
| ·课题研究的意义 | 第16-17页 |
| ·国内外研究现状 | 第17-23页 |
| ·图像特征提取研究现状 | 第17-20页 |
| ·图像分类方法研究现状 | 第20-23页 |
| ·论文的主要工作和研究成果 | 第23-25页 |
| ·论文结构安排 | 第25-28页 |
| 第二章 场景图像分类关键技术综述 | 第28-48页 |
| ·基于BoW模型的场景图像分类方法流程 | 第28-29页 |
| ·尺度不变特征变换描述算子 | 第29-35页 |
| ·SIFT特征描述符的优势 | 第30页 |
| ·SIFT描述子提取过程 | 第30-35页 |
| ·BoW模型概述 | 第35-42页 |
| ·BoW模型研究现状 | 第37-38页 |
| ·BoW模型在图像分类中的应用方法 | 第38-39页 |
| ·SPM词包模型及编码方式 | 第39-42页 |
| ·图像分类的评测标准 | 第42-45页 |
| ·数据测试集 | 第42-44页 |
| ·性能评价方法 | 第44-45页 |
| ·本章小结 | 第45-48页 |
| 第三章 基于WAFs的码书优化方法 | 第48-64页 |
| ·k-means聚类方法 | 第49-53页 |
| ·WAFs定义 | 第53-55页 |
| ·基于WAFs的码书优化算法 | 第55-57页 |
| ·实验 | 第57-61页 |
| ·数据集和参数选择 | 第57页 |
| ·Caltech-101 | 第57-59页 |
| ·Scene15 | 第59-61页 |
| ·PASCAL VOC2007 | 第61页 |
| ·本章小结 | 第61-64页 |
| 第四章 基于soft-IDF的BoW模型的改进算法 | 第64-74页 |
| ·IDF简介 | 第64-65页 |
| ·基于Soft-IDF的词包模型优化 | 第65-67页 |
| ·码书学习方法 | 第67-69页 |
| ·实验 | 第69-72页 |
| ·数据集和参数设定 | 第69页 |
| ·Scene15 | 第69页 |
| ·Caltech-101 | 第69-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 结合K-SVD的reference-based场景图像分类算法 | 第74-88页 |
| ·Reference-combined字典学习过程 | 第76-78页 |
| ·重建和稀疏编码的字典学习 | 第76页 |
| ·Reference-combined字典学习 | 第76-77页 |
| ·应用K-SVD优化求解 | 第77-78页 |
| ·Reference-based分类方案介绍 | 第78-80页 |
| ·方案1 | 第78-79页 |
| ·方案2 | 第79-80页 |
| ·实验 | 第80-86页 |
| ·数据集和参数选择 | 第80-82页 |
| ·Caltech-101 | 第82-83页 |
| ·Scene 15 | 第83页 |
| ·Pascal VOC2007 | 第83页 |
| ·Caltech-256 | 第83-84页 |
| ·实验结果分析 | 第84-86页 |
| ·本章小结 | 第86-88页 |
| 第六章 Reference-based场景图像分类算法的改进方法 | 第88-100页 |
| ·改进的reference-based图像分类算法概述 | 第89-90页 |
| ·基于adapted k-means的reference-set选择方法 | 第90-92页 |
| ·中介度中心性测度计算方法 | 第92-95页 |
| ·中介度中心性测度应用背景 | 第92-93页 |
| ·中介度中心性测度在reference-based模型中的应用方法 | 第93-95页 |
| ·实验 | 第95-97页 |
| ·数据集和参数选择 | 第95页 |
| ·Caltech-101 | 第95-96页 |
| ·Scene15 | 第96-97页 |
| ·PASCAL VOC2007 | 第97页 |
| ·本章小结 | 第97-100页 |
| 第七章 总结与展望 | 第100-104页 |
| ·论文工作总结 | 第100-101页 |
| ·研究展望 | 第101-104页 |
| 附录 缩略语表 | 第104-106页 |
| 参考文献 | 第106-118页 |
| 致谢 | 第118-120页 |
| 攻读学位期间发表的学术论文目录 | 第120页 |
