主题模型与眼动分析在场景分类中的研究及应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 缩写词列表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 场景分类的研究方法及现状 | 第15-18页 |
| 1.2.1 图像的特征提取和表示 | 第15-16页 |
| 1.2.2 图像的分类算法 | 第16页 |
| 1.2.3 场景分类的主要研究模型 | 第16-18页 |
| 1.3 本文的研究内容 | 第18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 第二章 LDA主题模型和空间金字塔匹配模型 | 第20-31页 |
| 2.1 基于LDA的主题模型 | 第20-25页 |
| 2.1.1 LDA的重要概念 | 第20-21页 |
| 2.1.2 LDA作为分类器进行场景分类 | 第21-25页 |
| 2.2 基于金字塔匹配核的SPM模型 | 第25-30页 |
| 2.2.1 金字塔匹配核 | 第25-27页 |
| 2.2.2 基于金字塔匹配核的SPM模型 | 第27-28页 |
| 2.2.3 SVM分类器 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于多尺度特征提取的场景分类 | 第31-44页 |
| 3.1 基于多尺度的特征提取 | 第31-33页 |
| 3.1.1 基于多尺度的特征区域选择 | 第31-33页 |
| 3.1.2 图像子区域SIFT特征的提取 | 第33页 |
| 3.2 特征词典的构建 | 第33-35页 |
| 3.2.1 传统的K-means聚类方法 | 第33-34页 |
| 3.2.2 分类别多次聚类 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-43页 |
| 3.3.1 分类结果 | 第36-38页 |
| 3.3.2 室内场景与室外场景分类结果对比 | 第38-40页 |
| 3.3.3 特征词汇的分布概率情况分析 | 第40-42页 |
| 3.3.4 训练过程中主题个数对分类结果的影响 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于全局显著性的场景分类 | 第44-57页 |
| 4.1 全局显著区域的提取 | 第44-49页 |
| 4.1.1 视觉认知中的场景显著性 | 第44-45页 |
| 4.1.2 显著目标所在位置的分析 | 第45-46页 |
| 4.1.3 全局特征的计算 | 第46-47页 |
| 4.1.4 显著区域的分布位置 | 第47-49页 |
| 4.2 实验结果与分析 | 第49-56页 |
| 4.2.1 分类结果 | 第49-51页 |
| 4.2.2 与基于多尺度特征的主题模型对比 | 第51页 |
| 4.2.3 与Lazebnik模型的对比 | 第51-55页 |
| 4.2.4 室内室外场景分类结果对比 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 场景理解中的眼动分析 | 第57-77页 |
| 5.1 眼动分析一——无任务驱动的场景认知 | 第57-70页 |
| 5.1.1 实验方案 | 第57页 |
| 5.1.2 眼动数据的获取 | 第57-58页 |
| 5.1.3 实验结果分析 | 第58-70页 |
| 5.2 眼动分析二——对场景认知机制的验证 | 第70-76页 |
| 5.2.1 实验方案 | 第70-71页 |
| 5.2.2 实验数据 | 第71页 |
| 5.2.3 实验结果分析 | 第71-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 论文总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间已发表或录用的论文 | 第85-87页 |
