基于空间信息词袋模型的图像分类
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 图像分类概述 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 主要内容与结构安排 | 第14-15页 |
| 第2章 基于词袋模型的图像表达 | 第15-25页 |
| 2.1 文本分类检索算法分析 | 第15页 |
| 2.2 词袋模型原理 | 第15-17页 |
| 2.3 视觉特征提取 | 第17-20页 |
| 2.3.1 尺度空间极值点检测 | 第18-19页 |
| 2.3.2 关键点精确定位 | 第19页 |
| 2.3.3 关键点主方向确定 | 第19-20页 |
| 2.3.4 特征描述符生成 | 第20页 |
| 2.4 视觉特征映射 | 第20-23页 |
| 2.5 图像表达 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于词袋模型的分类器设计 | 第25-35页 |
| 3.1 分类器简介 | 第25页 |
| 3.2 基于词袋模型的 SVM 分类 | 第25-29页 |
| 3.2.1 SVM 分类器原理 | 第25-26页 |
| 3.2.2 SVM 的核函数 | 第26-28页 |
| 3.3.3 SVM 的分类应用 | 第28-29页 |
| 3.3 基于词袋模型的 KNN 分类 | 第29-33页 |
| 3.3.1 KNN 分类器原理 | 第29-31页 |
| 3.3.2 KNN 的距离度量 | 第31-32页 |
| 3.3.3 KNN 的分类应用 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于词袋空间矢量模型的图像分类 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 词袋空间矢量模型 | 第35-38页 |
| 4.3 有效空间矢量矩阵构建 | 第38-40页 |
| 4.4 基于 SVM 的图像分类 | 第40-44页 |
| 4.4.1 视觉短语词库构造 | 第41页 |
| 4.4.2 图像表达 | 第41-43页 |
| 4.4.3 分类判决 | 第43-44页 |
| 4.5 基于 KNN 的图像分类 | 第44-47页 |
| 4.5.1 量化统计 | 第45页 |
| 4.5.2 参数选取 | 第45-47页 |
| 4.5.3 分类判决 | 第47页 |
| 4.6 旋转不变性 | 第47-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 实验与分析 | 第49-61页 |
| 5.1 实验数据集 | 第49-51页 |
| 5.2 评价方法 | 第51-52页 |
| 5.2.1 平均分类正确率 | 第51页 |
| 5.2.2 平均类别准确率 | 第51-52页 |
| 5.3 实验环境 | 第52页 |
| 5.4 实验结果及分析 | 第52-59页 |
| 5.4.1 基于 SVM 的分类 | 第52-56页 |
| 5.4.2 基于 KNN 的分类 | 第56-58页 |
| 5.4.3 实验分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 未来工作 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 作者简介 | 第68-69页 |
| 致谢 | 第69页 |
