| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 基于 BOW 模型的图像分类方法 | 第15-27页 |
| 2.1 词袋（bag-of-words）模型 | 第15-17页 |
| 2.2 空间金字塔匹配（SPM） | 第17页 |
| 2.3 基于 SPM 模型的改进方法 | 第17-26页 |
| 2.3.1 码本训练 | 第18-20页 |
| 2.3.2 编码 | 第20-24页 |
| 2.3.3 图像表达生成 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 特征筛选对码本区分性的增强作用 | 第27-41页 |
| 3.1 类 BOW 分类方法 | 第27-28页 |
| 3.2 基于码本的特征编码方法 | 第28-30页 |
| 3.2.1 k-means 聚类方法 | 第28-29页 |
| 3.2.2 基于优化的码本生成方法 | 第29-30页 |
| 3.3 Gist 特征检测在图像分类中的作用 | 第30-36页 |
| 3.3.1 Gist 特征的目标定位作用 | 第31-33页 |
| 3.3.2 非均匀密集采样方式 | 第33-35页 |
| 3.3.3 分类方法步骤 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-40页 |
| 3.4.1 Caltech-101 数据库实验结果 | 第36-37页 |
| 3.4.2 Caltech-256 数据库实验结果 | 第37-38页 |
| 3.4.3 实验分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 稀疏化的 Fisher 核方法 | 第41-59页 |
| 4.1 Fisher 核的图像分类方法 | 第41-42页 |
| 4.2 Fisher kernels 原理 | 第42-49页 |
| 4.2.1 Fisher 信息矩阵 | 第43-44页 |
| 4.2.2 Fisher 核的码本生成方法 | 第44-45页 |
| 4.2.3 Fisher 核的图像表达 | 第45-46页 |
| 4.2.4 Fisher 核的图像表达的改进方法 | 第46-49页 |
| 4.3 稀疏化的 Fisher 核编码方法（FV-KNN） | 第49-53页 |
| 4.3.1 Fisher 核编码过程分析 | 第50-51页 |
| 4.3.2 改进的 Fisher 核编码方法 | 第51-53页 |
| 4.3.3 改进之后的分类方法步骤 | 第53页 |
| 4.4 实验结果与分析 | 第53-58页 |
| 4.4.1 实验设置 | 第53-54页 |
| 4.4.2 PASCAL VOC 2007 | 第54-55页 |
| 4.4.3 Caltech-101 | 第55-57页 |
| 4.4.4 实验分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 多核多特征的图像分类方法 | 第59-68页 |
| 5.1 多核多特征分类方法 | 第59-63页 |
| 5.1.1 核方法的原理 | 第60-61页 |
| 5.1.2 多核方法 | 第61-63页 |
| 5.2 多核的图像表达方法 | 第63-65页 |
| 5.2.1 核函数的选择 | 第63-64页 |
| 5.2.2 特征的选择 | 第64页 |
| 5.2.3 联合多特征的多核分类方法 | 第64-65页 |
| 5.3 实验结果与分析 | 第65-67页 |
| 5.3.1 实验设置 | 第66页 |
| 5.3.2 实验结果 | 第66-67页 |
| 5.3.3 实验分析 | 第67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间已发表或录用的论文 | 第76-78页 |
| 第一作者论文 | 第76页 |
| 非第一作者论文 | 第76页 |
| 在处理论文 | 第76-78页 |
