| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-36页 |
| ·研究背景 | 第14-15页 |
| ·研究意义 | 第15-18页 |
| ·图像分类国内外研究现状 | 第18-29页 |
| ·图像特征提取研究现状 | 第18-23页 |
| ·分类方法研究现状 | 第23-29页 |
| ·主要技术挑战 | 第29-32页 |
| ·本文的主要工作 | 第32-34页 |
| ·论文的组织 | 第34-36页 |
| 第二章 图像分类的相关概念与预备知识 | 第36-50页 |
| ·图像分类的相关概念 | 第36-38页 |
| ·图像语义模型 | 第38-39页 |
| ·局部不变特征提取 | 第39-43页 |
| ·特征点探测 | 第40-42页 |
| ·特征描述 | 第42-43页 |
| ·模式识别的核方法 | 第43-49页 |
| ·核方法概念 | 第43-44页 |
| ·核函数及其性质 | 第44-46页 |
| ·支持向量机 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 基于区域潜在语义的特征提取 | 第50-68页 |
| ·引言 | 第50-51页 |
| ·概率潜在语义分析方法研究 | 第51-54页 |
| ·潜在语义分析 | 第51页 |
| ·概率潜在语义分析 | 第51-54页 |
| ·区域潜在语义分布特征提取 | 第54-59页 |
| ·视觉词典的构建 | 第54-57页 |
| ·基于空间金字塔分块策略的图像区域生成 | 第57-58页 |
| ·基于概率潜在语义分析的特征提取 | 第58-59页 |
| ·实验结果与讨论 | 第59-66页 |
| ·实验数据 | 第59-60页 |
| ·实验设置与评价标准 | 第60-61页 |
| ·实验结果分析 | 第61-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 多特征融合分类模型及其优化方法研究 | 第68-98页 |
| ·引言 | 第68页 |
| ·多特征融合方法研究 | 第68-71页 |
| ·特征层融合方法 | 第69-70页 |
| ·决策层融合方法 | 第70-71页 |
| ·基于核函数组合的多特征融合分类模型 | 第71-79页 |
| ·模型描述 | 第71-72页 |
| ·核函数优化问题 | 第72-75页 |
| ·基于类间间隔最大化和类内散度最小化的多核学习算法 | 第75-79页 |
| ·实验结果与讨论 | 第79-97页 |
| ·实验中所用特征及其核函数 | 第79-81页 |
| ·Caltech101 数据集上的分类性能 | 第81-90页 |
| ·VOC2007 数据集上的分类性能 | 第90-96页 |
| ·实验结果分析 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 第五章 面向大类别集的多类分类器设计 | 第98-119页 |
| ·引言 | 第98-99页 |
| ·基于SVM 的多类分类方法及其性能分析 | 第99-103页 |
| ·常用基于SVM 的多类分类方法 | 第99-102页 |
| ·各种方法的分类性能分析 | 第102-103页 |
| ·级联模型子空间最小距离分类器的多类分类方法 | 第103-111页 |
| ·级联最小距离分类器的SVM 多类分类方法 | 第103-105页 |
| ·基于模型子空间的最小距离分类器 | 第105-108页 |
| ·实验结果与分析 | 第108-111页 |
| ·融合特征分布与语义相似性的层次分类方法 | 第111-118页 |
| ·基于聚类分布的类别相似性度量 | 第112-113页 |
| ·基于类别语义的类别相似性度量 | 第113-115页 |
| ·基于融合相似性度量的层次分类器生成算法 | 第115-116页 |
| ·实验结果与分析 | 第116-118页 |
| ·本章小结 | 第118-119页 |
| 第六章 总结与展望 | 第119-123页 |
| ·论文的主要贡献 | 第119-120页 |
| ·进一步的工作 | 第120-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-141页 |
| 作者在学期间取得的学术成果 | 第141-142页 |