视觉词袋模型中定位对象位置的算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.2 图像分类历史与发展 | 第12-14页 |
| 1.3 本文工作及组织结构 | 第14-16页 |
| 1.3.1 本文所做工作 | 第14页 |
| 1.3.2 本文组织结构 | 第14-16页 |
| 第2章 基于视觉词袋模型的研究方法 | 第16-28页 |
| 2.1 视觉词袋模型的图像分类的方法流程 | 第16-17页 |
| 2.2 图像底层特值提取和 SIFT 算法 | 第17-20页 |
| 2.2.1 尺度空间极值选择 | 第18-19页 |
| 2.2.2 兴趣点定位 | 第19页 |
| 2.2.3 分配兴趣点方向 | 第19-20页 |
| 2.2.4 生成特征描述子 | 第20页 |
| 2.3 视觉词典生成 | 第20-23页 |
| 2.3.1 视觉词典主要研究方法 | 第21页 |
| 2.3.2 K-means 算法 | 第21-23页 |
| 2.4 图像视觉词汇特征构建 | 第23-25页 |
| 2.4.1 构建视觉词汇特征的意义 | 第23页 |
| 2.4.2 空间金字塔模型 | 第23-25页 |
| 2.5 分类器 | 第25-28页 |
| 2.5.1 分类器设计 | 第25-26页 |
| 2.5.2 支持向量机分类器 SVM | 第26-28页 |
| 第3章 Object-Shrunken 算法 | 第28-39页 |
| 3.1 Object-Shrunken 算法过程 | 第28-35页 |
| 3.1.1 提取兴趣点 | 第29-30页 |
| 3.1.2 移除离群点 | 第30-34页 |
| 3.1.3 标定最小边界矩形 | 第34-35页 |
| 3.2 离群点分块移除 | 第35-39页 |
| 第4章 实验评估 | 第39-43页 |
| 4.1 对象定位实验 | 第39-40页 |
| 4.2 整体性能实验 | 第40-41页 |
| 4.3 分块处理实验 | 第41-43页 |
| 第5章 结论与后继工作 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |
