| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·图像分类研究现状 | 第9-10页 |
| ·支持向量机 | 第10页 |
| ·论文的主要工作和结构安排 | 第10-12页 |
| 第二章 图像的底层特征提取 | 第12-20页 |
| ·图像的纹理特征 | 第12-14页 |
| ·图像的颜色特征 | 第14-19页 |
| ·图像的形状特征 | 第19页 |
| ·图像的空间位置特征 | 第19-20页 |
| 第三章 支持向量机理论 | 第20-26页 |
| ·支持向量机（SVM）基础理论背景 | 第20-22页 |
| ·SVM 二分类 | 第22-24页 |
| ·SVM 多分类 | 第24-26页 |
| 第四章 基于彩色 Gabor 纹理特征和 SVM 图像分类 | 第26-36页 |
| ·Gabor 滤波 | 第26-28页 |
| ·图像的彩色纹理特征 | 第28-30页 |
| ·实验及分析 | 第30-35页 |
| ·小结 | 第35-36页 |
| 第五章 基于 SVM 的多特征融合图像分类 | 第36-48页 |
| ·颜色直方图 | 第36-40页 |
| ·多特征空间学习 | 第40-42页 |
| ·基于粒子群优化算法的参数选择 | 第42-43页 |
| ·多特征融合 SVM-PSO 的图像分类实验结果及分析 | 第43-47页 |
| ·小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间参与的科研项目 | 第54-55页 |