基于中间语义的场景分类算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·低层语义分类方法 | 第10-11页 |
| ·结构化的分类方法 | 第11页 |
| ·基于中间语义的图像分类方法 | 第11-12页 |
| ·场景图像分类算法的评价标准 | 第12-13页 |
| ·支持向量机简介 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 低层特征提取 | 第15-20页 |
| ·颜色特征 | 第15页 |
| ·纹理特征 | 第15-16页 |
| ·尺度不变特征(SIFT) | 第16-17页 |
| ·结合上下文信息的 SIFT 特征 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第3章 场景分类模型的建立 | 第20-30页 |
| ·分类算法中的语义鸿沟 | 第20页 |
| ·Bag-of-words 语义模型 | 第20-22页 |
| ·基于空间金字塔的词袋模型 | 第22-24页 |
| ·空间金字塔模型 | 第22页 |
| ·金字塔匹配核 | 第22-23页 |
| ·词袋特征的空间匹配方案 | 第23-24页 |
| ·稀疏编码金字塔匹配分类模型 | 第24-29页 |
| ·稀疏表达的简介 | 第24-25页 |
| ·稀疏编码金字塔模型 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 视觉码本的构造 | 第30-34页 |
| ·K-means 算法概述 | 第30-31页 |
| ·稀疏编码码本的构造 | 第31-33页 |
| ·稀疏编码码本本的基本模型 | 第31-32页 |
| ·最优方向法 | 第32页 |
| ·矩阵奇异值分解法 | 第32-33页 |
| ·在线训练码本的方法 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第5章 实验结果及分析 | 第34-40页 |
| ·实验数据库的介绍 | 第34-35页 |
| ·十三类场景图像库 | 第34-35页 |
| ·室内场景数据集 | 第35页 |
| ·实验环境 | 第35页 |
| ·两种 SIFT 特征性能比较实验 | 第35-36页 |
| ·不同特征量化方式的性能比较实验 | 第36-38页 |
| ·视觉码本容量对分类正确率的影响 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 总结与展望 | 第40-41页 |
| 参考文献 | 第41-47页 |
| 致谢 | 第47-48页 |
| 附录：攻读学位期间发表的论文 | 第48页 |
