| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 BoW模型及图像分类相关基础知识 | 第15-37页 |
| 2.1 BoW模型及图像分类的基本流程 | 第15-17页 |
| 2.1.1 BoW模型 | 第15-16页 |
| 2.1.2 图像分类的基本流程 | 第16-17页 |
| 2.2 图像局部不变特征检测 | 第17-25页 |
| 2.2.1 角点检测 | 第17-21页 |
| 2.2.2 斑点检测 | 第21-24页 |
| 2.2.3 区域检测 | 第24-25页 |
| 2.3 常见局部不变特征 | 第25-31页 |
| 2.3.1 图谱特征 | 第25-27页 |
| 2.3.2 SIFT特征 | 第27-30页 |
| 2.3.3 CS_LBP特征 | 第30-31页 |
| 2.4 视觉词典的构建及特征量化 | 第31-33页 |
| 2.5 基于图像局部特征的空间汇聚策略 | 第33-34页 |
| 2.6 SVM分类器 | 第34-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第三章 基于Laplace谱和BoW模型的图像分类算法 | 第37-47页 |
| 3.1 Laplace谱结构特征 | 第37-39页 |
| 3.2 改进的视觉词典构造 | 第39-41页 |
| 3.2.1 K-means聚类 | 第39-40页 |
| 3.2.2 权值分层K-means聚类及视觉词典的生成 | 第40-41页 |
| 3.3 算法流程 | 第41-42页 |
| 3.4 实验结果及分析 | 第42-46页 |
| 3.4.1 模拟图像实验 | 第42-43页 |
| 3.4.2 真实图像实验 | 第43-45页 |
| 3.4.3 实验分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于TCS_LBP和BoW模型的图像分类算法 | 第47-60页 |
| 4.1 塔式中心对称局部二值模式TCS_LBP | 第47-49页 |
| 4.2 图像空间匹配策略 | 第49-53页 |
| 4.2.1 SPM策略 | 第49-50页 |
| 4.2.2 改进SPM策略 | 第50-52页 |
| 4.2.3 基于改进SPM策略的视觉直方图表示 | 第52-53页 |
| 4.3 算法步骤 | 第53-54页 |
| 4.4 实验及结果分析 | 第54-59页 |
| 4.4.1 实验数据集介绍 | 第54-56页 |
| 4.4.2 实验特征选取 | 第56页 |
| 4.4.3 真实图像实验 | 第56-59页 |
| 4.4.4 实验结果分析 | 第59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第70页 |
