| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·场景分类的意义 | 第11-12页 |
| ·场景分类的研究现状 | 第12-13页 |
| ·基于对象的场景分类 | 第12页 |
| ·基于区域的场景分类 | 第12-13页 |
| ·基于上下文的场景分类 | 第13页 |
| ·基于场景 Gist 快速场景分类 | 第13-15页 |
| ·论文的章节安排 | 第15-16页 |
| 第2章 关键技术介绍 | 第16-25页 |
| ·支持向量机 | 第16-19页 |
| ·基本思想 | 第16-17页 |
| ·线性 SVM | 第17-19页 |
| ·多类 SVM | 第19页 |
| ·主成分分析 | 第19-23页 |
| ·基本思想 | 第19-21页 |
| ·PCA 降维 | 第21页 |
| ·利用特征值分解进行 PCA | 第21-23页 |
| ·Karhunen-Loève 变换 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于自然性的自然-人工场景分类 | 第25-34页 |
| ·空域包络模型 | 第25-26页 |
| ·基于图片的表示 | 第26-30页 |
| ·自然-人工场景分类 | 第30-33页 |
| ·判别光谱模板 | 第30-32页 |
| ·自然性 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于视觉特征通道和自然性的 Gist 模型 | 第34-42页 |
| ·视觉皮质特征提取 | 第34-36页 |
| ·强度通道 | 第35页 |
| ·颜色通道 | 第35-36页 |
| ·方向通道 | 第36页 |
| ·整体特征提取 | 第36-38页 |
| ·强度和颜色 Gist 向量 | 第36-37页 |
| ·方向 Gist 向量 | 第37-38页 |
| ·基于场景 Gist 的场景分类 | 第38-40页 |
| ·本文改进的 Gist 模型 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 实验评估及分析 | 第42-51页 |
| ·仿真实验概述 | 第42-44页 |
| ·场景数据库 | 第42-43页 |
| ·仿真实验过程 | 第43-44页 |
| ·评估指标 | 第44-46页 |
| ·实验结果及分析 | 第46-50页 |
| ·自然-人工场景分类 | 第46-47页 |
| ·基于自然度和视觉特征通道模型的场景分类 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |