| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文选题的背景与意义 | 第10-11页 |
| 1.2 图像热核描述的研究现状 | 第11-13页 |
| 1.3 图像分类方法概述 | 第13-15页 |
| 1.3.1 图像分类特征简述 | 第13-14页 |
| 1.3.2 图像分类器简述 | 第14-15页 |
| 1.4 论文的主要工作 | 第15页 |
| 1.5 论文组织结构安排 | 第15-18页 |
| 第2章 图像热核嵌入坐标建立 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 Harris-Laplace特征点的提取 | 第18-19页 |
| 2.3 Delaunay三角剖分 | 第19-20页 |
| 2.4 热核定义与方法概述 | 第20-21页 |
| 2.5 热核坐标建立 | 第21-23页 |
| 2.5.1 图论基础知识 | 第21-22页 |
| 2.5.2 热核坐标向量空间的嵌入 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 改进的特征点检测方法 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 两种特征点检测算法 | 第24-27页 |
| 3.2.1 Harris-Laplace特征点检测 | 第24-25页 |
| 3.2.2 Canny-Harris特征点检测 | 第25-26页 |
| 3.2.3 Harris-Laplace与Canny-Harris方法的优劣分析 | 第26-27页 |
| 3.3 改进的特征点检测算法 | 第27-29页 |
| 3.3.1 Harris-Laplace与Canny-Harris相结合 | 第27-28页 |
| 3.3.2 基于改进算法的特征点检测 | 第28-29页 |
| 3.4 谱聚类与拉普拉斯矩阵 | 第29-31页 |
| 3.5 图像特征的建立 | 第31-32页 |
| 3.5.1 图像谱特征的建立 | 第31-32页 |
| 3.5.2 图像热核特征的建立 | 第32页 |
| 3.6 基于PCA的图像特征映射 | 第32-33页 |
| 3.7 实验结果与分析 | 第33-38页 |
| 3.7.1 邻接矩阵特征PCA模式空间映射 | 第33-35页 |
| 3.7.2 拉普拉斯特征PCA模式空间映射 | 第35-37页 |
| 3.7.3 热核特征PCA模式空间映射 | 第37-38页 |
| 3.8 本章小结 | 第38-40页 |
| 第4章 利用图像热核特征进行图像分类 | 第40-56页 |
| 4.1 引言 | 第40页 |
| 4.2 支持向量机 | 第40-42页 |
| 4.2.1 线性可分支持向量机 | 第40-41页 |
| 4.2.2 支持向量机的核函数 | 第41-42页 |
| 4.3 基于SVM的分类方法 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-55页 |
| 4.4.1 实验数据与工具 | 第44-45页 |
| 4.4.2 热核特征的截取维度对SVM分类影响 | 第45-48页 |
| 4.4.3 热核特征时间参数对SVM分类影响 | 第48-50页 |
| 4.4.4 热核特征与光谱特征SVM分类对比 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
