面向图像语义描述的场景分类研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-26页 |
| ·场景分类的研究背景与意义 | 第12-13页 |
| ·课题背景 | 第12-13页 |
| ·课题意义 | 第13页 |
| ·场景分类的研究现状 | 第13-21页 |
| ·场景理解的层次化结构 | 第13-15页 |
| ·基于低层特征的场景分类 | 第15-16页 |
| ·基于中层语义建模的场景分类 | 第16-20页 |
| ·基于中层语义监督学习的场景分类 | 第20页 |
| ·基于中层语义无监督学习的场景分类 | 第20-21页 |
| ·场景分类的难点 | 第21-24页 |
| ·论文主要成果 | 第24-25页 |
| ·论文内容安排 | 第25-26页 |
| 2 场景图像分类过程 | 第26-44页 |
| ·场景分类 | 第26页 |
| ·特征提取与描述 | 第26-32页 |
| ·局部特征 | 第27-30页 |
| ·全局特征 | 第30-32页 |
| ·视觉词典 | 第32-37页 |
| ·K-Means算法 | 第32-33页 |
| ·K-Means++算法 | 第33-34页 |
| ·HIK算法 | 第34页 |
| ·通用码本和类别码本 | 第34-37页 |
| ·图像描述 | 第37-38页 |
| ·主题模型 | 第38-43页 |
| ·概率潜在语义分析模型 | 第38-40页 |
| ·隐含狄利克雷分配模型 | 第40-43页 |
| ·分类器 | 第43页 |
| ·本章小结 | 第43-44页 |
| 3 基于局部熵加权特征融合的场景分类 | 第44-62页 |
| ·引言 | 第44页 |
| ·算法原理 | 第44-45页 |
| ·特征提取 | 第45-48页 |
| ·特征提取 | 第45-47页 |
| ·图像描述 | 第47-48页 |
| ·图像加权 | 第48-51页 |
| ·局部熵 | 第48-49页 |
| ·平坦度测量 | 第49-50页 |
| ·权系数 | 第50-51页 |
| ·生成模型 | 第51-53页 |
| ·实验结果与分析 | 第53-61页 |
| ·数据集 | 第53页 |
| ·实验设置 | 第53-56页 |
| ·实验结果 | 第56-60页 |
| ·实验分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 4 基于超像素网格空间金字塔图像描述的场景分类 | 第62-84页 |
| ·引言 | 第62页 |
| ·空间金字塔 | 第62-67页 |
| ·金字塔匹配核 | 第62-64页 |
| ·空间金字塔匹配 | 第64-65页 |
| ·特征空间金字塔构建 | 第65-67页 |
| ·上下文特征 | 第67-68页 |
| ·超像素网格分块 | 第68-74页 |
| ·规则网格 | 第68-69页 |
| ·网格参数 | 第69-70页 |
| ·规则网格生成 | 第70-72页 |
| ·规则网格评价 | 第72-74页 |
| ·实验与分析 | 第74-82页 |
| ·数据集与参数设置 | 第74页 |
| ·实验结果 | 第74-81页 |
| ·实验分析 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 5 基于局部约束线性编码特征映射方式的场景分类 | 第84-98页 |
| ·引言 | 第84-85页 |
| ·特征映射编码 | 第85-89页 |
| ·矢量量化方式 | 第86-87页 |
| ·稀疏编码方式 | 第87页 |
| ·局部约束线性编码方式 | 第87-89页 |
| ·近似LLC快速编码 | 第89-91页 |
| ·特征编码合并方式 | 第91页 |
| ·实验结果与分析 | 第91-97页 |
| ·数据集与实验设置 | 第91-92页 |
| ·实验结果与分析 | 第92-97页 |
| ·本章小结 | 第97-98页 |
| 6 总结与展望 | 第98-102页 |
| ·论文总结 | 第98-99页 |
| ·工作展望 | 第99-102页 |
| 参考文献 | 第102-108页 |
| 作者简历 | 第108-110页 |
| 攻读博士学位期间发表的学术论文 | 第110-114页 |
| 学位论文数据集 | 第114页 |
