| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 尚待解决的问题 | 第12-13页 |
| 1.4 本文的主要工作及内容安排 | 第13-15页 |
| 1.4.1 本文的主要工作 | 第13页 |
| 1.4.2 本文的内容安排 | 第13-15页 |
| 第2章 传统视觉特征的提取与表达 | 第15-29页 |
| 2.1 图像常用的特征提取 | 第15-22页 |
| 2.1.1 SIFT特征 | 第15-18页 |
| 2.1.2 HOG特征 | 第18-20页 |
| 2.1.3 Harris角点检测 | 第20-21页 |
| 2.1.4 Gist全局特征 | 第21-22页 |
| 2.2 视觉特征表达方法的研究 | 第22-28页 |
| 2.2.1 视觉字典的构建 | 第23-24页 |
| 2.2.2 词袋模型 | 第24页 |
| 2.2.3 空间金字塔匹配模型 | 第24-25页 |
| 2.2.4 基于稀疏编码空间金字塔匹配模型 | 第25-27页 |
| 2.2.5 局部线性约束编码模型 | 第27-28页 |
| 2.3 本章总结 | 第28-29页 |
| 第3章 基于RGB-D融合特征的图像分类 | 第29-41页 |
| 3.1 相关研究工作 | 第29-30页 |
| 3.2 研究方法 | 第30-35页 |
| 3.2.1 特征提取 | 第30-32页 |
| 3.2.2 特征融合 | 第32页 |
| 3.2.3 图像表述 | 第32-33页 |
| 3.2.4 线性SVM分类器 | 第33-34页 |
| 3.2.5 决策级融合 | 第34-35页 |
| 3.3 算法描述 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-39页 |
| 3.4.1 实验数据集 | 第36-38页 |
| 3.4.2 实验设置 | 第38页 |
| 3.4.3 实验结果与分析 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于RGB-D融合特征与稀疏编码的图像分类 | 第41-54页 |
| 4.1 特征提取 | 第41-47页 |
| 4.1.1 改进SIFT特征用于深度图像特征提取 | 第42-45页 |
| 4.1.2 提取深度图像局部Gist特征 | 第45-47页 |
| 4.2 特征融合 | 第47-48页 |
| 4.3 图像表述 | 第48页 |
| 4.3.1 改进K-means算法构建视觉字典 | 第48页 |
| 4.3.2 特征编码 | 第48页 |
| 4.4 实验结果与分析 | 第48-53页 |
| 4.4.1 实验数据集 | 第49页 |
| 4.4.2 实验设置 | 第49-50页 |
| 4.4.3 分类准确率对比 | 第50-51页 |
| 4.4.4 不同特征对分类的影响 | 第51页 |
| 4.4.5 视觉词典的构建对分类性能的影响 | 第51-53页 |
| 4.5 本章总结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 硕士学位期间学术论文及研究成果 | 第61页 |