| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 场景分类研究现状 | 第9-14页 |
| 1.2.1 基于文本的场景分类方法 | 第10页 |
| 1.2.2 基于内容的场景分类方法 | 第10-12页 |
| 1.2.3 基于语义建模的场景分类方法 | 第12-14页 |
| 1.3 室内场景分类技术难点 | 第14-16页 |
| 1.4 论文研究工作及结构安排 | 第16-18页 |
| 2 室内场景分类理论方法和实验设置 | 第18-23页 |
| 2.1 引言 | 第18页 |
| 2.2 室内场景分类理论方法 | 第18-20页 |
| 2.3 论文实验数据的构建 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于视觉注意机制的ROI提取 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 BU-TD视觉注意模型 | 第23-25页 |
| 3.3 基于BU-TD模型的室内场景图像ROI提取 | 第25-32页 |
| 3.3.1 基于bottom-up的显著图生成 | 第25-29页 |
| 3.3.2 基于top-down规则的显著图融合 | 第29-32页 |
| 3.4 实验结果及分析 | 第32-33页 |
| 3.5 本章小节 | 第33-34页 |
| 4 基于CSAE的特征提取 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 构造卷积稀疏自编码机 | 第34-42页 |
| 4.2.1 稀疏自编码机的训练 | 第35-37页 |
| 4.2.2 卷积神经网络的训练 | 第37-41页 |
| 4.2.3 构建卷积稀疏自编码机 | 第41-42页 |
| 4.3 实验结果及分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 基于类内散度约束的字典学习和分类 | 第44-59页 |
| 5.1 引言 | 第44页 |
| 5.2 基于类内散度约束的字典学习 | 第44-50页 |
| 5.2.1 目标函数的构造 | 第46-49页 |
| 5.2.2 目标函数的求解 | 第49-50页 |
| 5.3 基于稀疏表示的分类 | 第50-51页 |
| 5.4 实验仿真及结果分析 | 第51-58页 |
| 5.4.1 基于XQT数据库的仿真结果及分析 | 第52-53页 |
| 5.4.2 基于FP数据库的仿真结果及分析 | 第53-56页 |
| 5.4.3 基于LS数据库的仿真结果及分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| 6.1 论文主要工作总结 | 第59-60页 |
| 6.2 后续工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第67页 |
| B. 作者在攻读硕士学位期间取得的科研成果 | 第67页 |
| C. 攻读硕士学位期间参加的科研项目 | 第67页 |