基于改进词袋模型的图像分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 图像的特征提取 | 第10-11页 |
| 1.2.2 视觉字典构建 | 第11-12页 |
| 1.2.3 特征编码 | 第12-13页 |
| 1.2.4 分类器 | 第13-14页 |
| 1.3 论文的结构和安排 | 第14-16页 |
| 第2章 基于词袋模型的图像分类 | 第16-30页 |
| 2.1 词袋模型基本流程 | 第16-17页 |
| 2.2 图像特征提取 | 第17-24页 |
| 2.2.1 全局特征提取 | 第17-19页 |
| 2.2.2 局部特征提取 | 第19-24页 |
| 2.3 特征编码 | 第24-25页 |
| 2.4 SVM分类器 | 第25-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于多特征融合和BoW模型的图像分类 | 第30-42页 |
| 3.1 KDES特征 | 第30-32页 |
| 3.2 改进的多特征融合算法 | 第32-35页 |
| 3.2.1 特征融合 | 第32-34页 |
| 3.2.2 空间视觉字典构建 | 第34-35页 |
| 3.3 算法流程 | 第35-36页 |
| 3.4 实验及结果分析 | 第36-41页 |
| 3.4.1 单一特征与融合特征的对比 | 第36-38页 |
| 3.4.2 KDES-S特征分析 | 第38-40页 |
| 3.4.3 特征融合方式比较 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于分层特征学习和BoW模型的图像分类 | 第42-56页 |
| 4.1 字典学习算法 | 第42-44页 |
| 4.1.1 KSVD字典学习 | 第42-43页 |
| 4.1.2 引入非相干性约束的KSVD | 第43-44页 |
| 4.2 分层特征学习算法 | 第44-48页 |
| 4.2.1 分层结构的构建 | 第45-47页 |
| 4.2.2 分层特征归一化 | 第47-48页 |
| 4.3 算法流程 | 第48-49页 |
| 4.4 实验及结果分析 | 第49-55页 |
| 4.4.1 层数对分层特征学习结构的影响 | 第50-51页 |
| 4.4.2 分层归一化实验验证 | 第51-52页 |
| 4.4.3 目标分类对比实验 | 第52-54页 |
| 4.4.4 场景分类对比实验 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 发表论文和参加科研情况说明 | 第64-66页 |
| 致谢 | 第66-67页 |
