| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 选题背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 研究方法 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 研究主要创新点 | 第14页 |
| 1.6 本章小结 | 第14-15页 |
| 2 相关理论介绍 | 第15-33页 |
| 2.1 词袋模型（Bag of Words） | 第15-20页 |
| 2.1.1 词袋模型背景 | 第15-18页 |
| 2.1.2 视觉词袋模型的构建 | 第18-20页 |
| 2.2 本体 | 第20-32页 |
| 2.2.1 本体的基本概念 | 第21-22页 |
| 2.2.2 本体的构成 | 第22-24页 |
| 2.2.3 本体的分类 | 第24-26页 |
| 2.2.4 本体的目标和用途 | 第26-28页 |
| 2.2.5 本体的描述语言 | 第28-30页 |
| 2.2.6 本体的构建原则及方法 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 3 图像特征提取方法 | 第33-46页 |
| 3.1 SIFT算法简介 | 第33-34页 |
| 3.2 尺度空间极值点检测 | 第34-37页 |
| 3.3 特征点的精确定位 | 第37-38页 |
| 3.4 特征点方向分配 | 第38-39页 |
| 3.5 特征描述 | 第39页 |
| 3.6 SIFT和SURF的区别 | 第39-41页 |
| 3.7 实验与评价 | 第41-44页 |
| 3.7.1 实验数据 | 第41页 |
| 3.7.2 SIFT算法实验代码 | 第41-42页 |
| 3.7.3 实验结果及评价 | 第42-44页 |
| 3.8 本章小结 | 第44-46页 |
| 4 基于本体模型的图像表达 | 第46-62页 |
| 4.1 基于FCA和Word2vec的本体构建方法介绍 | 第46-48页 |
| 4.1.1 本文本体构建方法的提出背景 | 第46-47页 |
| 4.1.2 本体构建关键技术介绍 | 第47-48页 |
| 4.2 实验本体构建 | 第48-56页 |
| 4.2.1 数据收集以及预处理 | 第49页 |
| 4.2.2 词向量训练 | 第49-51页 |
| 4.2.3 形式背景构建 | 第51-54页 |
| 4.2.4 构建目标概念格 | 第54-55页 |
| 4.2.5 本体可视化表示 | 第55-56页 |
| 4.3 基于本体的图像特征描述 | 第56-61页 |
| 4.3.1 XML描述工具 | 第56-59页 |
| 4.3.2 基于本体的图像特征描述 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 基于词袋模型的SVM分类器设计 | 第62-69页 |
| 5.1 SVM简介 | 第62页 |
| 5.2 SVM原理 | 第62-64页 |
| 5.3 SVM核函数 | 第64-66页 |
| 5.4 SVM分类器设计 | 第66-67页 |
| 5.5 本章小结 | 第67-69页 |
| 6 图像分类实验与结果评估 | 第69-75页 |
| 6.1 实现环境及工具 | 第69页 |
| 6.2 实验数据与参数设置 | 第69-70页 |
| 6.3 实验结果及其分析 | 第70-75页 |
| 结论 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读学位期间发表的学术论文及研究成果 | 第82页 |