首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于码本模型的场景图像分类研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-18页
   ·课题背景及研究目的和意义第10-11页
   ·国内外研究现状第11-16页
     ·基于低层的场景分类第11-12页
     ·基于中层的场景分类第12-16页
   ·本文的主要研究内容第16-17页
   ·论文结构组织第17-18页
第2章 场景分类的理论基础第18-28页
   ·场景分类的定义及步骤第18页
   ·场景分类系统的关键问题第18-20页
   ·场景分类特征提取第20-26页
     ·Gist 全局特征提取第20-21页
     ·SIFT 局部特征提取第21-25页
     ·SURF 局部特征提取第25页
     ·SURF 与 SIFT 的性能比较第25-26页
   ·本章小结第26-28页
第3章 基于信息熵分类码本的场景分类第28-38页
   ·向量量化过程及基本码本模型 BCM 存在的问题第28-29页
   ·熵分类码本模型 ECCM 形成过程第29-33页
     ·ECCM 基本框架第29-30页
     ·局部熵第30页
     ·特征提取及分类第30-32页
     ·子码本的生成与向量量化第32-33页
   ·实验结果及分析第33-36页
     ·实验数据第33页
     ·实验设置与评价标准第33-34页
     ·结果与分析第34-36页
   ·本章小结第36-38页
第4章 基于超像素空间金字塔的场景分类第38-50页
   ·超像素网格分块第38-40页
   ·上下文特征及类码本形成第40-42页
     ·上下文特征第40-41页
     ·类码本形成过程第41-42页
   ·空间金字塔第42-43页
   ·实验结果及分析第43-49页
     ·实验数据及设置第43-44页
     ·实验结果第44-48页
     ·结果分析第48-49页
   ·本章小结第49-50页
第5章 基于特征融合及改进 LLC 编码的场景分类第50-62页
   ·算法基本框图第50-51页
   ·特征提取第51-53页
     ·局部特征提取第51-52页
     ·全局特征提取第52-53页
   ·特征映射第53-56页
     ·向量量化编码方式第54页
     ·稀疏编码方式第54-55页
     ·局部约束线性编码方式第55-56页
   ·区域描述及特征融合第56-57页
   ·分类器训练第57页
   ·实验结果与分析第57-60页
     ·实验设计第57-58页
     ·实验结果第58-60页
   ·结果分析第60-61页
   ·本章小结第61-62页
结论第62-64页
参考文献第64-70页
攻读硕士学位期间承担的科研任务与主要成果第70-71页
致谢第71-72页
作者简介第72页

论文共72页,点击 下载论文
上一篇:基于图像特征的稀疏表示人脸识别算法研究
下一篇:太阳能电池层压机的分析与研究