基于特征描述的图像场景分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及研究目的和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于底层特征的场景分类研究 | 第12页 |
| 1.2.2 基于中层语义的场景分类研究 | 第12-14页 |
| 1.3 本文研究工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 图像场景分类基础 | 第17-28页 |
| 2.1 场景分类的定义及步骤 | 第17-18页 |
| 2.2 研究难点 | 第18-19页 |
| 2.2.1 场景图像分类的研究难点 | 第18-19页 |
| 2.2.2 卷积神经网络的研究难点 | 第19页 |
| 2.3 场景分类特征提取 | 第19-24页 |
| 2.3.1 SIFT特征提取 | 第19-24页 |
| 2.4 视觉码本训练 | 第24页 |
| 2.5 特征编码 | 第24-25页 |
| 2.6 特征组合 | 第25页 |
| 2.7 分类器训练 | 第25-26页 |
| 2.8 卷积神经网络 | 第26-27页 |
| 2.8.1 卷积神经网络的模型结构 | 第26-27页 |
| 2.8.2 卷积神经网络的优势 | 第27页 |
| 2.9 本章小结 | 第27-28页 |
| 第3章 基于几何短语池化表示的场景分类算法 | 第28-37页 |
| 3.1 引言 | 第28页 |
| 3.2 系统组成 | 第28-29页 |
| 3.3 基于几何短语池化表示的场景分类 | 第29-33页 |
| 3.3.1 视觉词汇表的生成 | 第29-30页 |
| 3.3.2 特征映射 | 第30-32页 |
| 3.3.3 超像素网格划分 | 第32-33页 |
| 3.4 实验仿真与分析 | 第33-36页 |
| 3.4.1 实验数据 | 第33-34页 |
| 3.4.2 实验设置与评价 | 第34-35页 |
| 3.4.3 实验结果及分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于边缘图片显著性的混合特征场景分类算法 | 第37-50页 |
| 4.1 引言 | 第37-38页 |
| 4.2 系统组成 | 第38-39页 |
| 4.3 马尔科夫链的基本概念 | 第39-41页 |
| 4.3.1 马尔科夫过程的定义 | 第39页 |
| 4.3.2 马尔科夫链 | 第39-40页 |
| 4.3.3 吸收马尔科夫链 | 第40页 |
| 4.3.4 吸收概率矩阵 | 第40-41页 |
| 4.4 基于边缘图片显著性的混合特征场景分类 | 第41-48页 |
| 4.4.1 罗盘算子 | 第41页 |
| 4.4.2 提取显著图 | 第41-44页 |
| 4.4.3 显著图优化 | 第44-45页 |
| 4.4.4 显著性区域的特征融合 | 第45-48页 |
| 4.5 实验仿真与设计 | 第48-49页 |
| 4.5.1 实验数据 | 第48页 |
| 4.5.2 实验结果与分析 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于卷积神经网络提取特征的场景分类研究 | 第50-61页 |
| 5.1 引言 | 第50-51页 |
| 5.2 系统组成 | 第51-52页 |
| 5.3 反向传播算法 | 第52-53页 |
| 5.4 卷积神经网络的架构 | 第53-54页 |
| 5.5 卷积神经网络的相关运算 | 第54-55页 |
| 5.5.1 卷积运算 | 第54-55页 |
| 5.5.2 下采样过程 | 第55页 |
| 5.6 实验仿真与分析 | 第55-59页 |
| 5.6.1 实验数据 | 第55-56页 |
| 5.6.2 实验设置与评价 | 第56页 |
| 5.6.3 实验结果与分析 | 第56-59页 |
| 5.7 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68页 |
