图像中层视觉特征研究
| 摘要 | 第5-6页 |
| ABSTRACT(英文摘要) | 第6页 |
| 1 引言 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 课题研究的意义 | 第10-11页 |
| 1.3 国内外的研究现状 | 第11-13页 |
| 1.4 本文研究的主要内容 | 第13-16页 |
| 2 图像特征提取方法 | 第16-26页 |
| 2.1 图像的全局特征 | 第16-18页 |
| 2.1.1 颜色特征 | 第16页 |
| 2.1.2 纹理特征 | 第16-17页 |
| 2.1.3 形状特征 | 第17-18页 |
| 2.2 局部图像特征描述子 | 第18-23页 |
| 2.2.1 SIFT | 第18页 |
| 2.2.2 HOG | 第18-23页 |
| 2.3 图像金字塔 | 第23页 |
| 2.4 本章小结 | 第23-26页 |
| 3 聚类算法简介 | 第26-38页 |
| 3.1 最大期望算法 | 第26-32页 |
| 3.1.1 最大似然估计 | 第26-28页 |
| 3.1.2 Jensen不等式 | 第28页 |
| 3.1.3 EM算法详述 | 第28-32页 |
| 3.2 K-means算法 | 第32-33页 |
| 3.3 GMM算法 | 第33-38页 |
| 4 负样本的选取方法 | 第38-50页 |
| 4.1 如何除去非典型性信息 | 第38-41页 |
| 4.2 如何选择负样本 | 第41-50页 |
| 4.2.1 单高斯模型试验分析 | 第41-47页 |
| 4.2.2 本文选取的负样本 | 第47-48页 |
| 4.2.3 混合高斯模型实验验证 | 第48-50页 |
| 5 图像中层视觉元素提取方法 | 第50-56页 |
| 5.1 算法主要内容 | 第50-52页 |
| 5.1.1 准备数据 | 第50-51页 |
| 5.1.2 数据预处理 | 第51页 |
| 5.1.3 提取正样本集的代表性信息 | 第51页 |
| 5.1.4 除去非典型性信息 | 第51-52页 |
| 5.1.5 提取具有中层视觉特征的图像块 | 第52页 |
| 5.2 实验结果分析 | 第52-56页 |
| 6 结果及展望 | 第56-57页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 硕士生在读期间已发表和已录用的论文情况 | 第63页 |
