| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究的背景和意义 | 第7页 |
| ·场景图像分类的研究进展 | 第7-9页 |
| ·论文的主要工作及章节安排 | 第9-11页 |
| 第二章 基础知识 | 第11-23页 |
| ·引言 | 第11页 |
| ·图像视觉特征简介 | 第11-17页 |
| ·颜色特征 | 第11-13页 |
| ·SIFT 特征 | 第13-17页 |
| ·支持向量机(SVM)工作原理 | 第17-21页 |
| ·最优分类面和广义最优分类面 | 第17-20页 |
| ·SVM 的非线性映射 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于词袋(BOW)模型的场景图像分类 | 第23-35页 |
| ·引言 | 第23页 |
| ·词袋模型简介 | 第23-24页 |
| ·图像内容的描述及特征提取 | 第24-27页 |
| ·划分图像块区域及特征提取 | 第24-25页 |
| ·聚类生成视觉词汇表 | 第25-26页 |
| ·生成图像的词袋表示 | 第26页 |
| ·基于词袋模型分类算法流程 | 第26-27页 |
| ·实验结果及分析 | 第27-33页 |
| ·实验数据库和实验设置 | 第27-29页 |
| ·视觉词汇表大小的确定 | 第29-31页 |
| ·不同类型数据库下的混淆矩阵 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于空间金字塔匹配(SPM)模型的场景图像分类 | 第35-45页 |
| ·引言 | 第35页 |
| ·空间金字塔匹配模型 | 第35-39页 |
| ·金字塔匹配核(PMK) | 第36-37页 |
| ·空间金字塔匹配 | 第37-39页 |
| ·基于空间金字塔匹配的场景图像分类 | 第39页 |
| ·实验结果及其分析 | 第39-44页 |
| ·视觉词汇表大小的确定 | 第40-42页 |
| ·不同类型数据库下的混淆矩阵 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 基于多特征融合的概率主题模型(MF-LDA)场景图像分类 | 第45-65页 |
| ·引言 | 第45页 |
| ·场景图像分类中的潜在狄利克雷分布模型(LDA) | 第45-48页 |
| ·基于多特征融合的概率主题模型(MF-LDA)的分类算法 | 第48-53页 |
| ·MF-LDA 主题模型 | 第48-50页 |
| ·Gibbs 采样算法 | 第50-51页 |
| ·基于 MF-LDA 主题模型的 Gibbs 采样算法 | 第51-52页 |
| ·基于 MF-LDA 主题模型的场景图像分类算法流程 | 第52-53页 |
| ·实验结果及分析 | 第53-63页 |
| ·LDA 模型实验结果及分析 | 第53-58页 |
| ·MF-LDA 模型实验结果及分析 | 第58-60页 |
| ·MF-LDA 模型分类算法与其他分类算法的分类性能比较 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间获得的科研成果及参与的科研项目 | 第73-74页 |
