| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文结构组织 | 第14-16页 |
| 第2章 模型提出和求解 | 第16-32页 |
| 2.1 图像的层次结构和森林结构 | 第16-17页 |
| 2.2 Recursive Neural Networks 模型 | 第17-20页 |
| 2.3 分层区域合并模型 | 第20-30页 |
| 2.3.1 贪心求解最优森林 | 第23-28页 |
| 2.3.2 计算正确森林的分数 | 第28-29页 |
| 2.3.3 最大间隔参数学习 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 参数初始化 | 第32-42页 |
| 3.1 参数预测类别特性 | 第32页 |
| 3.2 常用聚类方法介绍 | 第32-36页 |
| 3.3 区域特征分层聚类 | 第36-39页 |
| 3.4 聚类存在的问题以及对参数的影响 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 特征选择 | 第42-50页 |
| 4.1 图像分割 | 第42页 |
| 4.2 区域特征计算 | 第42-46页 |
| 4.2.1 像素基本特征 | 第42-44页 |
| 4.2.2 像素分类器分数特征 | 第44-45页 |
| 4.2.3 区域特征计算 | 第45-46页 |
| 4.3 直方图特征 | 第46-48页 |
| 4.4 超级区域特征的计算 | 第48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 实验及结果分析 | 第50-56页 |
| 5.1 初始化参数对实验的影响 | 第50-51页 |
| 5.2 特征选择对实验的影响 | 第51-52页 |
| 5.3 模型中参数对实验的影响 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间所发表的学术论文 | 第62-64页 |
| 致谢 | 第64页 |