| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 图像分类的国内外研究现状 | 第12页 |
| 1.2.2 视觉词袋模型在图像分类中的研究现状 | 第12-13页 |
| 1.3 本文主要内容 | 第13-14页 |
| 1.4 本文研究思路 | 第14-15页 |
| 第2章 相关基础理论简介 | 第15-29页 |
| 2.1 图像特征提取 | 第15-20页 |
| 2.1.1 图像的全局特征 | 第15-16页 |
| 2.1.2 图像的局部特征 | 第16-20页 |
| 2.2 BOVW模型的图像分类简介 | 第20-24页 |
| 2.2.1 视觉词袋模型 | 第20-22页 |
| 2.2.2 SPM模型简介 | 第22-24页 |
| 2.3 支持向量机 | 第24-28页 |
| 2.3.1 支持向量机的原理 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于双词袋模型和SPM的图像分类 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 视觉词典的生成 | 第29-32页 |
| 3.3 双词袋模型的构造 | 第32-35页 |
| 3.3.1 双词袋构造流程 | 第32-33页 |
| 3.3.2 利用双词袋矩阵构建视觉词直方图 | 第33-35页 |
| 3.4 构造双词袋的SPM模型 | 第35-37页 |
| 3.5 Relief特征选择 | 第37-38页 |
| 3.6 实验结果与分析 | 第38-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第4章 基于视觉注意机制和SPM的图像分类 | 第43-56页 |
| 4.1 引言 | 第43-44页 |
| 4.2 视觉词典生成 | 第44-48页 |
| 4.2.1 模糊C-均值聚类算法 | 第44-45页 |
| 4.2.2 模拟退火算法 | 第45-46页 |
| 4.2.3 遗传算法 | 第46页 |
| 4.2.4 基于模拟退火遗传算法的模糊C-均值聚类算法流程 | 第46-48页 |
| 4.3 图像分割后各个区域的视觉权值 | 第48-49页 |
| 4.4 优化的SPM模型 | 第49-51页 |
| 4.5 过滤式特征选择 | 第51-52页 |
| 4.6 实验结果与分析 | 第52-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间的研究成果 | 第63-64页 |
| 致谢 | 第64页 |