| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要研究内容和章节安排 | 第11-13页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 章节安排 | 第11-13页 |
| 第二章 词袋模型框架的基本原理 | 第13-26页 |
| 2.1 文本处理领域的词袋算法 | 第13页 |
| 2.2 词袋模型的组成结构 | 第13-25页 |
| 2.2.1 特征提取 | 第14-15页 |
| 2.2.2 视觉词汇表 | 第15-16页 |
| 2.2.3 图像表示 | 第16-17页 |
| 2.2.4 训练分类器 | 第17-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于图像块SIFT和HOG的特征提取 | 第26-39页 |
| 3.1 视觉特征的类型 | 第26-28页 |
| 3.1.1 全局特征 | 第26-28页 |
| 3.1.2 局部特征 | 第28页 |
| 3.2 经典的SIFT特征 | 第28-33页 |
| 3.2.1 尺度空间的构建 | 第28-30页 |
| 3.2.2 关键点的定位 | 第30-32页 |
| 3.2.3 关键点的方向分配 | 第32页 |
| 3.2.4 特征描述子的生成 | 第32-33页 |
| 3.3 HOG特征 | 第33-34页 |
| 3.3.1 分割图像 | 第33页 |
| 3.3.2 计算方向梯度直方图 | 第33-34页 |
| 3.3.3 特征的形成 | 第34页 |
| 3.4 特征融合提取算法 | 第34-36页 |
| 3.5 实验结果及分析 | 第36-38页 |
| 3.5.1 数据库介绍 | 第36-37页 |
| 3.5.2 实验结果与分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于距离次序的权值分配空间金字塔词袋算法 | 第39-49页 |
| 4.1 基于空间金字塔理论的词袋算法 | 第39-41页 |
| 4.1.1 空间金字塔理论概述 | 第39-40页 |
| 4.1.2 空间金字塔在词袋模型的表示 | 第40-41页 |
| 4.2 基于距离次序的视觉单词分配机制的词袋算法 | 第41-45页 |
| 4.2.1 经典的分配机制 | 第41-42页 |
| 4.2.2 基于距离次序的分配机制 | 第42-43页 |
| 4.2.3 实验结果及分析 | 第43-45页 |
| 4.3 基于融合特征和距离次序的权值分配的空间金字塔词袋算法 | 第45-47页 |
| 4.3.1 算法流程 | 第45页 |
| 4.3.2 实验结果与分析 | 第45-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 总结和展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |