基于颜色词袋模型的图像表示方式
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 绪论 | 第13-21页 |
| ·研究背景和研究意义 | 第13-15页 |
| ·研究现状分析 | 第15-17页 |
| ·主要研究内容 | 第17-18页 |
| ·论文的组织结构 | 第18-21页 |
| 2 BOW对象识别基础知识 | 第21-29页 |
| ·特征检测 | 第21-22页 |
| ·特征提取 | 第22-26页 |
| ·形状特征提取 | 第23页 |
| ·颜色特征提取 | 第23-26页 |
| ·视觉字典和直方图的构建 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 3 基于颜色合并的特征加权图像表示方法 | 第29-48页 |
| ·背景知识介绍 | 第29-30页 |
| ·早融合和晚融合方法 | 第30-31页 |
| ·基于自顶向下的颜色注意力对象识别方法 | 第31-35页 |
| ·颜色合并加权的对象识别方法 | 第35-40页 |
| ·颜色合并直方图 | 第35-36页 |
| ·有判别力的颜色选择 | 第36-40页 |
| ·基于颜色合并的图像表示 | 第40页 |
| ·实验 | 第40-46页 |
| ·分类框架 | 第41页 |
| ·实验参数设置 | 第41页 |
| ·图像分类结果 | 第41-46页 |
| ·本章小结 | 第46-48页 |
| 4 基于上下文颜色注意力的对象识别方法 | 第48-67页 |
| ·背景知识介绍 | 第48-49页 |
| ·基于上下文颜色的图像表示 | 第49-56页 |
| ·图像块颜色与对象区域的关系 | 第52页 |
| ·强图像块和弱图像块的判别 | 第52-53页 |
| ·基于上下文颜色注意力的对象图像块检测 | 第53-56页 |
| ·构建颜色注意力图 | 第56页 |
| ·实验 | 第56-66页 |
| ·分类框架 | 第57-58页 |
| ·实验参数设置 | 第58页 |
| ·上下文颜色注意力图 | 第58-60页 |
| ·图像分类结果 | 第60-66页 |
| ·本章小结 | 第66-67页 |
| 5 基于颜色层次划分的图像分类方法 | 第67-78页 |
| ·背景知识介绍 | 第67-68页 |
| ·基于成分金字塔匹配的图像分类方法 | 第68-72页 |
| ·基于颜色的成分识别 | 第70-71页 |
| ·基于颜色的成分金字塔划分 | 第71-72页 |
| ·成分的直方图表示方法 | 第72页 |
| ·实验 | 第72-77页 |
| ·分类框架 | 第73页 |
| ·实验参数设置 | 第73页 |
| ·图像分类结果 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 6 基于中间层特征层次挖掘的图像分类方法 | 第78-90页 |
| ·背景知识介绍 | 第78-79页 |
| ·层次挖掘的图像表示 | 第79-86页 |
| ·前景颜色选择方法 | 第80-82页 |
| ·基于颜色的层次划分方法 | 第82页 |
| ·层次特征挖掘 | 第82-85页 |
| ·图像表示 | 第85页 |
| ·用于分类的核函数 | 第85-86页 |
| ·实验 | 第86-88页 |
| ·实验设计 | 第86页 |
| ·图像分类结果 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 7 基于多图像匹配的对象识别方法 | 第90-109页 |
| ·背景知识介绍 | 第90-91页 |
| ·多图像匹配 | 第91-100页 |
| ·有判别力的颜色选择 | 第92-96页 |
| ·产生种子 | 第96-97页 |
| ·种子扩张产生匹配集 | 第97-99页 |
| ·找到有表示性的匹配集 | 第99页 |
| ·匹配图像图和匹配集图用于图像表示 | 第99-100页 |
| ·实验 | 第100-108页 |
| ·实验设计 | 第101页 |
| ·图像匹配与采样 | 第101-104页 |
| ·图像分类结果 | 第104-108页 |
| ·本章小结 | 第108-109页 |
| 8 总结与展望 | 第109-113页 |
| ·本文工作总结 | 第109-110页 |
| ·未来工作展望 | 第110-113页 |
| 参考文献 | 第113-123页 |
| 攻读博士学位期间发表的学术论文 | 第123-126页 |
| 学位论文数据集 | 第126页 |
