| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题的研究背景及意义 | 第12-13页 |
| 1.2 图像场景识别的研究现状 | 第13-16页 |
| 1.3 论文的研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第2章 图像场景识别中各层特征 | 第18-32页 |
| 2.1 底层局部特征 | 第18-23页 |
| 2.1.1 尺度不变特征变换描述符 | 第18-21页 |
| 2.1.2 方向梯度直方图特征 | 第21-23页 |
| 2.2 中间层特征 | 第23-27页 |
| 2.2.1 基于词袋模型的中间层特征 | 第23-24页 |
| 2.2.2 基于稀疏编码的中间层特征 | 第24-25页 |
| 2.2.3 基于局部可变模型的中间层特征 | 第25-27页 |
| 2.3 高层特征 | 第27-30页 |
| 2.3.1 基于主题模型的高层特征 | 第27-29页 |
| 2.3.2 基于空间金字塔的高层特征 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 可高效提取和分类的主题特征 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 主题模型与特征提取算法 | 第33-39页 |
| 3.2.1 特征与码书 | 第34-35页 |
| 3.2.2 模型结构 | 第35-36页 |
| 3.2.3 参数估计—Gibbs 采样 | 第36-38页 |
| 3.2.4 图像表示与主题特征 | 第38-39页 |
| 3.3 主题模型用于场景识别的相关研究 | 第39-40页 |
| 3.4 对比实验及结果分析 | 第40-46页 |
| 3.4.1 实验条件 | 第40-41页 |
| 3.4.2 LabelMe 和 UIUC-Sports 数据集 | 第41-44页 |
| 3.4.3 15-Scenes 数据集 | 第44-46页 |
| 3.5 可高效提取和分类的主题特征讨论 | 第46-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 低维目标属性特征 | 第50-74页 |
| 4.1 引言 | 第50-52页 |
| 4.2 基于目标属性的图像场景识别相关工作 | 第52-53页 |
| 4.3 Object Bank 特征 | 第53-56页 |
| 4.3.1 目标滤波器及其响应 | 第53页 |
| 4.3.2 由响应值生成 OB 描述符 | 第53-55页 |
| 4.3.3 现有的 OB 降维特征 | 第55-56页 |
| 4.4 低维目标属性特征的提取模型与算法 | 第56-62页 |
| 4.4.1 合并特征的层次与尺度 | 第56-58页 |
| 4.4.2 模式分析与 pooling 降维理论 | 第58-60页 |
| 4.4.3 目标属性特征的降维算法 | 第60-62页 |
| 4.5 对比实验及结果分析 | 第62-66页 |
| 4.5.1 UIUC-Sports 数据集 | 第63-65页 |
| 4.5.2 LabelMe 数据集 | 第65页 |
| 4.5.3 15-Scenes 数据集 | 第65-66页 |
| 4.6 低维目标属性特征分析 | 第66-72页 |
| 4.6.1 关键策略的作用 | 第66-68页 |
| 4.6.2 算法复杂度 | 第68-69页 |
| 4.6.3 空间信息 | 第69-72页 |
| 4.7 本章小结 | 第72-74页 |
| 第5章 基于快速稀疏编码的中间层特征 | 第74-88页 |
| 5.1 引言 | 第74-75页 |
| 5.2 基于快速稀疏编码的相关研究 | 第75-76页 |
| 5.3 稀疏编码的模型与算法 | 第76-80页 |
| 5.3.1 稀疏编码的模型假设 | 第76-78页 |
| 5.3.2 基于符号搜索的码字分配算法 | 第78-79页 |
| 5.3.3 拉格朗日乘数法更新词典 | 第79-80页 |
| 5.4 快速稀疏编码 | 第80-82页 |
| 5.4.1 词典学习的模型假设 | 第80页 |
| 5.4.2 快速词典学习算法 | 第80-82页 |
| 5.5 对比实验及结果分析 | 第82-87页 |
| 5.5.1 Caltech-101 数据集 | 第83-85页 |
| 5.5.2 15-Scenes 数据集 | 第85-86页 |
| 5.5.3 UIUC-Sports 数据集 | 第86-87页 |
| 5.6 本章小结 | 第87-88页 |
| 第6章 全文总结 | 第88-92页 |
| 6.1 论文工作总结 | 第88-89页 |
| 6.2 工作展望 | 第89-92页 |
| 参考文献 | 第92-106页 |
| 作者简介及科研成果 | 第106-108页 |
| 致谢 | 第108-109页 |