| 内容提要 | 第1-13页 |
| 第1章 绪论 | 第13-22页 |
| ·研究背景 | 第13-15页 |
| ·问题定义 | 第13页 |
| ·典型应用 | 第13-15页 |
| ·方法综述 | 第15-17页 |
| ·图像分类识别的难点问题 | 第17-18页 |
| ·本文主要工作和贡献 | 第18-20页 |
| ·论文的章节组织 | 第20-22页 |
| 第2章 概率图模型方法与概率推理 | 第22-36页 |
| ·概率图模型(Probability Graph Models) | 第22-24页 |
| ·主要图模型结构 | 第24-26页 |
| ·贝叶斯网(BN) | 第24-25页 |
| ·马尔可夫网(MRF) | 第25-26页 |
| ·期望值最大算法(Expectation Maximization Algorithm) | 第26-28页 |
| ·EM算法的步骤 | 第26-28页 |
| ·采样近似推理方法 | 第28-33页 |
| ·蒙特卡罗方法 | 第28-31页 |
| ·马尔可夫蒙特卡罗(MCMC)采样 | 第31-32页 |
| ·采样方法比较 | 第32-33页 |
| ·变分推理(Variational approximation) | 第33-35页 |
| ·概率密度分解(Factorized distributions) | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 局部特征评价 | 第36-48页 |
| ·图像局部特征的提取与匹配 | 第36-37页 |
| ·尺度空间 | 第37-38页 |
| ·尺度空间的基本性质 | 第37-38页 |
| ·局部特征点提取与描述方法 | 第38-41页 |
| ·局部特征提取 | 第38-39页 |
| ·特征描述 | 第39-41页 |
| ·匹配方法及评价标准 | 第41-42页 |
| ·抗缩放的特征点提取与描述方法SIFT | 第42-44页 |
| ·基于DoG 的特征提取 | 第42-44页 |
| ·SIFT 特征描述 | 第44页 |
| ·抗尺度与抗仿射局部特征的比较 | 第44-46页 |
| ·实验步骤 | 第44-45页 |
| ·比较结论 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于二维经验模式分解的特征描述方法 | 第48-62页 |
| ·多尺度快速特征点检测算法：Haar-Fast检测 | 第48-51页 |
| ·基于二维经验模式分解(BEMD)的特征描述 | 第51-53页 |
| ·二维经验模式分解(BEMD) | 第51-52页 |
| ·基于二维经验模式分解的特征提取 | 第52-53页 |
| ·实验结果 | 第53-55页 |
| ·实验比较分析 | 第54-55页 |
| ·匹配结果 | 第55页 |
| ·本章小结 | 第55-62页 |
| 第5章 基于潜在局部空间关系模型的物体分类算法 | 第62-90页 |
| ·引言 | 第62-63页 |
| ·潜在局部区域空间关系 | 第63-66页 |
| ·基本定义 | 第63页 |
| ·潜在局部区域空间关系模型(Latent Local Spatial Relations Model) | 第63-65页 |
| ·参数学习 | 第65-66页 |
| ·问题讨论 | 第66-70页 |
| ·区域拓扑结构以及区域间关系的表示 | 第66-68页 |
| ·LLSR与part-based-methods的区别 | 第68页 |
| ·LLSR与bag-of-word方法的区别 | 第68-70页 |
| ·模型算法实现 | 第70-71页 |
| ·特征单词与特征区域的确定 | 第70页 |
| ·学习与分类识别 | 第70-71页 |
| ·采用PLSA模型的实现 | 第71-73页 |
| ·比较方法的实现 | 第73-82页 |
| ·基于bag-of-word的语义分类方法 | 第73-76页 |
| ·基于part-based方法的分类识别方法 | 第76-82页 |
| ·实验对比与分析 | 第82-87页 |
| ·二类及多类结果 | 第82-83页 |
| ·具有相同统计信息的不同类图像的结果 | 第83-85页 |
| ·与bag-of-word方法的比较 | 第85页 |
| ·算法的稳定性比较 | 第85-87页 |
| ·几何变换及遮挡条件下的结果 | 第87页 |
| ·本章小结 | 第87-90页 |
| 第6章 基于随机半监督采样学习的图像分类识别算法 | 第90-104页 |
| ·引言 | 第90-92页 |
| ·随机半监督采样学习算法 | 第92-95页 |
| ·半监督谱聚类 | 第92-94页 |
| ·随机半监督采样算法(Random Semi-Supervised Sampling) | 第94-95页 |
| ·图的建立 | 第95-96页 |
| ·结合局部空间关系的图像特征提取：局部空间直方图 | 第96-98页 |
| ·随机采样半监督学习的原理分析 | 第98-99页 |
| ·实验分析 | 第99-103页 |
| ·多类分类问题 | 第99-101页 |
| ·训练样本对结果的影响 | 第101-102页 |
| ·特征的影响 | 第102页 |
| ·Graz数据库上的比较结果 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 第7章 结论与展望 | 第104-108页 |
| ·结论 | 第104-106页 |
| ·未来工作展望 | 第106-108页 |
| 附录A 部分图像 | 第108-113页 |
| 参考文献 | 第113-125页 |
| 致谢 | 第125-127页 |
| 作者攻读博士期间发表的论文和科研成果 | 第127-132页 |
| 学位论文摘要（中文） | 第132-136页 |
| 学位论文摘要（英文） | 第136-140页 |
