| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·论文研究的目的和意义 | 第10-11页 |
| ·场景分类的研究现状 | 第11-14页 |
| ·场景分类技术面临的主要挑战 | 第14-15页 |
| ·论文主要研究内容和章节安排 | 第15-17页 |
| 第2章 基于物体检测的场景分类方法基本原理 | 第17-30页 |
| ·引言 | 第17页 |
| ·物体检测器的训练 | 第17-25页 |
| ·HOG 特征 | 第17-19页 |
| ·滤波器 | 第19-20页 |
| ·可变形部件模型 | 第20-21页 |
| ·混合模型 | 第21-22页 |
| ·模型的学习 | 第22-25页 |
| ·OB 方法中物体检测器的设置 | 第25-27页 |
| ·高层图像表征 | 第27-29页 |
| ·物体检测响应表征图像 | 第27-28页 |
| ·带有空间位置信息的图像表征 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于权重改进的 OB 方法 | 第30-40页 |
| ·OB 方法的缺点 | 第30-31页 |
| ·基于 Fisher 权重的改进方法 | 第31-35页 |
| ·Fisher 判别的基本原理 | 第31-34页 |
| ·Fisher 判别在 OB 方法中的应用 | 第34-35页 |
| ·基于类内类间散布权重的改进方法 | 第35-39页 |
| ·类内散布和类间散布 | 第35-36页 |
| ·类内散布和类间散布在 OB 方法中的应用 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于高维空间坐标的高层图像表征方法 | 第40-47页 |
| ·K-means 聚类算法 | 第40-41页 |
| ·高维空间坐标表征 | 第41-44页 |
| ·聚类中心 | 第41-42页 |
| ·特征向量的空间坐标定位 | 第42-44页 |
| ·基于 O2C 距离的高层图像表征方法 | 第44-46页 |
| ·图像到类别的距离（Image to Class Distance） | 第45页 |
| ·物体到类别的距离（Object to Class Distance） | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验结果及分析 | 第47-57页 |
| ·实验环境简介 | 第47页 |
| ·性能评价标准 | 第47-49页 |
| ·实验结果与分析 | 第49-56页 |
| ·基于 Fisher 权重的改进方法实验结果 | 第49-50页 |
| ·基于类内类间散布权重的改进方法实验结果 | 第50-51页 |
| ·基于高维空间坐标的高层图像表征方法实验结果 | 第51-54页 |
| ·基于 O2C 距离的高层图像表征方法实验结果 | 第54-55页 |
| ·综合实验结果及分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |