场景识别技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·底层视觉特征 | 第10-11页 |
| ·基于语义的图像特征 | 第11-12页 |
| ·技术难点分析 | 第12页 |
| ·本文创新点 | 第12页 |
| ·本论文主要研究内容和结构安排 | 第12-14页 |
| 第2章 图像特征选则和提取 | 第14-25页 |
| ·引言 | 第14页 |
| ·图像特征选择和提取 | 第14-24页 |
| ·颜色特征 | 第14-17页 |
| ·纹理特征 | 第17-19页 |
| ·形状特征 | 第19-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于图像复杂度的场景识别技术 | 第25-45页 |
| ·引言 | 第25页 |
| ·复杂度 | 第25-27页 |
| ·复杂度的定义 | 第25页 |
| ·复杂度描述 | 第25-27页 |
| ·图像复杂度 | 第27-29页 |
| ·图像复杂度特征描述子 | 第29-34页 |
| ·灰度级出现情况 | 第29-31页 |
| ·边缘信息 | 第31-32页 |
| ·灰度的空间分布状态 | 第32-34页 |
| ·图像复杂度描述 | 第34-35页 |
| ·仿真实验 | 第35-37页 |
| ·灰度梯度信息 | 第37-39页 |
| ·改进后的仿真实验 | 第39-40页 |
| ·实验分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于图像复杂度和支持向量机的场景识别算法 | 第45-54页 |
| ·引言 | 第45页 |
| ·支持向量机 | 第45-50页 |
| ·线性SVM | 第45-47页 |
| ·核函数 | 第47-48页 |
| ·松弛变量和惩罚因子 | 第48-49页 |
| ·多类SVM | 第49-50页 |
| ·基于复杂度和SVM的场景识别技术 | 第50-52页 |
| ·仿真实验 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
