| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 图像分类的研究背景及意义 | 第9-11页 |
| 1.1.1 图像分类的研究背景 | 第9页 |
| 1.1.2 图像分类的意义 | 第9-11页 |
| 1.2 图像分类的发展和研究现状 | 第11-12页 |
| 1.3 图像库的介绍和评价指标 | 第12-13页 |
| 1.4 本文研究内容与结构安排 | 第13-15页 |
| 2 图像分类的词袋模型 | 第15-25页 |
| 2.1 引言 | 第15-16页 |
| 2.2 词袋模型 | 第16-24页 |
| 2.2.1 图像的特征提取 | 第16-17页 |
| 2.2.2 视觉字典的建立 | 第17-19页 |
| 2.2.3 不同特征编码方法 | 第19-22页 |
| 2.2.4 图像水平级的特征聚合 | 第22-23页 |
| 2.2.5 分类器的设计 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 基于位置和方向聚合的图像分类方法(SALOP) | 第25-44页 |
| 3.1 引言 | 第25-29页 |
| 3.2 基于硬分配位置和方向聚合的图像分类 | 第29-33页 |
| 3.2.1 LOP方法描述 | 第29-30页 |
| 3.2.2 实验结果与分析 | 第30-33页 |
| 3.3 组合不同的聚合方法 | 第33-37页 |
| 3.3.1 引言 | 第33页 |
| 3.3.2 特征聚合方法 | 第33-35页 |
| 3.3.3 实验结果与分析 | 第35-37页 |
| 3.4 基于软分配位置和方向聚合的图像分类 | 第37-42页 |
| 3.4.1 SALOP方法描述 | 第37-38页 |
| 3.4.2 实验结果与分析 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 4 基于硬分配位置和方向高阶信息的聚合 | 第44-56页 |
| 4.1 引言 | 第44-45页 |
| 4.2 高阶信息在图像分类中的应用 | 第45-49页 |
| 4.2.1 费舍尔向量 | 第45-47页 |
| 4.2.2 高阶的聚合局部描述子向量 | 第47-48页 |
| 4.2.3 二阶聚合 | 第48-49页 |
| 4.3 一阶信息的LOP方法 | 第49-52页 |
| 4.3.1 H1-LOP方法描述 | 第49-50页 |
| 4.3.2 实验结果与分析 | 第50-52页 |
| 4.4 高阶信息的LOP方法 | 第52-55页 |
| 4.4.1 H-LOP方法描述 | 第52-53页 |
| 4.4.2 实验结果与分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |