基于区域统计特性的场景分类方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·图像场景理解的研究背景和研究意义 | 第10-13页 |
| ·图像场景理解的层次结构 | 第11-12页 |
| ·图像场景理解的分析技术 | 第12-13页 |
| ·图像理解的主要内容 | 第13-16页 |
| ·广义目标识别 | 第14-15页 |
| ·高层语义分析 | 第15-16页 |
| ·场景语义分析 | 第16页 |
| ·场景理解技术的研究现状 | 第16-17页 |
| ·研究工作的主要内容和组织结构 | 第17-19页 |
| ·研究的主要内容 | 第17-18页 |
| ·本文的结构安排 | 第18-19页 |
| 第二章 词袋法 | 第19-29页 |
| ·词袋法技术介绍 | 第19-23页 |
| ·SIFT特征提取 | 第20页 |
| ·多尺度特征的生成 | 第20-21页 |
| ·空间极值点检测 | 第21-22页 |
| ·关键点方向匹配 | 第22-23页 |
| ·视觉词汇的形成 | 第23-24页 |
| ·实验结果及分析 | 第24-28页 |
| ·实验数据库和参数设置 | 第24-25页 |
| ·测试数据和结果 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于PLSA模型的场景分类 | 第29-39页 |
| ·PLSA模型介绍及应用 | 第29-35页 |
| ·PLSA模型的理论基础 | 第29-30页 |
| ·PLSA模型的图型表达 | 第30-32页 |
| ·最大似然估计 | 第32-33页 |
| ·K-均值聚类算法介绍 | 第33-34页 |
| ·PLSA模型过程介绍 | 第34-35页 |
| ·场景分类过算法流程 | 第35页 |
| ·实验数据及其结果分析 | 第35-38页 |
| ·基于PLSA模型场景分类的优点和缺点 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于超像素方法的场景分类 | 第39-65页 |
| ·超像素的理论和实现 | 第39-49页 |
| ·纹理特征 | 第49-55页 |
| ·颜色特征 | 第55-61页 |
| ·色彩模型介绍 | 第55-58页 |
| ·颜色直方图 | 第58-60页 |
| ·颜色矩 | 第60-61页 |
| ·算法流程 | 第61页 |
| ·实验结果与分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 结论及展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻硕期间取得的研究成果 | 第72页 |
