| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 主要工作 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 背景知识 | 第15-24页 |
| 2.1 条件随机场简介 | 第15-16页 |
| 2.2 场景图像理解算法简介 | 第16-23页 |
| 2.2.1 基于参数模型的场景图像理解算法 | 第17-18页 |
| 2.2.2 基于非参数模型的场景图像理解算法 | 第18-20页 |
| 2.2.3 弱监督场景图像理解算法 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 CRF中嵌入显著性先验信息的图像理解算法(SPCRF) | 第24-43页 |
| 3.1 问题描述 | 第24-25页 |
| 3.2 显著性检测简介 | 第25-26页 |
| 3.3 SPCRF算法 | 第26-32页 |
| 3.3.1 建模思想 | 第26-27页 |
| 3.3.2 模型设计 | 第27-28页 |
| 3.3.3 算法描述 | 第28-32页 |
| 3.4 实验 | 第32-42页 |
| 3.4.1 实验数据集 | 第32页 |
| 3.4.2 实验设置 | 第32-33页 |
| 3.4.3 实验结果与分析 | 第33-39页 |
| 3.4.4 错误分类情况 | 第39-40页 |
| 3.4.5 分析超像素全连接对前景和背景目标分类的影响 | 第40-42页 |
| 3.4.6 效率分析 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 CRF中嵌入目标置信度先验信息的场景图像理解算法(OCPCRF) | 第43-53页 |
| 4.1 问题提出 | 第43页 |
| 4.2 OCPCRF算法 | 第43-48页 |
| 4.2.1 建模思想 | 第43-45页 |
| 4.2.2 模型设计 | 第45-47页 |
| 4.2.3 算法描述 | 第47-48页 |
| 4.3 实验 | 第48-52页 |
| 4.3.1 实验设置 | 第48页 |
| 4.3.2 实验结果与分析 | 第48-51页 |
| 4.3.3 效率分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 CRF中嵌入配准信息的弱监督图像理解算法(APCRF) | 第53-64页 |
| 5.1 引言 | 第53-54页 |
| 5.2 MIM模型简介 | 第54-55页 |
| 5.3 SIFT-Flow图像配准算法简介 | 第55-56页 |
| 5.4 APCRF算法 | 第56-61页 |
| 5.4.1 建模思想 | 第56-57页 |
| 5.4.2 模型设计 | 第57-58页 |
| 5.4.3 算法描述 | 第58-61页 |
| 5.5 实验 | 第61-63页 |
| 5.5.1 实验设置 | 第61页 |
| 5.5.2 实验结果与分析 | 第61-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 未来展望 | 第64-66页 |
| 参考文献 | 第66-73页 |
| 附录 攻读硕士学位期间的研究成果 | 第73-74页 |
| 附录1 攻读硕士学位期间发表、录用、修改的论文 | 第73页 |
| 附录2 在校期间获奖情况 | 第73-74页 |
| 致谢 | 第74页 |
