基于中层特征表示的图像分类研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1. 引言 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·课题研究意义 | 第10-11页 |
| ·国内外发展现状 | 第11-13页 |
| ·特征方法发展现状 | 第11-12页 |
| ·场景图像分类发展现状 | 第12-13页 |
| ·论文主要工作 | 第13-14页 |
| 2 图像底层特征表示方法 | 第14-28页 |
| ·颜色特征提取 | 第14-15页 |
| ·灰度直方图 | 第15-16页 |
| ·纹理特征提取 | 第16-18页 |
| ·尺度不变性特征 | 第18-28页 |
| ·图像尺度空间 | 第18-19页 |
| ·图像金字塔 | 第19-21页 |
| ·尺度不变性特征变换(SIFT) | 第21-28页 |
| 3 图像中层特征表示方法 | 第28-36页 |
| ·图像语义信息 | 第28-30页 |
| ·图像语义的概念 | 第28页 |
| ·语义鸿沟 | 第28-29页 |
| ·图像语义的层次 | 第29-30页 |
| ·词袋模型BoW | 第30-32页 |
| ·基于BoW的LDA分类 | 第32-33页 |
| ·基于BoW的空间金字塔 | 第33-36页 |
| 4 结合空间语义信息的图像特征 | 第36-49页 |
| ·改进的中层语义特征 | 第36-41页 |
| ·空间信息方法 | 第37-39页 |
| ·语义信息方法 | 第39-41页 |
| ·结合空间语义信息的视觉词短语方法 | 第41-47页 |
| ·底层特征提取 | 第41-42页 |
| ·提取视觉词对 | 第42-45页 |
| ·计算短语词典 | 第45-46页 |
| ·形成短语特征 | 第46-47页 |
| ·图像分类器 | 第47-49页 |
| 5 图像分类实验 | 第49-54页 |
| ·UIUC-Sports8图像库 | 第49-51页 |
| ·Scene-15图像库 | 第51-54页 |
| 6 基于纹理的中层特征研究 | 第54-68页 |
| ·纹理特征的发展 | 第54-55页 |
| ·改进LBP特征方法 | 第55-61页 |
| ·传统LBP特征 | 第56-59页 |
| ·多尺度LBP金字塔 | 第59-60页 |
| ·基于LBP的词袋模型 | 第60-61页 |
| ·基于LBP的空间语义特征 | 第61-68页 |
| ·基于LBP的纹理短语特征 | 第62-64页 |
| ·基于BoWL的空间语义特征 | 第64-65页 |
| ·基于LBP的网络图像分类 | 第65-68页 |
| 7 结束语 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
