| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和研究意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 1.4 论文主要工作与安排 | 第16-17页 |
| 第二章 自然场景识别相关技术介绍 | 第17-29页 |
| 2.1 场景图像预处理 | 第17-23页 |
| 2.1.1 自然场景数据集介绍 | 第17-20页 |
| 2.1.2 图像灰度化 | 第20页 |
| 2.1.3 噪声模型 | 第20-21页 |
| 2.1.4 均值滤波 | 第21-22页 |
| 2.1.5 中值滤波 | 第22-23页 |
| 2.2 场景图像特征提取方法 | 第23-24页 |
| 2.3 空间金字塔表达模型 | 第24-25页 |
| 2.4 主成分分析 | 第25-27页 |
| 2.4.1 PCA原理 | 第26页 |
| 2.4.2 奇异值分解 | 第26-27页 |
| 2.4.3 构造特征子空间 | 第27页 |
| 2.5 场景识别分类器 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 LBP及其改进的场景图像特征提取方法 | 第29-45页 |
| 3.1 LBP特征提取 | 第29-36页 |
| 3.1.1 传统LBP特征提取 | 第29-31页 |
| 3.1.2 多尺度LBP特征提取 | 第31-33页 |
| 3.1.3 旋转不变LBP特征提取 | 第33-34页 |
| 3.1.4 等价模式LBP特征提取 | 第34-35页 |
| 3.1.5 多特征融合的LBP及发展 | 第35-36页 |
| 3.2 CLBP特征提取 | 第36-38页 |
| 3.3 改进的场景图像特征提取方法 | 第38-41页 |
| 3.4 改进的场景图像特征提取方法应用 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 多特征融合的自然场景图像识别方法 | 第45-63页 |
| 4.1 多特征融合的自然场景图像识别框架 | 第45-48页 |
| 4.2 多特征融合的场景图像特征提取 | 第48-51页 |
| 4.2.1 场景图像空间金字塔表达 | 第49-50页 |
| 4.2.2 空间金字塔表达的CCLBP_SC | 第50-51页 |
| 4.3 场景图像Gist特征提取 | 第51-57页 |
| 4.3.1 Gist的提出 | 第52-54页 |
| 4.3.2 空间包络结构 | 第54-55页 |
| 4.3.3 场景图像Gist特征提取 | 第55-57页 |
| 4.4 场景图像多特征融合 | 第57-58页 |
| 4.5 分类器设计 | 第58-62页 |
| 4.5.1 SVM分类器思想 | 第59-60页 |
| 4.5.2 场景识别的多分类SVM | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 仿真实验及分析 | 第63-78页 |
| 5.1 实验环境 | 第63-65页 |
| 5.1.1 识别系统运行环境 | 第63页 |
| 5.1.2 实验数据介绍 | 第63-65页 |
| 5.2 实验设置 | 第65-66页 |
| 5.3 系统评价 | 第66-67页 |
| 5.4 实验结果及其分析 | 第67-77页 |
| 5.4.1 Scene-8 数据集识别与分析 | 第67-69页 |
| 5.4.2 Scene-15 数据集识别与分析 | 第69-72页 |
| 5.4.3 UIUC-Sports数据集识别与分析 | 第72-75页 |
| 5.4.4 CCLBP_SC的多种编码顺序实验 | 第75页 |
| 5.4.5 算法复杂性分析及对比 | 第75-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 后期工作展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |