| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 室内场景识别研究现状 | 第10-12页 |
| 1.3 稀疏表示研究现状 | 第12-13页 |
| 1.4 本文主要工作和组织结构 | 第13-15页 |
| 第二章 相关原理知识 | 第15-29页 |
| 2.1 图像分类系统 | 第15-16页 |
| 2.2 图像分割 | 第16-21页 |
| 2.2.1 图像分割原理 | 第16-17页 |
| 2.2.2 经典图像分割方法 | 第17-21页 |
| 2.3 常用分类算法 | 第21-28页 |
| 2.3.1 KNN分类算法 | 第21-22页 |
| 2.3.2 SVM分类算法 | 第22-23页 |
| 2.3.3 稀疏表示分类算法 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于稀疏表示的家庭室内场景分类 | 第29-43页 |
| 3.1 稀疏表示模型 | 第29-30页 |
| 3.2 字典学习 | 第30-34页 |
| 3.2.1 最优方向法（MOD） | 第30-31页 |
| 3.2.2 K-奇异值分解算法（K-SVD） | 第31-33页 |
| 3.2.3 MOD和K-SVD算法比较 | 第33-34页 |
| 3.3 稀疏求解 | 第34-39页 |
| 3.3.1 匹配追踪（MP）算法 | 第35-36页 |
| 3.3.2 正交匹配追踪（OMP）算法 | 第36-38页 |
| 3.3.3 基追踪（BP）算法 | 第38-39页 |
| 3.4 基于稀疏表达的图像分类实验分析 | 第39-42页 |
| 3.4.1 原理及框架 | 第39-40页 |
| 3.4.2 实验结果与数据分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 Otsu阈值分割方法 | 第43-53页 |
| 4.1 阈值分割法的基本原理 | 第43-44页 |
| 4.2 最大类间方差法（Otsu） | 第44-48页 |
| 4.2.1 Otsu法的基本原理 | 第44-45页 |
| 4.2.2 Otsu法的二维阈值分割算法 | 第45-48页 |
| 4.3 Otsu算法的改进 | 第48-50页 |
| 4.3.1 阈值选取改进算法 | 第48-49页 |
| 4.3.2 改进算法实验结果 | 第49-50页 |
| 4.4 图像分割对识别效果影响实验分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于图像分割的家庭室内场景稀疏分类系统设计 | 第53-62页 |
| 5.1 基于图像分割的稀疏分类系统框架 | 第53-54页 |
| 5.2 图像数据库和判决标准 | 第54-57页 |
| 5.3 实验结果与数据分析 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |