基于SPM模型的图像分类研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图像分类的研究现状 | 第10-12页 |
| 1.2.2 空间金字塔模型的发展动态 | 第12-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 SPM模型原理及相关技术综述 | 第15-27页 |
| 2.1 SPM模型的原理 | 第15-18页 |
| 2.1.1 SPM模型的引入 | 第15-17页 |
| 2.1.2 空间金字塔匹配模型的思想 | 第17-18页 |
| 2.2 SPM模型的相关技术 | 第18-26页 |
| 2.2.1 图像特征提取 | 第18-21页 |
| 2.2.2 金字塔划分方法 | 第21-23页 |
| 2.2.3 视觉词典的构建 | 第23页 |
| 2.2.4 特征编码 | 第23-24页 |
| 2.2.5 分类器 | 第24-26页 |
| 2.3 本章总结 | 第26-27页 |
| 第3章 视觉词典构建方法的改进 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 K-means聚类算法 | 第27-29页 |
| 3.3 凝聚层次聚类算法 | 第29-31页 |
| 3.4 改进的聚类算法 | 第31-34页 |
| 3.4.1 基于信息熵的属性加权 | 第31-32页 |
| 3.4.2 层次聚类算法与空间金字塔结合思想 | 第32-33页 |
| 3.4.3 图像分类算法的流程步骤 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 特征编码算法的对比研究和改进 | 第35-42页 |
| 4.1 稀疏编码算法 | 第35-37页 |
| 4.2 局部线性约束编码 | 第37-38页 |
| 4.3 NNLLC编码算法的改进 | 第38-41页 |
| 4.3.1 NNLLC编码算法 | 第38-39页 |
| 4.3.2 基于相似性加权的NNLLC | 第39-40页 |
| 4.3.3 图像分类算法的流程步骤 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验结果和综合分析 | 第42-50页 |
| 5.1 实验说明 | 第42-43页 |
| 5.1.1 实验环境 | 第42-43页 |
| 5.1.2 实验评估指标 | 第43页 |
| 5.2 参数的设定 | 第43-46页 |
| 5.2.1 训练样本数的研究分析 | 第43-45页 |
| 5.2.2 数据词典大小的研究分析 | 第45-46页 |
| 5.2.3 KNN算法K值的研究分析 | 第46页 |
| 5.3 本文聚类算法的研究分析 | 第46-47页 |
| 5.4 特征编码算法的对比分析 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第55-56页 |
| 致谢 | 第56页 |
