| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和现状 | 第11-15页 |
| ·研究背景 | 第11-13页 |
| ·研究现状和经典方法 | 第13-15页 |
| ·论文的研究工作及创新 | 第15-16页 |
| ·论文结构安排 | 第16-17页 |
| 第二章 图像表达与学习 | 第17-44页 |
| ·图像表达 | 第17-38页 |
| ·图像描述子 | 第17-26页 |
| ·K-means聚类方法 | 第26-27页 |
| ·Bag-of-features模型 | 第27-29页 |
| ·空间金字塔匹配 | 第29-33页 |
| ·混合高斯模型表达 | 第33-35页 |
| ·图像整体描述 | 第35-38页 |
| ·分类器设计 | 第38-43页 |
| ·生成式模型 | 第38-42页 |
| ·基于支持向量机的特征降维评价 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第三章 基于认知递推过程的特征有效性分析 | 第44-58页 |
| ·评价机制的提出与递推过程的实现（特征的“优胜劣汰”建模） | 第44-46页 |
| ·基于信息熵和互信息理论的特征通道选择分析 | 第46-52页 |
| ·特征通道在时间轴上的鲁棒性分析及评价准则 | 第47页 |
| ·通过高斯混合模型对样本建模并通过KL散度度量 | 第47-50页 |
| ·认知递推过程的模拟和评价准则 | 第50-52页 |
| ·特征通道在表征目标上的有效性分析及评价准则 | 第52-54页 |
| ·单信源情况下目标的在线自组织识别 | 第54-57页 |
| ·图像库的组成 | 第54-55页 |
| ·局部特征分析与选择 | 第55-56页 |
| ·数据文件命名规则 | 第56-57页 |
| ·特征鲁棒性评价试验设计 | 第57页 |
| ·小结 | 第57-58页 |
| 第四章 基于混合表达的视觉认知 | 第58-74页 |
| ·概述 | 第58-60页 |
| ·基于图像原型和ROI的室内场景分类 | 第60-63页 |
| ·基于混合表达的室内场景分类 | 第63-68页 |
| ·金字塔GIST全局描述 | 第65-66页 |
| ·局部显著性频率表述（改进型码书模型） | 第66-67页 |
| ·监督学习的过程 | 第67-68页 |
| ·实验结果与分析 | 第68-72页 |
| ·小结 | 第72-74页 |
| 第五章 总结与展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79页 |