| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究的背景及意义 | 第10-11页 |
| ·概率图模型概述 | 第11-12页 |
| ·图像分类研究现状与分析 | 第12-15页 |
| ·论文研究内容 | 第15-16页 |
| ·论文组织 | 第16-18页 |
| 第2章 基本理论 | 第18-28页 |
| ·马尔科夫随机场理论 | 第18-24页 |
| ·邻域系统与基团 | 第18-20页 |
| ·MRF与Gibbs随机场的等价关系 | 第20-22页 |
| ·基于MRF的图像分类理论框架 | 第22-24页 |
| ·条件随机场理论 | 第24页 |
| ·参数估计 | 第24-26页 |
| ·极大似然估计 | 第25-26页 |
| ·伪似然估计 | 第26页 |
| ·推导与能量最小化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于超像素的条件随机场图像分类 | 第28-38页 |
| ·引言 | 第28页 |
| ·基于超像素的条件随机场图像分类模型 | 第28-33页 |
| ·图模型的建立 | 第28-30页 |
| ·条件随机场图像分类模型 | 第30-31页 |
| ·势函数的定义 | 第31-32页 |
| ·模型参数的估计与推导 | 第32-33页 |
| ·算法流程 | 第33页 |
| ·实验结果与对比分析 | 第33-37页 |
| ·图像库说明及参数设置 | 第33-34页 |
| ·实验结果及对比分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于形状先验的马尔科夫随机场图像分类 | 第38-52页 |
| ·引言 | 第38页 |
| ·基于形状先验的MRF分类模型 | 第38-43页 |
| ·问题描述及表示 | 第39-41页 |
| ·形状模版及其变化 | 第41-42页 |
| ·问题求解 | 第42-43页 |
| ·算法流程 | 第43-44页 |
| ·实验结果及分析 | 第44-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于KPCA形状和边缘信息的MRF图像分类 | 第52-76页 |
| ·引言 | 第52-53页 |
| ·基于Kernel PCA的形状表示 | 第53-57页 |
| ·Kernel PCA | 第53-55页 |
| ·Pre-Image重建 | 第55页 |
| ·基于高斯核的Pre-Image重建 | 第55-56页 |
| ·形状表示 | 第56-57页 |
| ·基于KPCA形状和边缘信息的MRF图像分类模型 | 第57-60页 |
| ·边缘信息的引入 | 第57-59页 |
| ·能量函数的定义 | 第59-60页 |
| ·形状对齐 | 第60页 |
| ·能量最小化 | 第60页 |
| ·算法流程 | 第60-62页 |
| ·实验结果及分析 | 第62-74页 |
| ·图像库说明及参数设置 | 第62页 |
| ·形状对齐结果及形状先验 | 第62-64页 |
| ·分类结果对比及分析 | 第64-73页 |
| ·实验数据对比及分析 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 第6章 结论与展望 | 第76-78页 |
| ·本文工作总结 | 第76-77页 |
| ·未来研究展望 | 第77-78页 |
| 参考文献 | 第78-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间科研成果 | 第88页 |