基于感兴趣区域的图像分类技术研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| ·问题的提出 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·图像特征提取和表示的国内外研究现状 | 第12-14页 |
| ·分类器的国内外研究现状 | 第14-16页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的结构 | 第17-19页 |
| 第二章 基于感兴趣区域的图像分类框架和技术分析 | 第19-26页 |
| ·引言 | 第19-21页 |
| ·基于感兴趣区域的图像分类框架 | 第21-23页 |
| ·基于感兴趣区域的图像分类技术分析 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 感兴趣区域特征提取技术研究 | 第26-40页 |
| ·引言 | 第26页 |
| ·感兴趣区域提取 | 第26-32页 |
| ·尺度金字塔 | 第27-28页 |
| ·尺度空间定义 | 第28-29页 |
| ·构建尺度金字塔 | 第29-30页 |
| ·关键点检测 | 第30-31页 |
| ·感兴趣区域提取结果 | 第31-32页 |
| ·局部不变特征提取 | 第32-35页 |
| ·SIFT描述符 | 第32-33页 |
| ·关键点方向设置及结果 | 第33-34页 |
| ·SIFT描述符的提取 | 第34-35页 |
| ·感兴趣区域的特征选择策略 | 第35-36页 |
| ·特征有效性分析 | 第36-39页 |
| ·实验环境的设置 | 第36-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于感兴趣区域特征的图像分类器构造研究 | 第40-54页 |
| ·引言 | 第40页 |
| ·支持向量机理论和核函数 | 第40-46页 |
| ·最优分类面与支持向量 | 第40-42页 |
| ·广义最优分类面与核函数的引入 | 第42-44页 |
| ·核函数方法 | 第44-45页 |
| ·支持向量机中常用的核函数 | 第45-46页 |
| ·SVM分类器构造研究 | 第46-50页 |
| ·支持向量机中常用的核函数 | 第46-47页 |
| ·感兴趣区域特征的特点 | 第47-48页 |
| ·匹配核函数 | 第48-50页 |
| ·多类分类器构造 | 第50页 |
| ·实验结果及分析 | 第50-53页 |
| ·实验环境设置 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第五章 图像分类系统设计和实现 | 第54-59页 |
| ·图像分类系统整体设计 | 第54页 |
| ·图像处理子系统设计 | 第54-56页 |
| ·图像预处理模块设计 | 第54-55页 |
| ·图像内容分析模块设计 | 第55-56页 |
| ·图像特征数据存储设计 | 第56页 |
| ·SVM分类子系统的设计 | 第56-57页 |
| ·图像分类系统的实现 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者在学期间取得的学术成果 | 第66页 |
