基于多重特征的图像分类算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 特征提取技术简介 | 第9-11页 |
| 1.2.2 图像分类方法简述 | 第11-13页 |
| 1.3 主要难点和发展趋势 | 第13页 |
| 1.4 本文主要工作与章节安排 | 第13-15页 |
| 第二章 特征检测与描述 | 第15-32页 |
| 2.1 特征检测 | 第15-24页 |
| 2.1.1 角点检测算子 | 第15-18页 |
| 2.1.2 区域检测算子 | 第18-21页 |
| 2.1.3 特征检测算子实验对比 | 第21-24页 |
| 2.2 特征描述 | 第24-31页 |
| 2.2.1 基于滤波的特征描述算子 | 第24页 |
| 2.2.2 基于分布的局部特征描述算子 | 第24-28页 |
| 2.2.3 基于轮廓的特征描述算子 | 第28-30页 |
| 2.2.4 特征描述方法比较 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 图像语义模型 | 第32-45页 |
| 3.1 向量空间模型 | 第32-34页 |
| 3.2 图像词袋模型 | 第34-40页 |
| 3.2.1 词袋模型 | 第34-36页 |
| 3.2.2 改进型词袋模型 | 第36-38页 |
| 3.2.3 聚类算法 | 第38-40页 |
| 3.3 概率潜在语义分析模型 | 第40-44页 |
| 3.3.1 潜在语义分析模型 | 第40-41页 |
| 3.3.2 概率潜在语义分析模型 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于多重特征的图像分类算法 | 第45-71页 |
| 4.1 传统图像分类算法 | 第45-46页 |
| 4.2 基于特征组合的图像分类算法 | 第46-52页 |
| 4.2.1 支持向量机 | 第46-48页 |
| 4.2.2 MKL | 第48-50页 |
| 4.2.3 LPBoost | 第50-52页 |
| 4.3 基于多特征通道的图像分类算法 | 第52-63页 |
| 4.3.1 系统综述 | 第52-53页 |
| 4.3.2 特征通道选取原则 | 第53-54页 |
| 4.3.3 分类决策模块设计 | 第54-58页 |
| 4.3.4 分类器设计 | 第58-63页 |
| 4.4 实验结果与分析 | 第63-70页 |
| 4.4.1 实验所用数据库 | 第63-64页 |
| 4.4.2 实验评价标准 | 第64页 |
| 4.4.3 实验设计及结果分析 | 第64-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71页 |
| 5.2 进一步工作 | 第71-72页 |
| 5.3 研究生阶段主要工作 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 作者简历及在学期间所取得的科研成果 | 第76页 |
