| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像分类方法 | 第12-14页 |
| 1.2.2 商品图像分类研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容和章节安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第二章 图像表示方法及分类模型 | 第18-31页 |
| 2.1 图像分类模型 | 第18-19页 |
| 2.2 图像低层特征表示 | 第19-28页 |
| 2.2.1 颜色特征 | 第19-22页 |
| 2.2.2 纹理特征 | 第22-24页 |
| 2.2.3 局部特征 | 第24-28页 |
| 2.3 图像中间语义特征表示 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于SCSPM模型的商品图像分类 | 第31-49页 |
| 3.1 SCSPM模型概述 | 第31-35页 |
| 3.1.1 图像特征提取 | 第31-32页 |
| 3.1.2 稀疏编码 | 第32-34页 |
| 3.1.3 SCSPM特征形成 | 第34-35页 |
| 3.2 自适应SIFT特征生成 | 第35-38页 |
| 3.2.1 前景特征区域特征向量编码 | 第36-37页 |
| 3.2.2 前景辅助特征区域特征向量编码 | 第37页 |
| 3.2.3 自适应SC特征融合 | 第37-38页 |
| 3.3 基于熵的视觉词汇特征加权方法 | 第38-43页 |
| 3.3.1 SPM在SCSPM模型中的应用 | 第39-40页 |
| 3.3.2 基于熵的特征加权方法 | 第40-41页 |
| 3.3.3 基于熵的空间金字塔匹配模型加权方法EASPM | 第41-43页 |
| 3.4 实验结果和分析 | 第43-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于AdaBoostSVM的分类决策融合 | 第49-62页 |
| 4.1 支持向量机与核函数 | 第49-57页 |
| 4.1.1 线性可分情况 | 第49-52页 |
| 4.1.2 近似线性可分情况 | 第52-53页 |
| 4.1.3 非线性可分情况 | 第53-56页 |
| 4.1.4 基于直方图的核函数选择 | 第56-57页 |
| 4.2 分类器决策融合 | 第57-60页 |
| 4.2.1 Adaboost方法概述 | 第57-58页 |
| 4.2.2 基于SVM弱分类器的AdaBoost决策框架 | 第58-60页 |
| 4.3 实验结果和分析 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62页 |
| 5.2 后续研究工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文 | 第69页 |