摘要 | 第7-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-23页 |
1.1 研究背景和意义 | 第13-14页 |
1.2 场景分类的研究现状 | 第14-19页 |
1.2.1 基于图像底层特征与中高层词汇建模的场景分类方法 | 第15-16页 |
1.2.2 基于图像局部与全局特征的场景分类方法 | 第16-18页 |
1.2.3 基于图像空域与频域特征的场景分类方法 | 第18-19页 |
1.3 分类判别模型的研究现状 | 第19-20页 |
1.4 本文的主要研究内容 | 第20-21页 |
1.5 本文的组织结构 | 第21-23页 |
第2章 DCT变换域的快速场景分类算法 | 第23-36页 |
2.1 基于场景Gist快速场景分类 | 第23-24页 |
2.2 DCT变换域的快速场景分类模型 | 第24-32页 |
2.2.1 DCT变换的特征 | 第25-27页 |
2.2.2 基于DCT系数的特征提取 | 第27-29页 |
2.2.3 SVM分类器 | 第29-32页 |
2.3 实验结果与分析 | 第32-35页 |
2.3.1 实验数据库 | 第32-33页 |
2.3.2 相关参数讨论 | 第33-34页 |
2.3.3 实验结果分析 | 第34-35页 |
2.4 本章小结 | 第35-36页 |
第3章 DCT变换域的差值向量场景分类算法 | 第36-46页 |
3.1 差值向量思想来源 | 第36-37页 |
3.2 DCT变换域的原始特征提取 | 第37-38页 |
3.3 差值特征向量提取 | 第38-39页 |
3.4 实验结果与分析 | 第39-44页 |
3.4.1 实验数据库 | 第39-41页 |
3.4.2 实验设置 | 第41页 |
3.4.3 实验结果分析 | 第41-44页 |
3.5 本章小结 | 第44-46页 |
第4章 DCT变换域的Bag-of-words场景分类算法 | 第46-61页 |
4.1 Bag-of-words模型 | 第46-48页 |
4.2 基于DCT域的特征提取 | 第48页 |
4.3 空间金字塔匹配 | 第48-50页 |
4.3.1 金字塔匹配核 | 第49页 |
4.3.2 空间匹配框架 | 第49-50页 |
4.4 DCT特征编码 | 第50-57页 |
4.4.1 向量量化(Vector Quantization) | 第50-54页 |
4.4.2 稀疏编码(Sparse Codes) | 第54-57页 |
4.5 实验结果与分析 | 第57-60页 |
4.5.1 相关参数讨论 | 第57-59页 |
4.5.2 实验结果分析 | 第59-60页 |
4.6 本章小结 | 第60-61页 |
第5章 超复数DCT变换域的场景分类算法 | 第61-69页 |
5.1 超复数DCT变换 | 第61-63页 |
5.1.1 彩色图像的超复数空间描述 | 第61-62页 |
5.1.2 超复数DCT变换的定义 | 第62-63页 |
5.1.3 超复数DCT变换的实现 | 第63页 |
5.2 超复数DCT变换域场景分类模型 | 第63-65页 |
5.2.1 四元数的构造 | 第63-64页 |
5.2.2 超复数DCT变换域场景分类特征提取 | 第64-65页 |
5.3 实验结果与分析 | 第65-68页 |
5.3.1 实验数据库 | 第65-66页 |
5.3.2 实验结果分析 | 第66-68页 |
5.4 本章小结 | 第68-69页 |
第6章 结论与展望 | 第69-72页 |
6.1 结论 | 第69-71页 |
6.2 展望 | 第71-72页 |
参考文献 | 第72-77页 |
致谢 | 第77-78页 |
附录A 攻读学位期间所发表的学术论文目录 | 第78页 |