首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

超复数DCT变换域下的场景分类算法研究

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

论文共78页,点击 下载论文
上一篇:膜型基质金属蛋白酶1在预血管化膜片构建中的作用
下一篇:肾病综合征患者药学监护路径的建立及其长期影响的研究