| CONTENYTS | 第6-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究的背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 基于底层特征的场景分类方法 | 第14-15页 |
| 1.2.2 基于中层语义的场景分类方法 | 第15-17页 |
| 1.3 论文研究重点 | 第17-18页 |
| 1.4 论文结构安排 | 第18-19页 |
| 第2章 场景分类的特征分析 | 第19-29页 |
| 2.1 颜色特征 | 第20-21页 |
| 2.1.1 颜色直方图 | 第20页 |
| 2.1.2 颜色矩 | 第20-21页 |
| 2.2 纹理特征 | 第21-25页 |
| 2.2.1 结构法 | 第22页 |
| 2.2.2 统计法 | 第22-23页 |
| 2.2.3 模型法 | 第23-24页 |
| 2.2.4 频谱法 | 第24-25页 |
| 2.3 边缘特征 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 一种改进的SURF快速匹配算法 | 第29-44页 |
| 3.1 SURF算法特征点检测 | 第30-34页 |
| 3.1.1 积分图像 | 第31页 |
| 3.1.2 Hessian矩阵 | 第31-32页 |
| 3.1.3 尺度空间 | 第32-33页 |
| 3.1.4 特征点主方向定位 | 第33-34页 |
| 3.2 改进的SURF算法特征点的描述 | 第34-37页 |
| 3.2.1 特征点分类 | 第35-36页 |
| 3.2.2 建立特征向量 | 第36-37页 |
| 3.3 SURF特征点匹配 | 第37-38页 |
| 3.4 实验结果及分析 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于MSER-SURF的场景识别新方法 | 第44-66页 |
| 4.1 基于MSER-SURF的图像匹配方法 | 第45-56页 |
| 4.1.1 最大稳定极值区域(MSER)算法简介 | 第46-52页 |
| 4.1.2 综合MSER和SURF算法的图像匹配方法 | 第52-56页 |
| 4.2 场景图像纹理特征提取 | 第56-59页 |
| 4.2.1 Gabor函数简介 | 第56-57页 |
| 4.2.2 Gabor滤波器滤波方法 | 第57-58页 |
| 4.2.3 场景图像的LBP特征提取 | 第58-59页 |
| 4.3 场景图像分类器—支持向量机 | 第59-61页 |
| 4.4 实验结果及分析 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表的学术论文专利和项目 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |