| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的研究背景 | 第15页 |
| 1.2 研究目的及意义 | 第15-16页 |
| 1.3 图像分类的国内外研究现状 | 第16-19页 |
| 1.3.1 图像特征提取研究现状 | 第16-17页 |
| 1.3.2 图像分类方法研究现状 | 第17-19页 |
| 1.4 图像分类面临问题 | 第19-20页 |
| 1.5 论文的主要工作与组织结构 | 第20-22页 |
| 1.5.1 论文的主要工作 | 第20-21页 |
| 1.5.2 论文的组织结构 | 第21-22页 |
| 第二章 基于pLSA的图像分类理论及方法 | 第22-40页 |
| 2.1 SIFT局部特征提取 | 第22-26页 |
| 2.2 视觉词汇生成 | 第26-27页 |
| 2.3 图像视觉词袋模型基本理论 | 第27-28页 |
| 2.4 pLSA模型的理论基础及原理 | 第28-34页 |
| 2.4.1 LSA模型原理 | 第29页 |
| 2.4.2 期望最大化算法 | 第29-31页 |
| 2.4.3 pLSA模型原理 | 第31-33页 |
| 2.4.4 pLSA模型优缺点 | 第33-34页 |
| 2.5 基于pLSA的图像分类理论 | 第34-35页 |
| 2.6 支持向量机分类器 | 第35-38页 |
| 2.7 系统评价方法 | 第38-39页 |
| 2.8 本章小结 | 第39-40页 |
| 第三章 多尺度空间判别性概率潜在语义分析的图像分类 | 第40-53页 |
| 3.1 系统组成 | 第40-41页 |
| 3.2 空间金宇塔匹配模型 | 第41-43页 |
| 3.3 图像多尺度空间pLSA算法 | 第43-44页 |
| 3.4 多尺度空间潜在语义的判别性学习 | 第44-45页 |
| 3.5 实验结果及分析 | 第45-52页 |
| 3.5.1 实验设置 | 第45-47页 |
| 3.5.2 参数设置 | 第47-48页 |
| 3.5.3 空间金字塔分层对分类精度影响 | 第48-49页 |
| 3.5.4 对比实验 | 第49-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于稀疏编码多尺度空间潜在语义分析的图像分类 | 第53-64页 |
| 4.1 系统组成 | 第53-54页 |
| 4.2 局部特征编码 | 第54-55页 |
| 4.3 基于稀疏编码多尺度空间潜在语义分析算法 | 第55-56页 |
| 4.4 实验结果及分析 | 第56-63页 |
| 4.4.1 实验设置 | 第57页 |
| 4.4.2 潜在语义数目对分类精度的影响 | 第57页 |
| 4.4.3 稀疏编码软量化和最近邻向量量化比较 | 第57-59页 |
| 4.4.4 pLSA的必要性 | 第59页 |
| 4.4.5 多尺度空间金字塔对分类精度的影响 | 第59-60页 |
| 4.4.6 对比实验 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第71-72页 |