场景特征可分性与协同求解方法

摘要	第1-6页
ABSTRACT	第6-7页
致谢	第7-14页
第一章 绪论	第14-22页
·研究背景	第14页
·场景分类方法	第14-17页
·基于低层特征建模的场景分类方法	第15页
·基于中层语义建模的场景分类方法	第15-16页
·显著性约束特征建模的场景分类方法	第16-17页
·场景分类中的难点	第17页
·基于协同的场景分类	第17-19页
·协同学思想	第17-18页
·协同进化	第18页
·协同场景分类	第18-19页
·论文的研究内容和章节安排	第19-21页
·论文的研究内容	第19-20页
·论文的章节安排	第20-21页
·本章总结	第21-22页
第二章 图像的全局特征和显著性特征提取	第22-37页
·图像特征	第22页
·方向梯度的金字塔直方图	第22-26页
·方向梯度直方图	第22-24页
·方向梯度的金字塔直方图	第24-26页
·gist特征提取	第26-31页
·Gabor滤波器	第26-27页
·Gabor滤波器组	第27-28页
·基于Gabor滤波器组的gist特征提取	第28-31页
·Gabor滤波器提取特征	第28-29页
·gist特征提取	第29-31页
·统计视觉显著性	第31-36页
·调频显著性检测算法	第31-33页
·最大对称外周显著性算法	第33-34页
·基于最大对称外周显著性算法的图像分割	第34-36页
·基于显著性的阈值图像分割	第34-35页
·基于显著性的kmeans聚类图像分割	第35-36页
·本章	第36-37页
第三章 图像流形空间特征	第37-51页
·特征流形降维	第37-38页
·主分量分析	第38-40页
·K-L变换	第38页
·主分量分析特征降维	第38-40页
·等距离映射	第40-43页
·多维尺度分析	第40页
·等距离映射特征降维	第40-43页
·局部线性嵌入	第43-44页
·基于流形的图像结构学习	第44-45页
·基于流形的场景图像内部结构学习	第44页
·基于流形的人脸图像内部结构学习	第44-45页
·基于流形学习的人脸图像分类	第45-50页
·主分量分析人脸图像分类	第45-47页
·等距离映射人脸图像分类	第47-49页
·局部线性嵌入人脸图像分类	第49-50页
·本章总结	第50-51页
第四章 场景分类模型	第51-65页
·监督学习和无监督学习	第51页
·分类分析	第51-59页
·近邻分类方法	第51-52页
·线性鉴别分析	第52-53页
·人工神经网络	第53页
·支持向量机	第53-59页
·统计学习理论	第53-55页
·线性SVM	第55-57页
·非线性SVM	第57-58页
·多类SVM	第58-59页
·场景图像库与分类	第59-64页
·场景图像库	第59-60页
·场景分类结果及比较	第60-64页
·近邻法场景分类	第60-61页
·SVM场景分类	第61-63页
·训练集大小对分类效果的影响	第63页
·基于显著性分割的场景分类	第63-64页
·本章总结	第64-65页
第五章 协同网络的场景分类方法	第65-78页
·协同学的数学模型	第65页
·协同特征演化策略	第65-68页
·协同网络的实现	第68-70页
·基于协同网络的场景分类	第70-77页
·协同网络对图像的协同分析能力	第71-72页
·场景图像SVM分类	第72页
·场景图像协同分类	第72-77页
·本章总结	第77-78页
第六章 总结与展望	第78-79页
·总结	第78页
·展望	第78-79页
参考文献	第79-83页
攻读硕士学位期间发表的论文及科研工作	第83页