基于显著区域检测和TMBP的场景分类
| 中文摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-24页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·场景分类方法研究现状 | 第12-15页 |
| ·显著区域检测模型研究现状 | 第15-18页 |
| ·目前存在的主要问题 | 第18-21页 |
| ·显著区域检测模型存在的主要问题 | 第18-20页 |
| ·场景分类存在的主要问题 | 第20-21页 |
| ·本文主要工作及创新点 | 第21-22页 |
| ·本文组织结构 | 第22-24页 |
| 第二章 基于低层特征和中层提示的贝叶斯显著检测 | 第24-34页 |
| ·显著区域的特点 | 第24页 |
| ·基于低层特征和中层提示的贝叶斯显著检测算法 | 第24-30页 |
| ·基于 CA 模型的低层特征显著性计算 | 第25-28页 |
| ·基于 Ncut 的中层信息提取 | 第28-29页 |
| ·先验显著图的生成 | 第29-30页 |
| ·结合贝叶斯的后验显著图获取 | 第30页 |
| ·实验结果与对比分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于 TMBP 模型的场景分类 | 第34-49页 |
| ·传统的 LDA 模型分析 | 第34-35页 |
| ·TMBP 主题模型 | 第35-39页 |
| ·TMBP 模型的因子图表示 | 第36-37页 |
| ·BP 算法 | 第37-38页 |
| ·TMBP 模型在图像中的应用 | 第38-39页 |
| ·实验与分析 | 第39-48页 |
| ·测试数据集 | 第39-42页 |
| ·结果分析和比较 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于前景和背景的 TMBP 场景分类 | 第49-61页 |
| ·整体框架 | 第49-50页 |
| ·视觉单词生成 | 第50-55页 |
| ·SIFT 特征向量提取算法 | 第50-53页 |
| ·K 均值聚类算法 | 第53-54页 |
| ·前景和背景的视觉单词描述 | 第54-55页 |
| ·实验结果与分析 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结和展望 | 第61-63页 |
| ·论文工作总结 | 第61-62页 |
| ·未来工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间公开发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |
