| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 绪论 | 第13-23页 |
| ·研究背景和研究意义 | 第13-15页 |
| ·研究现状及存在的问题 | 第15-20页 |
| ·边界检测研究现状及分析 | 第15-18页 |
| ·图像分类研究现状及分析 | 第18-20页 |
| ·主要研究内容 | 第20-21页 |
| ·论文的组织结构 | 第21-23页 |
| 2 图像的特征表示 | 第23-41页 |
| ·图像的低层特征-边界 | 第23-37页 |
| ·基于梯度的Canny边缘检测算子及其改进算法 | 第23-29页 |
| ·基于机器学习的边界检测算法 | 第29-33页 |
| ·基于显著性的边界检测算法 | 第33-37页 |
| ·图像的局部特征 | 第37-38页 |
| ·图像的区域特征 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 3 基于朝向对比度的边界检测 | 第41-61页 |
| ·边界检测算法 | 第41-43页 |
| ·朝向对比度模型 | 第43-47页 |
| ·候选边缘计算 | 第43-44页 |
| ·朝向对比度计算 | 第44-46页 |
| ·边界的特征表示 | 第46-47页 |
| ·基于学习的边界检测算法 | 第47-48页 |
| ·实验 | 第48-58页 |
| ·边界检测算法步骤 | 第49-51页 |
| ·与无监督边界检测算法的比较 | 第51-52页 |
| ·与监督边界检测算法的比较 | 第52-54页 |
| ·在VOC 2010和ImageNet数据集上的结果 | 第54-56页 |
| ·在噪音图像上的结果 | 第56-58页 |
| ·本章小结 | 第58-61页 |
| 4 基于空间约束稀疏编码的图像分类 | 第61-77页 |
| ·图像分类概述 | 第61-63页 |
| ·基于稀疏编码的图像分类框架 | 第63-65页 |
| ·局部空间约束编码 | 第65-67页 |
| ·空间约束池化 | 第67-69页 |
| ·实验 | 第69-76页 |
| ·局部空间约束编码 | 第70-72页 |
| ·空间约束池化 | 第72-75页 |
| ·特定类的池化区域 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 5 融入中层特征的图像分类 | 第77-91页 |
| ·相关工作 | 第77-79页 |
| ·矩形区域划分及其特征表示 | 第79-80页 |
| ·矩形区域划分图像 | 第79页 |
| ·矩形区域的特征表示 | 第79-80页 |
| ·超像素区域划分及其特征表示 | 第80-84页 |
| ·超像素划分图像 | 第80-83页 |
| ·超像素区域的特征表示 | 第83-84页 |
| ·融入中层特征的图像分类框架 | 第84-85页 |
| ·实验 | 第85-89页 |
| ·超像素图像分割 | 第86页 |
| ·融入中层特征的图像特征表示 | 第86-87页 |
| ·融入中层特征的图像分类结果 | 第87-89页 |
| ·本章小结 | 第89-91页 |
| 6 总结与展望 | 第91-95页 |
| ·本文工作总结 | 第91-92页 |
| ·未来工作展望 | 第92-95页 |
| 参考文献 | 第95-105页 |
| 攻读博士学位期间发表的学术论文 | 第105-109页 |
| 学位论文数据集 | 第109页 |