基于显著局部特征的视觉物体表示方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 表目录 | 第11-12页 |
| 图目录 | 第12-14页 |
| 第1章 绪论 | 第14-34页 |
| ·研究意义 | 第14-17页 |
| ·国内外研究现状 | 第17-29页 |
| ·局部特征检测算子 | 第17-20页 |
| ·局部特征描述算子 | 第20-22页 |
| ·基于表观属性的图像表示方法 | 第22-25页 |
| ·基于空间结构模型的图像表示方法 | 第25-27页 |
| ·相关应用 | 第27-29页 |
| ·发展趋势 | 第29-30页 |
| ·本文主要研究内容 | 第30-31页 |
| ·论文结构 | 第31-34页 |
| 第2章 预备知识 | 第34-40页 |
| ·引言 | 第34页 |
| ·高斯混合模型 | 第34-35页 |
| ·后验伪概率分类器 | 第35-36页 |
| ·后验伪概率分类器的学习 | 第36-40页 |
| ·期望最大化学习算法 | 第36-37页 |
| ·最大-最小后验伪概率判决学习算法 | 第37-40页 |
| 第3章 视觉单词的统计建模与判别学习 | 第40-56页 |
| ·引言 | 第40-42页 |
| ·视觉单词统计建模方法 | 第42-45页 |
| ·高斯混合建模 | 第42-43页 |
| ·视觉单词模型的判别学习 | 第43-45页 |
| ·软直方图表示和分类 | 第45-48页 |
| ·实验与讨论 | 第48-53页 |
| ·Caltech-4 图像数据库与汽车侧面图像 | 第49-51页 |
| ·PASCAL VOC 2006 数据库 | 第51-53页 |
| ·小结 | 第53-56页 |
| 第4章 类别显著局部特征检测方法 | 第56-78页 |
| ·引言 | 第56-57页 |
| ·物体表观显著局部特征检测 | 第57-58页 |
| ·表观显著性定义 | 第57页 |
| ·模型参数的学习 | 第57-58页 |
| ·物体上下文显著局部特征检测 | 第58-63页 |
| ·邻域同现星状模型 | 第60-62页 |
| ·视觉单词同现性规律的挖掘 | 第62-63页 |
| ·基于类别显著局部特征检测的物体定位 | 第63-67页 |
| ·有效候选窗口选择 | 第64-65页 |
| ·物体类别分类器 | 第65-67页 |
| ·实验与讨论 | 第67-75页 |
| ·表观显著局部特征检测 | 第68-69页 |
| ·上下文显著局部特征检测 | 第69-71页 |
| ·基于类别显著局部特征检测的物体定位 | 第71-75页 |
| ·小结 | 第75-78页 |
| 第5章 类别与通用视觉单词的协作方法 | 第78-96页 |
| ·引言 | 第78-80页 |
| ·视觉词典的生成 | 第80-82页 |
| ·类别视觉词典 | 第80-81页 |
| ·通用视觉词典 | 第81-82页 |
| ·类特定的图像表示方法 | 第82-84页 |
| ·基于类特定表示的图像分类算法 | 第84-85页 |
| ·实验与讨论 | 第85-94页 |
| ·PASCAL VOC 2006 数据库 | 第87-89页 |
| ·Caltech-101 数据库 | 第89-91页 |
| ·Corel-5000 数据库 | 第91-94页 |
| ·小结 | 第94-96页 |
| 第6章 结论与展望 | 第96-100页 |
| ·本文的工作总结 | 第96-97页 |
| ·进一步的工作 | 第97-100页 |
| 参考文献 | 第100-114页 |
| 攻读学位期间发表论文与研究成果清单 | 第114-116页 |
| 攻读博士学位期间参加的科研项目 | 第116-118页 |
| 致谢 | 第118-119页 |
| 作者简介 | 第119页 |
