| 摘要 | 第1-8页 |
| abstract | 第8-15页 |
| 第一章 绪论 | 第15-22页 |
| ·研究背景及意义 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·论文的研究内容 | 第18-20页 |
| ·论文的组织结构 | 第20-22页 |
| 第二章 视觉词袋模型 | 第22-43页 |
| ·视觉单词计算方法 | 第22-31页 |
| ·分割图像 | 第23-24页 |
| ·HOG特征计算方法 | 第24-26页 |
| ·SIFT特征计算方法 | 第26-31页 |
| ·视觉词袋模型的常用编码方法比较 | 第31-37页 |
| ·K-均值聚类算法 | 第32-34页 |
| ·稀疏编码 | 第34-37页 |
| ·基于空间金字塔的图像特征表达 | 第37-40页 |
| ·基于K-均值的空间金字塔模型 | 第38-39页 |
| ·基于稀疏编码的空间金字塔模型 | 第39-40页 |
| ·多类别图像分类 | 第40-42页 |
| ·支持向量机 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 基于空间上下文信息和筛选稀疏编码的图像分类方法 | 第43-60页 |
| ·空间上下文信息及超级图像块 | 第43-45页 |
| ·基于筛选的稀疏编码计算方法 | 第45-49页 |
| ·稀疏编码与LASSO问题 | 第46-47页 |
| ·基于DPP筛选规则的LASSO问题 | 第47-48页 |
| ·基于筛选的稀疏编码算法 | 第48页 |
| ·实验结果及性能比较 | 第48-49页 |
| ·构建多方向上下文特征表达 | 第49-50页 |
| ·实验结果及分析 | 第50-59页 |
| ·实验环境 | 第52页 |
| ·Caltech-101图像集实验结果 | 第52-55页 |
| ·UC Merced Land-Use图像集实验结果 | 第55-57页 |
| ·UIUC-Sport图像集实验结果 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于筛选稀疏编码的多特征融合图像分类方法 | 第60-68页 |
| ·图像HSV颜色特征 | 第60-61页 |
| ·基于筛选稀疏编码的多特征融合图像分类方法 | 第61-63页 |
| ·RGB色彩模型到HSV色彩模型的转换 | 第61-62页 |
| ·融合多方向上下文特征及全局颜色特征的图像特征表达 | 第62-63页 |
| ·实验结果及分析 | 第63-67页 |
| ·Caltech-101图像集实验结果 | 第63-64页 |
| ·UC Merced Land-Use图像集实验结果 | 第64-65页 |
| ·UIUC-Sport图像集实验结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 硕士研究生期间的科研成果 | 第75页 |
