基于词袋模型的图像分类技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状和发展趋势 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 词袋模型关键技术 | 第16-28页 |
| 2.1 词袋模型简介 | 第16-18页 |
| 2.2 SIFT局部特征提取 | 第18-24页 |
| 2.2.1 SIFT特征提取的基本步骤 | 第18-19页 |
| 2.2.2 SIFT特征提取原理 | 第19-24页 |
| 2.2.3 图像分块SIFT特征提取 | 第24页 |
| 2.3 视觉词典 | 第24-26页 |
| 2.4 图像词袋 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 词袋分类器实验 | 第28-48页 |
| 3.1 KNN分类 | 第28页 |
| 3.2 深度学习神经网络 | 第28-33页 |
| 3.2.1 SAE栈式自动编码器神经网络 | 第29-31页 |
| 3.2.2 DBN深度置信神经网络 | 第31-33页 |
| 3.3 支持向量机 | 第33-38页 |
| 3.3.1 线性可分的最优分类面 | 第34-36页 |
| 3.3.2 非线性可分的最优分类面 | 第36-37页 |
| 3.3.3 核函数 | 第37-38页 |
| 3.4 分类器软件包 | 第38-39页 |
| 3.5 实验与分析 | 第39-47页 |
| 3.5.1 实验环境 | 第39-40页 |
| 3.5.2 各分类器分类效果比较 | 第40-44页 |
| 3.5.3 SIFT参数对分类结果的影响 | 第44页 |
| 3.5.4 词典数对分类结果的影响 | 第44-45页 |
| 3.5.5 视觉单词的有效性 | 第45-47页 |
| 3.6 总结 | 第47-48页 |
| 第四章 基于直方图交叉核词袋的分类研究 | 第48-58页 |
| 4.1 重叠采样的SIFT特征提取 | 第48-49页 |
| 4.2 基于直方图交叉核的词袋 | 第49-51页 |
| 4.3 实验与分析 | 第51-58页 |
| 4.3.1 实验设置与步骤 | 第51页 |
| 4.3.2 重叠采样SIFT与SIFT比较 | 第51-52页 |
| 4.3.3 直方图交叉核词袋与词袋的比较 | 第52-54页 |
| 4.3.4 运动项目图像分类分析 | 第54-55页 |
| 4.3.5 场景图像分类分析 | 第55-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 下一步工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
