声明
摘要
1 绪论
1.1 图像分类研究背景和意义
1.2 细粒度分类研究难点分析
1.3 研究内容及组织结构
1.3.1 全文研究内容
1.3.2 全文组织结构
2 图像细粒度分类研究现状和基本模型
2.1 细粒度图像分类研究现状
2.2 基于视觉词袋算法的细粒度特征提取
2.2.1 图像描述子提取
2.2.2 视觉特征词典训练
2.2.3 图像特征编码
2.2.4 特征池化与分类
2.3 基于卷积神经网络的细粒度特征提取
2.3.1 网络基本结构介绍
2.3.2 分类网络训练
2.4 本章小结
3 基于细化部件对齐的细粒度分类算法
3.1 部件对齐算法
3.1.1 基于Grab-cut的前景提取
3.1.2 基于重力矢量估计的部件对齐
3.2 部件细化算法
3.2.1 基于区域合并的部件细化
3.2.2 基于边缘轮廓的部件细化
3.2.3 基于双层共分割的部件细化
3.3 实验分析
3.3.1 局部描述子提取
3.3.2 图像特征表示
3.3.3 实验结果分析
3.4 本章小结
4 基于超像素部件对齐的细粒度分类算法
4.1 超像素分割
4.1.1 加权K均值聚类算法与规范化切割算法的结合
4.1.2 基于加权K均值聚类的超像素分割
4.2 基于超像素的前景分割
4.2.1 基于超像素的层次化区域树构建
4.2.2 基于超像素模板匹配的前景分割
4.3 实验分析与比较
4.3.1 超像素分割实验
4.3.2 前景背景分割实验
4.3.3 细粒度分类实验分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢