1 绪论
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于语义特征的场景分类方法
1.2.2 基于深度学习的场景分类方法
1.2.3 场景图像分类中的难点问题
1.3 本文的研究内容
1.4 本文的组织结构
2 场景分类算法架构
2.1 场景分类算法基本框架
2.2 场景图像的特征
2.2.1 特征描述
2.2.2 特征的语义表达
2.2.3 深度特征的学习
2.3.1 人眼的视觉特性
2.3.2 图像的上下文信息描述
2.4 SVM分类模型
2.5 场景分类常用数据集
2.6 评价指标
2.7 本章小结
3 场景的时频上下文特征描述模型
3.1 问题描述
3.2 多尺度时频信息的获取
3.2.1 多尺度频域空间金字塔模型
3.2.2 DLBP特征提取
3.3 时频上下文特征描述模型的构建
3.4 多分类器的择优分类准则
3.5 实验结果分析
3.5.1 实验数据集和参数设置
3.5.2 实验结果与分析
3.6 本章小结
4 场景的显著性上下文特征描述模型
4.1 问题描述
4.2 上下文感知的显著性检测
4.2.1 上下文视觉感知的场景语义描述
4.2.2 上下文视觉感知准则
4.2.3 上下文视觉敏感区域检测
4.3.1 多尺度方向的纹理特征
4.3.2 多尺度上下文视觉特征编码
4.4 显著性上下文特征描述模型的构建
4.5.1 实验数据集和参数设置
4.5.2 实验结果与分析
4.6 本章小结
5 场景的全局与局部上下文特征描述模型
5.1 问题描述
5.2.1 特征提取和描述
5.2.2 视觉词袋模型
5.2.3 空间金字塔匹配
5.2.4 空间金字塔特征提取
5.3 全局与局部上下文特征描述模型的构建
5.4 实验结果分析
5.4.1 实验数据集和参数设置
5.4.2 实验结果与分析
5.5 本章小结
6 场景的上下文深度学习特征描述模型
6.1 问题描述
6.2 深度卷积网络模型
6.3 上下文深度学习特征描述模型的构建
6.3.1 深度卷积网络的确定
6.3.2 上下文深度学习特征描述模型的构建
6.4 实验结果分析
6.4.1 实验数据集和参数设置
6.4.2 实验结果与分析
6.5 本章小结
7 总结与展望
7.1 全文总结
7.2 展望
致谢
参 考 文 献
附录 攻读博士期间的主要研究成果
西安理工大学;