场景分类中上下文特征描述模型的研究

目录

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