声明
致谢
摘要
1 绪论
1.1 研究背景和研究意义
1.2 研究现状分析
1.3 主要研究内容
1.4 论文的组织结构
2 BOW对象识别基础知识
2.1 特征检测
2.2 特征提取
2.2.1 形状特征提取
2.2.2 颜色特征提取
2.3 视觉字典和直方图的构建
2.4 本章小结
3 基于颜色合并的特征加权图像表示方法
3.1 背景知识介绍
3.2 早融合和晚融合方法
3.3 基于自顶向下的颜色注意力对象识别方法
3.4 颜色合并加权的对象识别方法
3.4.1 颜色合并直方图
3.4.2 有判别力的颜色选择
3.4.3 基于颜色合并的图像表示
3.5 实验
3.5.1 分类框架
3.5.2 实验参数设置
3.5.3 图像分类结果
3.6 本章小结
4 基于上下文颜色注意力的对象识别方法
4.1 背景知识介绍
4.2 基于上下文颜色的图像表示
4.2.1 图像块颜色与对象区域的关系
4.2.2 强图像块和弱图像块的判别
4.2.3 基于上下文颜色注意力的对象图像块检测
4.2.4 构建颜色注意力图
4.3 实验
4.3.1 分类框架
4.3.2 实验参数设置
4.3.3 上下文颜色注意力图
4.3.4 图像分类结果
4.4 本章小结
5 基于颜色层次划分的图像分类方法
5.1 背景知识介绍
5.2 基于成分金字塔匹配的图像分类方法
5.2.1 基于颜色的成分识别
5.2.2 基于颜色的成分金字塔划分
5.2.3 成分的直方图表示方法
5.3 实验
5.3.1 分类框架
5.3.2 实验参数设置
5.3.3 图像分类结果
5.4 本章小结
6 基于中间层特征层次挖掘的图像分类方法
6.1 背景知识介绍
6.2 层次挖掘的图像表示
6.2.1 前景颜色选择方法
6.2.2 基于颜色的层次划分方法
6.2.3 层次特征挖掘
6.2.4 图像表示
6.2.5 用于分类的核函数
6.3 实验
6.3.1 实验设计
6.3.2 图像分类结果
6.4 本章小结
7 基于多图像匹配的对象识别方法
7.1 背景知识介绍
7.2 多图像匹配
7.2.1 有判别力的颜色选择
7.2.2 产生种子
7.2.3 种子扩张产生匹配集
7.2.4 找到有表示性的匹配集
7.2.5 匹配图像图和匹配集图用于图像表示
7.3 实验
7.3.1 实验设计
7.3.2 图像匹配与采样
7.3.3 图像分类结果
7.4 本章小结
8 总结与展望
8.1 本文工作总结
8.2 未来工作展望
参考文献
攻读博士学位期间发表的学术论文
学位论文数据集