图像特征编码及其应用研究 |
论文目录 | | | 摘要 | 第1-7页 | | abstract | 第7-18页 | | 第一章 绪论 | 第18-34页 | | 1.1 课题研究背景及意义 | 第18-19页 | | 1.2 课题研究现状及发展趋势 | 第19-21页 | | 1.3 课题研究相关内容 | 第21-29页 | | 1.3.1 图像分类识别 | 第22-23页 | | 1.3.2 显著性目标检测 | 第23-27页 | | 1.3.3 人体再识别 | 第27-29页 | | 1.4 本文主要工作与创新点 | 第29-31页 | | 1.5 文章结构安排 | 第31-34页 | | 第二章 图像特征提取及特征编码 | 第34-52页 | | 2.1 图像特征 | 第34-39页 | | 2.1.1 图像局部特征 | 第34-35页 | | 2.1.2 颜色特征 | 第35-37页 | | 2.1.3 纹理特征与协方差描述子 | 第37-39页 | | 2.2 特征编码 | 第39-50页 | | 2.2.1 基于表示的分类 | 第42-44页 | | 2.2.2 基于约束项的分类 | 第44-45页 | | 2.2.3 局部特征编码算法数学模型 | 第45-49页 | | 2.2.4 编码方法性能评价 | 第49-50页 | | 2.3 常用的公共数据集 | 第50-51页 | | 2.3.1 图像分类数据集 | 第50页 | | 2.3.2 显著性目标检测数据集 | 第50-51页 | | 2.3.3 人体再识别数据集 | 第51页 | | 2.4 本章小结 | 第51-52页 | | 第三章 基于特征编码及类码本学习的图像分类 | 第52-68页 | | 3.1 引言 | 第52-54页 | | 3.2 特征编码相关工作 | 第54-57页 | | 3.2.1 矢量量化 | 第54页 | | 3.2.2 稀疏编码 | 第54-55页 | | 3.2.3 局部性约束的线性编码 | 第55-56页 | | 3.2.4 码本学习方法 | 第56-57页 | | 3.3 基于特征编码及类码本学习的方法 | 第57-59页 | | 3.4 基于特征编码及类码本学习的实验结果 | 第59-66页 | | 3.4.1 Caltech101实验结果分析 | 第60-61页 | | 3.4.2 Scene15和UIUC8实验结果 | 第61-65页 | | 3.4.3 实验分析和讨论 | 第65-66页 | | 3.5 本章小结 | 第66-68页 | | 第四章 基于局部性编码和条件随机场的目标显著性计算 | 第68-84页 | | 4.1 引言 | 第68-69页 | | 4.2 显著性计算方法相关工作 | 第69-71页 | | 4.2.1 Top-down显著性方法 | 第69-70页 | | 4.2.2 特征编码方法 | 第70-71页 | | 4.2.3 CRF模型 | 第71页 | | 4.3 基于局部性编码和CRF模型的目标显著性计算方法 | 第71-73页 | | 4.3.1 编码 | 第71-72页 | | 4.3.2 学习显著性目标模型 | 第72-73页 | | 4.4 基于局部性编码和CRF模型的实验结果 | 第73-78页 | | 4.4.1 MSRA-B dataset | 第74-75页 | | 4.4.2 Graz-02 dataset | 第75-77页 | | 4.4.3 The Weizmann Horse and Plane datasets | 第77-78页 | | 4.5 本章小结 | 第78-84页 | | 第五章 融合背景信息和top-down模型的目标显著性计算 | 第84-104页 | | 5.1 引言 | 第84-85页 | | 5.2 目标显著性计算相关工作 | 第85-87页 | | 5.2.1 背景度量方法 | 第85-86页 | | 5.2.2 Top-down方法 | 第86-87页 | | 5.2.3 编码方法 | 第87页 | | 5.3 融合背景信息和top-down模型的目标显著性计算方法 | 第87-90页 | | 5.3.1 鲁棒背景度量显著性计算 | 第87-88页 | | 5.3.2 基于LLC编码和条件随机场的显著性目标模型 | 第88-90页 | | 5.4 目标显著性计算实验结果 | 第90-94页 | | 5.4.1 Graz-02 | 第90-93页 | | 5.4.2 PASCAL VOC 2007 | 第93-94页 | | 5.5 本章小结 | 第94-104页 | | 第六章 基于图像特征编码的人体再识别 | 第104-142页 | | 6.1 引言 | 第104-105页 | | 6.2 人体再识别相关工作 | 第105-109页 | | 6.2.1 人体再识别流程 | 第106-107页 | | 6.2.2 人体再识别方法 | 第107页 | | 6.2.3 特征表示模块 | 第107-109页 | | 6.2.4 模型学习 | 第109页 | | 6.3 人体再识别系统框架 | 第109-119页 | | 6.3.1 人体再识别系统框架图 | 第110页 | | 6.3.2 行人检测 | 第110-112页 | | 6.3.3 图像特征提取 | 第112-114页 | | 6.3.4 局部性约束的线性编码 | 第114-116页 | | 6.3.5 人体再识别匹配准则 | 第116-119页 | | 6.4 人体再识别实验结果 | 第119-130页 | | 6.4.1 行人检测实验结果 | 第121页 | | 6.4.2 VIPe R | 第121-123页 | | 6.4.3 CAVIAR4REID | 第123-125页 | | 6.4.4 ETHZ数据集 | 第125-126页 | | 6.4.5 i-LIDS | 第126-128页 | | 6.4.6 校园采集数据集 | 第128-130页 | | 6.5 本章小结 | 第130-142页 | | 第七章 总结与展望 | 第142-144页 | | 7.1 本文总结 | 第142-143页 | | 7.2 未来展望 | 第143-144页 | | 参考文献 | 第144-164页 | | 致谢 | 第164-166页 | | 攻读学位期间发表的学术论文 | 第166-167页 |
|
|
|
| |
