1绪论 1
1.1场景分类研究背景 1
1.1.1场景分类的意义 2
1.1.2场景分类与目标分类的区别 3
1.1.3图像场景层次化描述 3
1.2场景分类方法综述 5
1.2.1基于低层的场景分类 5
1.2.2基于中层的场景分类 7
1.3场景分类的难点问题 11
1.4主要工作及研究成果 13
1.4.1主要研究工作 13
1.4.2主要研究成果 14
1.5内容安排 15
2基于概率生成模型的场景分类 17
2.1图模型相关理论 17
2.1.1图模型 18
2.1.2贝叶斯网络 19
2.1.3概率生成模型 21
2.2场景分类中的概率生成模型 21
2.2.1概率潜在语义分析模型 22
2.2.2潜在狄雷克雷分布模型 24
2.2.3 pLSA与LDA的转化关系 25
2.3主题模型的几何意义及图像中的对应 26
2.3.1模型的几何意义 26
2.3.2图像与文本的对应关系 27
2.4实验与分析 28
2.4.1测试数据集 28
2.4.2性能评价 29
2.4.3实验分析 30
2.5本章小结 32
3基于类别约束的场景分类算法 33
3.1问题描述 33
3.2词包模型相关介绍 35
3.2.1视觉词包（Bag of Visterms） 35
3.2.2多义和同义问题分析 37
3.3基于类别约束的主题模型 39
3.3.1等维类主题建模方式 40
3.3.2自适应类主题数的设置方法 44
3.4模型判别方法 46
3.5实验结果与分析 47
3.5.1实验设置 47
3.5.2实验分析 48
3.6本章小结 52
4基于二次模型参数估计的场景分类算法 54
4.1问题描述 54
4.2相关理论介绍 56
4.2.1狄里克雷分布（Dirichlet Distribution） 56
4.2.2 EM算法 58
4.3基于二次参数估计模型的场景分类 59
4.3.1模型描述 60
4.3.2通用主题先验参数估计 62
4.3.3类主题先验参数推导 65
4.3.4场景类判别 67
4.4实验结果与分析 67
4.4.1分类性能比较 69
4.4.2主题数量对X-LDA性能影响 69
4.4.3模型学习时间复杂度及增量学习能力 71
4.5本章小结 73
5基于空间语义主题的场景分类 74
5.1问题描述 74
5.2特征相关介绍 76
5.2.1点特征检测方法 77
5.2.2尺度不变特征变换描述 80
5.3具备空间语义的主题模型 82
5.3.1空间视觉词包算法 82
5.3.2空间语义主题生成 85
5.3.3场景分类方法 88
5.4实验及分析 89
5.4.1实验设置 89
5.4.2实验结果分析 90
5.5本章小结 93
6总结与展望 95
6.1 总结 95
6.2展望 97
参考文献 99
后记 109