1. 毕业设计（论文）主要内容：

局部特征描述符因为灵活地描述图像局部信息的细节内容，且对图像旋转、缩放、视角以及光照变化具有很强的鲁棒性，常用于图像显著区域特征的提取或关键点的描述。

对图像局部特征描述的常用方法有：有向梯度直方图(hog)、尺度不变特征(sift)、局部二值特征(lbp) 、加速的鲁棒特征(surf)、梯度位置和朝向直方图(gloh)、二值鲁棒的独立基本特征(brief)、有向fast和旋转brief特征(orb)、daisy描述子等等，这些描述方法都有不同的适用范围，被广泛应用于图像分类、视频（图像）检索、目标追踪等任务中。

本课题的主要任务是利用已有的局部特征描述方法，融合多类特征对图像进行分类，设计基于支持向量机的分类器，比较不同方式描述下的单一特征和多特征对图像分类的影响，并对结果进行分析。

2. 毕业设计（论文）主要任务及要求

1、学习图像的局部特征描述方法，并设计分类器对图像进行分类。

2、阅读的参考文献不少于15篇（其中近5年外文文献不少于3篇)；任务书上列举的必读参考文献4-5篇即可（含1-2篇外文文献）；

3、完成不少于12000字的论文的撰写并完成答辩的相关工作；

3. 毕业设计（论文）完成任务的计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第5周 论文开题；

第6周—第12周 撰写论文初稿；

4. 主要参考文献

[1] 吴丽娜.基于词袋模型的图像分类算法研究[d].北京:北京交通大学,2013.

[2] caltech 101数据库[eb/ol].http://www.vision.caltech.edu/image_datasets/caltech101/caltech101.html

[3] image classification with 5 methods.githubinc (us) [eb/ol]. https://github.com/fdevmsy/image_classification_with_5_methods.