基于SVM的图像分类与标注方法的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外相关课题的研究现状 | 第11-14页 |
| 1.2.1 图像单标签分类与标注 | 第11-13页 |
| 1.2.2 图像多标签分类与标注 | 第13-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文主要安排 | 第15-16页 |
| 2 SVM理论概述 | 第16-25页 |
| 2.1 SVM基础理论背景 | 第16-19页 |
| 2.1.1 VC维理论 | 第16-17页 |
| 2.1.2 推广性的界 | 第17-18页 |
| 2.1.3 结构风险最小化原则 | 第18-19页 |
| 2.2 二分类SVM | 第19-22页 |
| 2.2.1 线性二分类SVM | 第19-21页 |
| 2.2.2 非线性二分类SVM | 第21-22页 |
| 2.3 常用核函数 | 第22页 |
| 2.4 多分类SVM | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 图像视觉特征表示及提取 | 第25-35页 |
| 3.1 颜色特征提取 | 第25-28页 |
| 3.1.1 基于HSV空间的颜色直方图特征提取 | 第25-27页 |
| 3.1.2 其它颜色特征提取 | 第27-28页 |
| 3.2 纹理特征提取 | 第28-29页 |
| 3.3 形状特征提取 | 第29-31页 |
| 3.4 局部特征提取 | 第31-34页 |
| 3.4.1 SIFT特征提取 | 第31-33页 |
| 3.4.2 D-SIFT特征提取 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于SVM分类器的图像单标签标注 | 第35-47页 |
| 4.1 基于SVM分类器的图像单标签标注流程简介 | 第35-36页 |
| 4.2 本文图像的特征提取与组织 | 第36-38页 |
| 4.2.1 空间金字塔模型 | 第36-37页 |
| 4.2.2 综合特征提取 | 第37-38页 |
| 4.3 核函数的改进 | 第38-40页 |
| 4.4 图像分类结果评价标准 | 第40页 |
| 4.5 实验结果与分析 | 第40-46页 |
| 4.5.1 实验数据及环境 | 第40-41页 |
| 4.5.2 单一特征与综合特征的比较 | 第41-43页 |
| 4.5.3 不同核函数的比较 | 第43-45页 |
| 4.5.4 标注结果与分析 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 基于SVM分类器的图像多标签标注 | 第47-60页 |
| 5.1 多示例多标签学习 | 第47-48页 |
| 5.2 MIML-SVM算法 | 第48-49页 |
| 5.3 基于人眼感知度的示例生成 | 第49-54页 |
| 5.3.1 人眼感知度的提出 | 第50-51页 |
| 5.3.2 人眼感知度的计算 | 第51-52页 |
| 5.3.3 分块权值的计算 | 第52-54页 |
| 5.4 多标签分类器评价标准 | 第54-55页 |
| 5.5 实验及结果分析 | 第55-58页 |
| 5.6 本章小结 | 第58-60页 |
| 6 结论与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
