基于Semi-CCA的自动图像标注研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及选题意义 | 第7-9页 |
| ·国内外研究现状 | 第9页 |
| ·论文的主要内容 | 第9-11页 |
| 第二章 自动图像标注研究概述 | 第11-18页 |
| ·引言 | 第11页 |
| ·共生模型 | 第11-14页 |
| ·机器翻译模型 | 第14-15页 |
| ·跨媒体相关模型 | 第15-16页 |
| ·连续空间相关模型 | 第16页 |
| ·多伯努利相关模型 | 第16页 |
| ·互相关标签传播模型 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第三章 图像分割与特征提取 | 第18-36页 |
| ·引言 | 第18页 |
| ·基于改进的JSEG方法的图像分割 | 第18-28页 |
| ·图像分割方法概述 | 第19-21页 |
| ·强化边缘信息的JSEG改进算法 | 第21-27页 |
| ·实验结果与分析对比 | 第27-28页 |
| ·图像低层特征信息提取方法概述 | 第28-34页 |
| ·基于颜色的图像特征提取 | 第28-31页 |
| ·基于纹理的图像特征提取 | 第31-34页 |
| ·本文图像低层特征向量的模型构建 | 第34页 |
| ·小结 | 第34-36页 |
| 第四章 基于Semi-CCA的自动图像标注的实现 | 第36-53页 |
| ·引言 | 第36页 |
| ·CCA简介 | 第36-39页 |
| ·基于CCA的自动图像标注原理 | 第39-46页 |
| ·文本特征向量空间模型 | 第39-40页 |
| ·图像低层特征空间模型 | 第40页 |
| ·CCA投影 | 第40-41页 |
| ·基于k-means的标注聚类 | 第41-44页 |
| ·基于k-means的分割图像区域聚类 | 第44页 |
| ·关键词和块之间的联合概率分布模型构建 | 第44-46页 |
| ·Semi-CCA的基本原理 | 第46-47页 |
| ·基于Semi-CCA的自动图像标注原理 | 第47-48页 |
| ·成对约束信息的提取 | 第48页 |
| ·大概率标注词输出模型 | 第48-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·实验数据集及实验方法 | 第50页 |
| ·性能指标 | 第50页 |
| ·实验结果 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文目录 | 第62-63页 |
| 攻读硕士学位期间所参加的科研项目 | 第63页 |
