基于语义的图像分类和检索研究
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 研究背景及研究意义 | 第7-8页 |
| 1.2 研究目标及研究内容 | 第8-9页 |
| 1.3 论文结构 | 第9-10页 |
| 第二章 图像分类和检索研究综述 | 第10-23页 |
| 2.1 现有的图像检索系统 | 第10-12页 |
| 2.2 图像分类和检索的关键技术 | 第12-13页 |
| 2.3 低层视觉特征 | 第13-17页 |
| 2.3.1 颜色特征 | 第13-14页 |
| 2.3.2 纹理特征 | 第14-15页 |
| 2.3.3 形状特征 | 第15-16页 |
| 2.3.4 空间关系特征 | 第16-17页 |
| 2.4 相似性度量 | 第17-18页 |
| 2.5 语义层次模型及相关分类方法 | 第18-21页 |
| 2.5.1 语义层次模型 | 第18-20页 |
| 2.5.2 分类方法综述 | 第20-21页 |
| 2.6 图像检索系统及性能 | 第21-23页 |
| 2.6.1 检索系统 | 第21-22页 |
| 2.6.2 性能评价 | 第22-23页 |
| 第三章 颜色语义特征提取及图像分类 | 第23-36页 |
| 3.1 语义特征建模及图像分类 | 第23-31页 |
| 3.1.1 低层特征提取 | 第23-24页 |
| 3.1.2 定义颜色语义类 | 第24-27页 |
| 3.1.3 生成颜色语义三元组 | 第27-29页 |
| 3.1.4 特征预处理 | 第29-30页 |
| 3.1.5 使用WAODE 分类 | 第30-31页 |
| 3.2 实验结果 | 第31-35页 |
| 3.2.1 分类准确率实验 | 第31-33页 |
| 3.2.2 分类准确率与样本数的敏感性实验 | 第33-34页 |
| 3.2.3 特征鲁棒性实验 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 利用VAWO 改进图像分类的方法 | 第36-51页 |
| 4.1 VAWO 和特征建模 | 第36-46页 |
| 4.1.1 全局特征提取 | 第37页 |
| 4.1.2 图像分割 | 第37-40页 |
| 4.1.3 VAWO 模型 | 第40-43页 |
| 4.1.4 特征组合映射和预处理 | 第43-45页 |
| 4.1.5 使用HNB 分类 | 第45-46页 |
| 4.2 实验结果 | 第46-50页 |
| 4.2.1 VAWO 模型实验 | 第47-48页 |
| 4.2.2 分类准确率实验 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 图像检索原型系统 | 第51-55页 |
| 5.1 系统架构设计 | 第51页 |
| 5.2 系统具体实现及结果展示 | 第51-55页 |
| 第六章 结论和展望 | 第55-57页 |
| 6.1 论文总结 | 第55-56页 |
| 6.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |
