基于图像分割和支持向量机的半自动图像标记系统的研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题的背景及研究意义 | 第12页 |
| ·图像标记技术现状 | 第12-13页 |
| ·图像标记的相关实现 | 第13-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第二章 半自动图像标记系统的总体架构 | 第18-23页 |
| ·系统设计目标 | 第18页 |
| ·系统总体架构 | 第18-20页 |
| ·系统结构组成 | 第20-22页 |
| ·图像分割模块 | 第20-21页 |
| ·特征提取模块 | 第21页 |
| ·类别训练模块 | 第21页 |
| ·图像标记模块 | 第21-22页 |
| ·相关反馈模块 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 图像分割 | 第23-33页 |
| ·图像分割在标记中的作用 | 第23-24页 |
| ·Mean Shift简介 | 第24-28页 |
| ·Mean Shift基础理论 | 第24-25页 |
| ·Mean Shift扩展 | 第25-28页 |
| ·Mean Shift应用 | 第28-31页 |
| ·小结 | 第31-33页 |
| 第四章 图像特征提取 | 第33-38页 |
| ·MPEG7 | 第33-34页 |
| ·特征选择和提取 | 第34-36页 |
| ·数据规范化 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第五章 类别训练 | 第38-51页 |
| ·机器学习和相关反馈技术 | 第38-43页 |
| ·统计学习理论 | 第38-39页 |
| ·支持向量机 | 第39-42页 |
| ·相关反馈技术简介 | 第42-43页 |
| ·融合支持向量机和相关反馈技术 | 第43-50页 |
| ·SVM分类训练 | 第43-46页 |
| ·相关反馈改进分类 | 第46-50页 |
| ·小结 | 第50-51页 |
| 第六章 系统实现 | 第51-59页 |
| ·系统实现所关注的问题 | 第51-54页 |
| ·图像不使用分割时的效果 | 第51-52页 |
| ·各个模块的具体实现 | 第52-54页 |
| ·标记结果 | 第54-58页 |
| ·小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 攻读硕士学位期间参与科研项目 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
