| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-11页 |
| ·课题研究背景 | 第8页 |
| ·论文研究的目的和意义 | 第8-9页 |
| ·本文研究内容与组织结构 | 第9-11页 |
| ·研究内容 | 第9-10页 |
| ·组织结构 | 第10-11页 |
| 2 图像语义自动标注的相关技术 | 第11-19页 |
| ·图像的视觉特征表示 | 第11-15页 |
| ·区域选择 | 第11-13页 |
| ·特征提取 | 第13-14页 |
| ·特征量化 | 第14-15页 |
| ·图像标注模型 | 第15-17页 |
| ·基于生成模型的图像标注 | 第15-16页 |
| ·基于判别模型的图像标注 | 第16页 |
| ·基于图模型的图像标注 | 第16-17页 |
| ·其他的标注模型 | 第17页 |
| ·图像标注改善 | 第17页 |
| ·图像语义自动标注经典数据集及性能评价标准 | 第17-18页 |
| ·经典数据集 | 第17-18页 |
| ·性能评价标准 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 基于改进的跨媒体相关模型的图像语义自动标注方法 | 第19-39页 |
| ·跨媒体相关模型 | 第19-21页 |
| ·融入多种图像表达方式的跨媒体相关模型 | 第21-28页 |
| ·图像视觉内容表达方式 | 第23-27页 |
| ·融入多种图像视觉表达的跨媒体相关模型图像标注 | 第27-28页 |
| ·结合文本主题及多种图像表达方式的跨媒体相关模型 | 第28-34页 |
| ·概率潜语义分析模型 | 第28-31页 |
| ·文本主题的学习 | 第31-33页 |
| ·结合文本主题及多种图像视觉表达的图像标注 | 第33-34页 |
| ·实验与分析 | 第34-37页 |
| ·融入多种图像表达的图像标注实验 | 第34-35页 |
| ·结合文本主题及多种图像表达的图像标注实验 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 4 融合SVM和多伯努利模型的分层图像语义自动标注方法 | 第39-52页 |
| ·基本思想 | 第39-40页 |
| ·分层的图像语义自动标注系统框架 | 第40-41页 |
| ·分层的图像语义自动标注 | 第41-48页 |
| ·基于改进K-means的图像聚类预标注处理 | 第41-44页 |
| ·基于SVM的图像类别标注 | 第44-47页 |
| ·基于MBRM的图像关键词标注 | 第47-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·实验设置 | 第48页 |
| ·实验结果分析 | 第48-51页 |
| ·时间复杂度分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| ·论文工作总结 | 第52-53页 |
| ·论文研究工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |