基于语义的Web图像分类研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-34页 |
| ·选题的意义 | 第14-19页 |
| ·图像分类介绍 | 第19-21页 |
| ·基于文本的图像分类 | 第19页 |
| ·基于内容的图像分类 | 第19-20页 |
| ·基于语义的图像分类 | 第20-21页 |
| ·国内外研究现状 | 第21-27页 |
| ·当前面临的主要挑战 | 第27-30页 |
| ·本文的主要工作及创新点 | 第30-31页 |
| ·本文的组织结构 | 第31-34页 |
| 第2章 图像语义表示 | 第34-64页 |
| ·引言 | 第34页 |
| ·图像语义模型 | 第34-36页 |
| ·图像语义表示 | 第36-58页 |
| ·低层语义表示 | 第36-56页 |
| ·高层语义表示 | 第56-58页 |
| ·Web图像的特点 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第3章 图像特征优化 | 第64-94页 |
| ·引言 | 第64-65页 |
| ·相关工作 | 第65-68页 |
| ·形式化定义 | 第68-69页 |
| ·基于球状邻域的局部线性嵌入 | 第69-80页 |
| ·局部线性嵌入 | 第69-71页 |
| ·球状邻域构造 | 第71-74页 |
| ·基于球状邻域的局部线性嵌入 | 第74-76页 |
| ·性能对比 | 第76-80页 |
| ·基于球状邻域和路径聚类的局部线性嵌入 | 第80-86页 |
| ·球状邻域优化 | 第80-81页 |
| ·基于球状邻域和路径聚类的局部线性嵌入 | 第81-83页 |
| ·性能对比 | 第83-86页 |
| ·应用举例 | 第86-92页 |
| ·本章小结 | 第92-94页 |
| 第4章 感兴趣区域分割 | 第94-116页 |
| ·引言 | 第94-95页 |
| ·相关工作 | 第95-97页 |
| ·基于块聚类和目标提取的粗分割阶段 | 第97-101页 |
| ·基于颜色和纹理特征的区域划分 | 第97-99页 |
| ·基于摄影构图法则的位置确定 | 第99-101页 |
| ·利用掩码图和二值转换实现目标提取 | 第101页 |
| ·基于活动轮廓模型的精分割阶段 | 第101-111页 |
| ·传统活动轮廓模型 | 第102-103页 |
| ·活动轮廓模型的缺陷 | 第103-104页 |
| ·基于色度梯度的图像能量 | 第104-106页 |
| ·利用三角形内心引力和补力生成约束能量 | 第106-111页 |
| ·应用举例 | 第111-115页 |
| ·本章小结 | 第115-116页 |
| 第5章 面向对象的分层次图像分类模型 | 第116-138页 |
| ·引言 | 第116-117页 |
| ·相关工作 | 第117-119页 |
| ·对象层上的分类 | 第119-126页 |
| ·多类对象流形 | 第119-125页 |
| ·对象层上的分类 | 第125-126页 |
| ·场景层上的分类 | 第126-130页 |
| ·单类场景流形 | 第126-129页 |
| ·场景层上的分类 | 第129-130页 |
| ·应用举例 | 第130-136页 |
| ·本章小结 | 第136-138页 |
| 第6章 基于全局的图像分类方法 | 第138-148页 |
| ·引言 | 第138-140页 |
| ·相关工作 | 第140-141页 |
| ·基于双流形学习的图像分类 | 第141-144页 |
| ·聚集中心的确定 | 第142-143页 |
| ·分类器的构造 | 第143-144页 |
| ·应用举例 | 第144-145页 |
| ·本章小结 | 第145-148页 |
| 第7章 总结与展望 | 第148-152页 |
| ·全文总结 | 第148-149页 |
| ·工作展望 | 第149-152页 |
| 参考文献 | 第152-174页 |
| 攻读博士学位期间主要的研究成果 | 第174-176页 |
| 致谢 | 第176-177页 |
