基于CCA子空间的自动图像标注与应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-10页 |
| 图表目录 | 第10-14页 |
| 第一章 绪论 | 第14-21页 |
| ·研究背景及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·本文的主要研究内容 | 第18-20页 |
| ·本文的结构安排 | 第20-21页 |
| 第二章 基于CCA的图像语义特征提取与融合 | 第21-38页 |
| ·典型相关分析 | 第21-26页 |
| ·典型相关分析基本概念 | 第21-24页 |
| ·CCA相关系数和变量求解 | 第24-25页 |
| ·CCA的限制、不足之处和解决办法 | 第25-26页 |
| ·语义特征提取及比较 | 第26-31页 |
| ·图像特征分析 | 第26-27页 |
| ·可伸缩颜色描述子 | 第27-29页 |
| ·基于改进的LBP算子的纹理特征提取 | 第29-31页 |
| ·基于CCA的混合特征融合 | 第31-33页 |
| ·图像近似测度 | 第31-32页 |
| ·基于CCA的图像特征融合 | 第32-33页 |
| ·实验结果与分析 | 第33-37页 |
| ·实验数据集与评价标准 | 第33页 |
| ·实验结果与分析 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于CCA和GMM的图像标注 | 第38-59页 |
| ·CCA在图像标注中的应用 | 第38-42页 |
| ·图像语义信息提取 | 第38-40页 |
| ·CCA在图像标注中的应用 | 第40-42页 |
| ·基于CCA子空间的特征融合 | 第42-46页 |
| ·基于CCA的图像局部特征的提取 | 第42-44页 |
| ·基于CCA的图像全局特征的提取 | 第44-46页 |
| ·基于CCA与GMM的自动图像标注 | 第46-49页 |
| ·高斯混合模型估计 | 第46-48页 |
| ·基于CCA与GMM的图像标注 | 第48-49页 |
| ·基于标注词相关性的标注优化 | 第49-51页 |
| ·实验结果与分析 | 第51-57页 |
| ·数据集与性能指标 | 第51页 |
| ·实验结果与分析 | 第51-57页 |
| ·本章小结 | 第57-59页 |
| 第四章 基于CCA和谱聚类的图像标注 | 第59-71页 |
| ·K-调和均值谱聚类 | 第59-62页 |
| ·谱聚类分析 | 第59页 |
| ·K-调和均值谱聚类(KHMSC) | 第59-61页 |
| ·K-调和均值谱聚类算法 | 第61-62页 |
| ·基于K-调和均值谱聚类与CCA的图像标注 | 第62-66页 |
| ·基于CCA的图像区域特征提取 | 第62页 |
| ·图像语义区域块提取 | 第62-64页 |
| ·基于K-调和均值谱聚类的图像标注 | 第64-66页 |
| ·实验结果与分析 | 第66-69页 |
| ·数据集与性能指标 | 第66-67页 |
| ·实验结果与分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80-81页 |
| 参加的研究项目 | 第81页 |
