基于MRF模型的图像聚类与检索研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究目的和意义 | 第12-14页 |
| ·研究目的 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·MRF 模型及其在图像分析中的研究现状 | 第14-17页 |
| ·MRF 模型发展历程 | 第14页 |
| ·Markov 链 | 第14-15页 |
| ·隐 Markov 模型 | 第15-16页 |
| ·树状 MRF 模型 | 第16页 |
| ·图状 MRF 模型 | 第16-17页 |
| ·图像聚类和检索的研究现状 | 第17-19页 |
| ·图像聚类的现状分析 | 第17-18页 |
| ·图像检索的现状分析 | 第18-19页 |
| ·主要工作和章节安排 | 第19-20页 |
| ·主要工作 | 第19-20页 |
| ·章节安排 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第二章 MRF 基本理论 | 第22-31页 |
| ·MRF 基础 | 第22-24页 |
| ·能量函数优化 | 第24页 |
| ·MAP 估计 | 第24-25页 |
| ·MAP 优化方法 | 第25-30页 |
| ·条件迭代模式 | 第26-27页 |
| ·图切割算法 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于 ICM 优化的图像聚类方法 | 第31-51页 |
| ·概述 | 第31-32页 |
| ·基于 ICM 优化的图像聚类算法框架 | 第32-38页 |
| ·特征选择和提取 | 第32-35页 |
| ·聚类算法选择与邻域系统设计 | 第35-37页 |
| ·有效性评估与分析 | 第37-38页 |
| ·MRF 模型构建 | 第38-40页 |
| ·特征场能量项建模 | 第38-39页 |
| ·标签场能量项建模 | 第39页 |
| ·空间邻域系统构建 | 第39-40页 |
| ·基于 ICM 的推理求解 | 第40-41页 |
| ·评价策略 | 第41-42页 |
| ·标准互信息 | 第41页 |
| ·聚类精确度 | 第41-42页 |
| ·微-精度 | 第42页 |
| ·实验结果与分析 | 第42-50页 |
| ·特征维数的影响 | 第43-45页 |
| ·图像样本数量的影响 | 第45-46页 |
| ·图像特征的影响 | 第46-47页 |
| ·初始标签的影响 | 第47-49页 |
| ·聚类算法的影响 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于图切割的区域图像检索方法 | 第51-67页 |
| ·概述 | 第51-52页 |
| ·基于图切割的区域图像检索算法框架 | 第52-57页 |
| ·区域特征选择与提取 | 第53-55页 |
| ·图像分割算法选择 | 第55-56页 |
| ·相似度度量机制 | 第56-57页 |
| ·图切割算法下的图像分割 | 第57-59页 |
| ·能量函数的构建 | 第57页 |
| ·图的构造 | 第57-58页 |
| ·最大流-最小割方法 | 第58-59页 |
| ·区域图像检索 | 第59-61页 |
| ·图像区域块搜索 | 第59-61页 |
| ·区域块与原始图像的映射 | 第61页 |
| ·图像检索评价策略 | 第61-62页 |
| ·实验结果与分析 | 第62-66页 |
| ·图像特征的影响 | 第63-64页 |
| ·匹配策略的影响 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·工作总结 | 第67-68页 |
| ·工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表的论文及科研工作 | 第75-77页 |
