基于场景语义图像标注关键技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-13页 |
| ·图像标注的国内外研究现状 | 第13-15页 |
| ·图像标注的国外研究现状 | 第13-15页 |
| ·图像标注的国内研究现状 | 第15页 |
| ·论文研究的内容和意义 | 第15-17页 |
| ·论文课题来源 | 第15-16页 |
| ·本文研究的主要内容 | 第16页 |
| ·本文研究的意义 | 第16-17页 |
| ·论文的组织结构 | 第17-18页 |
| 第2章 图像低层视觉特征提取 | 第18-36页 |
| ·概述 | 第18页 |
| ·颜色特征提取 | 第18-24页 |
| ·颜色空间模型 | 第18-22页 |
| ·常用的颜色特征表达方法 | 第22-24页 |
| ·纹理特征提取 | 第24-35页 |
| ·Tamura 纹理特征集 | 第25-26页 |
| ·灰度共生矩阵 | 第26-30页 |
| ·利用Gabor 小波的图像纹理特征提取方法 | 第30-35页 |
| ·形状特征提取 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第3章 图像场景语义的提取 | 第36-45页 |
| ·概述 | 第36-38页 |
| ·潜在语义分析模型简介 | 第38-39页 |
| ·概率潜在语义分析及用其提取图像的场景语义 | 第39-42页 |
| ·图像场景语义发现 | 第42-44页 |
| ·实验结果及分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于语义的图像标注 | 第45-54页 |
| ·概述 | 第45-46页 |
| ·图像分割 | 第46-47页 |
| ·高斯混合模型 | 第47-49页 |
| ·图像类的高斯混合模型表示 | 第49-50页 |
| ·测试图像的标注 | 第50-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间所发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
