自动图像语义标注方法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 基于概率关联标注模型 | 第9-10页 |
| 1.2.2 基于分类标注模型 | 第10-11页 |
| 1.2.3 基于图学习标注模型 | 第11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 图像语义分析的研究内容 | 第13-23页 |
| 2.1 场景描述与理解 | 第13页 |
| 2.2 图像特征提取 | 第13-16页 |
| 2.2.1 颜色特征 | 第13-15页 |
| 2.2.2 形状特征 | 第15页 |
| 2.2.3 纹理特征 | 第15-16页 |
| 2.3 图像特征表示 | 第16-20页 |
| 2.3.1 区域特征 | 第16-19页 |
| 2.3.2 直方图 | 第19-20页 |
| 2.3.3 视觉词袋 | 第20页 |
| 2.4 图像语义标注模型 | 第20-22页 |
| 2.4.1 判别式模型 | 第20-21页 |
| 2.4.2 生成模型 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 融合图像分类及相似度的概率语义分析模型 | 第23-44页 |
| 3.1 图像表示 | 第23-24页 |
| 3.2 支持向量机模型 | 第24-25页 |
| 3.3 PLSA模型和PLSA-FUSION模型 | 第25-28页 |
| 3.3.1 PLSA模型 | 第25-27页 |
| 3.3.2 PLSA-FUSION模型 | 第27-28页 |
| 3.4 基于概率潜在语义分析的分类融合图像标注 | 第28-32页 |
| 3.5 融合图像特征相似度的图像标注 | 第32-36页 |
| 3.5.1 图像匹配 | 第32-33页 |
| 3.5.2 图像相似性 | 第33-35页 |
| 3.5.3 融合图像相似度的算法 | 第35-36页 |
| 3.6 实验及分析 | 第36-42页 |
| 3.6.1 实验数据集 | 第36页 |
| 3.6.2 图像特征 | 第36页 |
| 3.6.3 实验参数设置 | 第36-37页 |
| 3.6.4 评价标准 | 第37页 |
| 3.6.5 结果分析 | 第37-42页 |
| 3.7 本章小结 | 第42-44页 |
| 第四章 图像检索的系统设计 | 第44-51页 |
| 4.1 检索系统介绍 | 第44-45页 |
| 4.2 系统框架设计 | 第45-46页 |
| 4.3 实验环境 | 第46页 |
| 4.3.1 操作系统配置 | 第46页 |
| 4.3.2 开发工具 | 第46页 |
| 4.3.3 编程语言 | 第46页 |
| 4.3.4 数据库 | 第46页 |
| 4.4 数据库表结构设计 | 第46-47页 |
| 4.5 结果展示 | 第47-50页 |
| 4.5.1 部分图像的标注结果 | 第47-48页 |
| 4.5.2 图像检索结果 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 论文总结 | 第51页 |
| 5.2 工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第58页 |
