图像语义分类方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文的研究内容及章节安排 | 第11-12页 |
| 第二章 图像语义技术基础 | 第12-26页 |
| ·引言 | 第12页 |
| ·图像处理技术基础 | 第12-20页 |
| ·低层视觉特征 | 第13-18页 |
| ·相似性度量 | 第18-20页 |
| ·性能指标评价 | 第20页 |
| ·语义概述 | 第20-25页 |
| ·语义基本概念 | 第20-21页 |
| ·语义层次模型 | 第21-23页 |
| ·语义常见提取方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于SVM的图像语义提取方法研究 | 第26-38页 |
| ·支持向量机（SVM） | 第26-30页 |
| ·SVM原理介绍 | 第26-28页 |
| ·分类器的构造 | 第28-30页 |
| ·图像视觉特征选择与提取 | 第30-32页 |
| ·特征选择 | 第30-32页 |
| ·特征提取 | 第32页 |
| ·一种基于SVM的图像语义提取方法 | 第32-35页 |
| ·算法原理及实现 | 第32-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·本章小结 | 第35-38页 |
| 第四章 集成学习的图像语义分类方法 | 第38-50页 |
| ·集成学习方法初步 | 第38-40页 |
| ·基本原理 | 第38-39页 |
| ·常用方法 | 第39-40页 |
| ·基于Bagging算法的图像语义分类方法 | 第40-44页 |
| ·算法原理 | 第40-41页 |
| ·算法实现 | 第41-42页 |
| ·试验结果与分析 | 第42-44页 |
| ·基于Adaboost算法的图像语义分类方法 | 第44-47页 |
| ·算法原理 | 第44-45页 |
| ·算法实现 | 第45-46页 |
| ·试验结果与分析 | 第46-47页 |
| ·两类分类方法的比较分析 | 第47-48页 |
| ·原理的对比 | 第47页 |
| ·试验结果对比分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·全文总结 | 第50-51页 |
| ·未来展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者在读期间的研究成果 | 第56-57页 |
