| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-20页 |
| 1.1 课题研究意义 | 第13-14页 |
| 1.2 国内外研究现状和发展趋势 | 第14-17页 |
| 1.2.1 分类器模型标注算法的研究现状与发展趋势 | 第14页 |
| 1.2.2 统计模型标注算法的研究现状与发展趋势 | 第14-16页 |
| 1.2.3 最近邻模型标注算法的研究现状与发展趋势 | 第16-17页 |
| 1.3 主要研究内容及后续各章的布局 | 第17-20页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 后续各章的布局 | 第18-20页 |
| 2 预处理、验证图像库与评测标准的择决 | 第20-29页 |
| 2.1 区域选择 | 第20-21页 |
| 2.1.1 固定分区法 | 第20页 |
| 2.1.2 分割法 | 第20-21页 |
| 2.1.3 基于特征点的方法 | 第21页 |
| 2.2 特征提取 | 第21-25页 |
| 2.2.1 颜色 | 第21-22页 |
| 2.2.2 纹理 | 第22-24页 |
| 2.2.3 形状 | 第24页 |
| 2.2.4 尺度不变的边缘特征 | 第24页 |
| 2.2.5 视觉显著性 | 第24-25页 |
| 2.2.6 几何上下文 | 第25页 |
| 2.3 特征量化 | 第25-26页 |
| 2.4 主要算法简介 | 第26页 |
| 2.4.1 最大概率方法 | 第26页 |
| 2.4.2 最近邻准则 | 第26页 |
| 2.5 验证图像库 | 第26-27页 |
| 2.5.1 Core15k | 第27页 |
| 2.5.2 IAPR-TC12 | 第27页 |
| 2.5.3 ESP Game | 第27页 |
| 2.6 评测标准 | 第27-28页 |
| 2.6.1 查准率和查全率 | 第27页 |
| 2.6.2 F1-度量 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 3 整合显著性特征的主题模型 | 第29-42页 |
| 3.1 引言 | 第29-30页 |
| 3.2 视觉注意力 | 第30-31页 |
| 3.2.1 显著性特征 | 第30-31页 |
| 3.2.2 显著性权值计算 | 第31页 |
| 3.3 模型介绍 | 第31-34页 |
| 3.3.1 相关工作 | 第31-32页 |
| 3.3.2 提出的模型 | 第32-34页 |
| 3.4 理论思想及分析 | 第34-37页 |
| 3.4.1 产生式过程 | 第34-35页 |
| 3.4.2 马尔科夫链和吉布斯采样 | 第35-36页 |
| 3.4.3 算法描述 | 第36-37页 |
| 3.5 实验评估 | 第37-41页 |
| 3.5.1 实验设置 | 第37页 |
| 3.5.2 参数选择 | 第37页 |
| 3.5.3 实验数据及分析 | 第37-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 整合几何上下文的主题模型 | 第42-59页 |
| 4.1 引言 | 第42页 |
| 4.2 特征的几何上下文和视觉属性 | 第42-48页 |
| 4.2.1 几何上下文 | 第43-45页 |
| 4.2.2 多属性的学习 | 第45-48页 |
| 4.3 模型介绍 | 第48-51页 |
| 4.3.1 相关工作 | 第48-49页 |
| 4.3.2 提出的模型 | 第49-51页 |
| 4.4 实验评估 | 第51-58页 |
| 4.4.1 实验设置 | 第51页 |
| 4.4.2 参数选择 | 第51-52页 |
| 4.4.3 收敛判断 | 第52-55页 |
| 4.4.4 视觉及文本学习的运行时间 | 第55页 |
| 4.4.5 实验数据及分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 基于金字塔对比度直方图的图像标注 | 第59-68页 |
| 5.1 基本思想和理论分析 | 第59-64页 |
| 5.1.1 理想边缘模型 | 第59-61页 |
| 5.1.2 多尺度边缘检测子 | 第61-63页 |
| 5.1.3 对比度直方图 | 第63-64页 |
| 5.2 实验评估 | 第64-67页 |
| 5.2.1 实验设置 | 第64页 |
| 5.2.2 参数选择 | 第64页 |
| 5.2.3 实验数据及分析 | 第64-67页 |
| 5.3 本章小结 | 第67-68页 |
| 6 利用颜色空间和微分算子的图像标注 | 第68-81页 |
| 6.1 基本思想和理论分析 | 第68-72页 |
| 6.1.1 颜色空间 | 第69-70页 |
| 6.1.2 微分算子 | 第70-71页 |
| 6.1.3 降维算法 | 第71-72页 |
| 6.2 实验评估 | 第72-80页 |
| 6.2.1 实验设置 | 第72-73页 |
| 6.2.2 图像标注的影响因素分析 | 第73-79页 |
| 6.2.3 实验数据及分析 | 第79-80页 |
| 6.3 本章小结 | 第80-81页 |
| 7 利用特征融合和语义相似性的图像标注 | 第81-99页 |
| 7.1 基本思想和理论分析 | 第81-89页 |
| 7.1.1 视觉语义空间 | 第81-82页 |
| 7.1.2 空间转换 | 第82-83页 |
| 7.1.3 距离相似空间的属性 | 第83-87页 |
| 7.1.4 特征距离的坐标变换 | 第87-89页 |
| 7.2 实验评估 | 第89-98页 |
| 7.2.1 实验设置 | 第89-90页 |
| 7.2.2 实验数据及分析 | 第90-98页 |
| 7.3 本章小结 | 第98-99页 |
| 8 图像标注方法的比较及全文总结 | 第99-103页 |
| 8.1 概率主题方法和最近邻方法的比较 | 第99-101页 |
| 8.2 全文总结 | 第101-103页 |
| 8.2.1 本文的主要贡献 | 第101-102页 |
| 8.2.2 未来研究的方向 | 第102-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-112页 |
| 附录 | 第112页 |