| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究思路 | 第11-12页 |
| 1.4 文章的主要工作与结构安排 | 第12-15页 |
| 1.4.1 本文的主要工作 | 第12-13页 |
| 1.4.2 论文的组织结构安排 | 第13-15页 |
| 第二章 图像语义相关基础概述 | 第15-28页 |
| 2.1 颜色特征提取算法 | 第15-19页 |
| 2.1.1 颜色空间 | 第16页 |
| 2.1.2 颜色直方图 | 第16-18页 |
| 2.1.3 颜色特征其他提取方法 | 第18-19页 |
| 2.2 纹理特征提取算法 | 第19-22页 |
| 2.2.1 空间灰度共生矩阵 | 第19-21页 |
| 2.2.2 其他纹理特征提取方法 | 第21-22页 |
| 2.3 形状特征提取算法 | 第22-24页 |
| 2.3.1 边界轮廓线提取形状算法 | 第22-23页 |
| 2.3.2 形状特征提取其他方法 | 第23-24页 |
| 2.4 用于语义提取的SVM | 第24-28页 |
| 2.4.1 SVM原理 | 第24-26页 |
| 2.4.2 核函数 | 第26页 |
| 2.4.4 其他的语义提取方法 | 第26-28页 |
| 第三章 图像多特征融合提取 | 第28-36页 |
| 3.1 多特征融合方法概述 | 第28-29页 |
| 3.2 M特征提取算法 | 第29-30页 |
| 3.3 问题的描述与求解 | 第30-33页 |
| 3.4 实验结果及分析 | 第33-35页 |
| 3.4.1 实验环境及实验数据 | 第33-34页 |
| 3.4.2 实验结果及分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 SVM图像语义提取与分析 | 第36-49页 |
| 4.1 基于K-Means的SVM图像语义提取 | 第36-39页 |
| 4.1.1 K-Means聚类算法 | 第36-37页 |
| 4.1.2 K-Means算法具体流程 | 第37-38页 |
| 4.1.3 基于K-Means聚类算法的多类分类方法 | 第38-39页 |
| 4.1.4 K-SVM算法的应用分析 | 第39页 |
| 4.2 改进的K-SVM语义提取方法 | 第39-43页 |
| 4.2.1 ISODATA算法 | 第39-43页 |
| 4.2.2 改进的K-SVM图像语义提取 | 第43页 |
| 4.3 改进K-SVM语义映射具体实现 | 第43-45页 |
| 4.3.1 划分训练集和测试集 | 第44页 |
| 4.3.2 图像选择 | 第44-45页 |
| 4.4 实验结果 | 第45-47页 |
| 4.5 实验分析 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 硕士期间发表的论文 | 第55页 |
| 软件著作权 | 第55页 |
| 参与项目 | 第55-56页 |
| 致谢 | 第56页 |