| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究的目的与意义 | 第8-16页 |
| 1.1.1 研究的目的与意义 | 第8-11页 |
| 1.1.2 国内外现状 | 第11-16页 |
| 1.2 本文主要的研究内容和组织结构 | 第16-18页 |
| 1.2.1 本文主要的研究内容 | 第16页 |
| 1.2.2 本文组织结构 | 第16-18页 |
| 2 相关原理与背景知识介绍 | 第18-27页 |
| 2.1 图像的底层视觉特征 | 第18-22页 |
| 2.1.1 图像分割 | 第18-20页 |
| 2.1.2 特征提取 | 第20-22页 |
| 2.1.3 特征量化 | 第22页 |
| 2.2 相似性度量 | 第22-23页 |
| 2.3 关联规则挖掘 | 第23-24页 |
| 2.4 自动图像标注数据集与性能评价机制 | 第24-25页 |
| 2.4.1 图像数据集 | 第24-25页 |
| 2.4.2 自动图像标注性能评价机制 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于词袋的空间金字塔模型 | 第27-38页 |
| 3.1 词袋模型 | 第27-32页 |
| 3.1.1 词袋模型 | 第27-28页 |
| 3.1.2 SIFT 特征提取 | 第28-30页 |
| 3.1.3 层次聚类与特征量化 | 第30-31页 |
| 3.1.4 视觉词典的更新 | 第31-32页 |
| 3.2 基于词袋的空间金字塔模型 | 第32-34页 |
| 3.2.1 空间金字塔模型 | 第32-33页 |
| 3.2.2 基于词袋空间金子塔模型的图像分类 | 第33-34页 |
| 3.3 实验及结果分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 基于反馈日志的图像自动标注方法研究 | 第38-49页 |
| 4.1 混合概率模型框架 | 第38-40页 |
| 4.1.1 混合概率模型 | 第38-39页 |
| 4.1.2 图像与标注词的相关度计算 | 第39-40页 |
| 4.1.3 标注词间的相关度计算 | 第40页 |
| 4.2 基于日志的增量关联挖掘 | 第40-45页 |
| 4.2.1 日志收集 | 第40-41页 |
| 4.2.2 增量关联规则挖掘 | 第41-43页 |
| 4.2.3 基于 Wordnet 的语义相似性 | 第43-44页 |
| 4.2.4 加权 LogV 矩阵与 P(wt|wj)的计算 | 第44-45页 |
| 4.2.5 本文图像与标注词的相关度计算 | 第45页 |
| 4.3 实验及结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 图像自动标注系统 | 第49-56页 |
| 5.1 系统总体框架设计 | 第49-50页 |
| 5.2 系统功能模块设计 | 第50-52页 |
| 5.3 系统展示 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第64页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第64页 |