基于语义的自然图像检索
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·图像检索的研究背景与意义 | 第9-10页 |
| ·图像检索研究现状 | 第10-13页 |
| ·本文的研究内容与安排 | 第13-15页 |
| 第二章 基于语义的图像检索 | 第15-28页 |
| ·基于内容的图像检索介绍 | 第15-21页 |
| ·图像检索模型 | 第15-16页 |
| ·图像特征提取 | 第16-18页 |
| ·图像的匹配 | 第18-20页 |
| ·图像的索引 | 第20页 |
| ·评价准则 | 第20-21页 |
| ·语义检索的发展 | 第21-22页 |
| ·图像语义的表示 | 第22-23页 |
| ·层次化图像语义模型 | 第23-24页 |
| ·图像语义的提取 | 第24-27页 |
| ·小节 | 第27-28页 |
| 第三章 图像分割 | 第28-46页 |
| ·概述 | 第28页 |
| ·图像分割方法 | 第28-32页 |
| ·阈值分割法 | 第28-29页 |
| ·边缘检测法 | 第29-31页 |
| ·区域生长法 | 第31-32页 |
| ·本文的分割算法 | 第32-45页 |
| ·图像预处理 | 第32-37页 |
| ·图像量化 | 第37-39页 |
| ·空间分割 | 第39-43页 |
| ·实验 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第四章 特征提取 | 第46-59页 |
| ·颜色空间 | 第46-49页 |
| ·RGB模型 | 第46-47页 |
| ·HSV模型 | 第47-48页 |
| ·L~*a~*b~*模型 | 第48-49页 |
| ·颜色特征 | 第49-59页 |
| ·基于一维直方图的特征提取 | 第49-53页 |
| ·颜色聚类 | 第53-55页 |
| ·相关直方图 | 第55-59页 |
| 第五章 分类器设计 | 第59-75页 |
| ·分类器的选择 | 第59-60页 |
| ·支持向量机 | 第60-65页 |
| ·统计学习理论 | 第61-62页 |
| ·支持向量机 | 第62-65页 |
| ·多类支持向量机的构造 | 第65-69页 |
| ·1-v-r SVMs | 第65-66页 |
| ·1-v-1 SVMs | 第66-67页 |
| ·有向无循环图 | 第67-68页 |
| ·三种方法的比较 | 第68-69页 |
| ·支持向量机的快速学习算法 | 第69-70页 |
| ·一种新的分类器设计方法 | 第70-74页 |
| ·本文算法的模型推导 | 第71-72页 |
| ·仿真试验结果 | 第72-74页 |
| ·小结 | 第74-75页 |
| 第六章 系统设计与实现 | 第75-84页 |
| ·系统总体设计 | 第75-80页 |
| ·总体框架 | 第75-77页 |
| ·数据库设计 | 第77-78页 |
| ·界面设计 | 第78-80页 |
| ·实验结果 | 第80-84页 |
| ·实验准备 | 第80页 |
| ·各种颜色特征试验的比较 | 第80-81页 |
| ·颜色特征相混合的实验比较 | 第81-82页 |
| ·多类分类器不同核函数及其参数的实验比较 | 第82-84页 |
| 第七章 总结与展望 | 第84-86页 |
| ·本文的主要工作和创新点 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 硕士期间发表的论文 | 第91-92页 |
| 致谢 | 第92-93页 |
| 西北工业大学业学位论文知识产权声明书 | 第93页 |
| 西北工业大学学位论文原创性声明 | 第93页 |
