摘要 | 第1-7页 |
ABSTRACT | 第7-15页 |
第一章 绪论 | 第15-25页 |
·场景理解研究现状 | 第17-19页 |
·场景分类 | 第17页 |
·物体识别 | 第17-18页 |
·场景分析 | 第18-19页 |
·显著性检测研究现状 | 第19-20页 |
·自底而上的显著性检测方法 | 第19-20页 |
·自顶向下的显著性检测方法 | 第20页 |
·综合性显著性检测方法 | 第20页 |
·图像分割研究现状 | 第20-22页 |
·传统的图像分割方法 | 第21页 |
·基于水平集的图像分割 | 第21页 |
·基于MRF 的图像分割 | 第21-22页 |
·图像标注研究现状 | 第22页 |
·基于注意力选择机制的场景分类系统 | 第22-23页 |
·本文的研究内容和组织结构 | 第23-25页 |
第二章 基于显著性检测的场景图片预处理 | 第25-38页 |
·Itti’s 显著性特征检测 | 第25-28页 |
·基于图的显著性检测(GBVS) | 第28-29页 |
·马尔可夫链的定义 | 第28页 |
·GBVS | 第28-29页 |
·基于频域信息的显著性检测 | 第29-31页 |
·基于稀疏编码的显著性检测 | 第31-33页 |
·稀疏编码 | 第31-32页 |
·时空域中心邻域结构 | 第32-33页 |
·改进的基于稀疏编码的显著性检测模型 | 第33-34页 |
·模型建立 | 第33-34页 |
·显著性物体判定 | 第34页 |
·实验设置及结果分析 | 第34-37页 |
·实验设置 | 第34-35页 |
·实验结果分析 | 第35-37页 |
·本章小结 | 第37-38页 |
第三章 自然场景中的多目标提取 | 第38-58页 |
·马尔可夫随机场模型 | 第38-41页 |
·MRF 与邻域系统 | 第38-39页 |
·Gibbs 随机场及Markov-Gibbs 等价性 | 第39-40页 |
·基于MRF 的图像分割理论框架 | 第40-41页 |
·MRF 模型的解法 | 第41-46页 |
·基于图割(Graph-Cut)的方法 | 第41-43页 |
·GrabCut | 第43-46页 |
·基于IOR 选择机制的多目标提取 | 第46-47页 |
·基于轮廓信息的图像边缘修正 | 第47-51页 |
·P_b轮廓检测 | 第48-51页 |
·基于轮廓信息的图像分割的进一步校正 | 第51页 |
·基于显著性及MRF 的多目标图像分割 | 第51-52页 |
·实验结果及分析 | 第52-57页 |
·实验设置 | 第52页 |
·实验结果及分析 | 第52-57页 |
·本章小结 | 第57-58页 |
第四章 基于局部特征和物体检测的图像标注 | 第58-73页 |
·局部特征提取 | 第58-61页 |
·Harris 角点检测 | 第58-60页 |
·DOG 算子 | 第60-61页 |
·场景图像的局部特征描述 | 第61-64页 |
·SIFT 局部特征描述 | 第61-63页 |
·SURF 局部特征描述 | 第63-64页 |
·利用物体滤波器做图像标注 | 第64-66页 |
·什么是物体滤波器 | 第65-66页 |
·物体滤波器的选择 | 第66页 |
·实验结果及分析 | 第66-72页 |
·实验设置 | 第66-68页 |
·基于图像分割的初步标注 | 第68-70页 |
·基于物体检测的进一步标注 | 第70-72页 |
·本章小结 | 第72-73页 |
第五章 场景分类 | 第73-91页 |
·利用GIST 进行场景分类 | 第73-76页 |
·空间金字塔匹配算法(SPM) | 第76-79页 |
·基于概率生成模型的场景分类 | 第79-87页 |
·模型概念 | 第79-82页 |
·种典型的概率图模型 | 第82-84页 |
·LDA 模型的参数估计和推理 | 第84-87页 |
·实验设置与结果分析 | 第87-90页 |
·实验设置 | 第87-88页 |
·实验结果与分析 | 第88-90页 |
·本章小结 | 第90-91页 |
第六章 总结与展望 | 第91-92页 |
·主要工作和创新点 | 第91页 |
·后期工作 | 第91-92页 |
参考文献 | 第92-95页 |
致谢 | 第95-96页 |
攻读硕士学位期间已发表或录用的论文 | 第96页 |