基于显著区域的图像语义分类方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究目的与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国内研究现状 | 第12-13页 |
| ·国外研究现状 | 第13-14页 |
| ·研究内容及组织结构 | 第14-16页 |
| ·研究主要内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 图像显著区域检测 | 第16-23页 |
| ·引言 | 第16-17页 |
| ·HARRIS-LAPLACE 显著区域检测 | 第17-20页 |
| ·Harris 角点度量 | 第17-18页 |
| ·多尺度Harris 角点度量 | 第18-19页 |
| ·代表性尺度识别 | 第19-20页 |
| ·实验结果与分析 | 第20-22页 |
| ·本章小节 | 第22-23页 |
| 第三章 显著区域特征提取和图像视觉词袋构建 | 第23-42页 |
| ·引言 | 第23-24页 |
| ·图像特征 | 第24-26页 |
| ·图像的反射模型 | 第24-25页 |
| ·图像的对角模型 | 第25页 |
| ·光强分析 | 第25-26页 |
| ·颜色描述子 | 第26-28页 |
| ·直方图 | 第26-27页 |
| ·颜色矩和矩不变性 | 第27-28页 |
| ·SIFT 特征描述子 | 第28-33页 |
| ·规模空间极值检测 | 第28-31页 |
| ·SIFT 特征 | 第31-32页 |
| ·SIFT 相关特征 | 第32-33页 |
| ·视觉词袋构建 | 第33-38页 |
| ·视觉词袋构建框架 | 第33-34页 |
| ·K-means 聚类算法 | 第34-35页 |
| ·K-means++ 聚类算法 | 第35-36页 |
| ·仿射传播聚类算法 | 第36-37页 |
| ·图像视觉词袋表示 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 图像语义分类 | 第42-58页 |
| ·引言 | 第42页 |
| ·图像相似度度量 | 第42-49页 |
| ·Bin-by-bin 相似度度量 | 第43-45页 |
| ·Cross-bin 相似度度量 | 第45-46页 |
| ·基于参数的相似度度量 | 第46-47页 |
| ·基于视觉词袋的EMD 相似度度量方法 | 第47-49页 |
| ·图像语义分类算法 | 第49-51页 |
| ·实验结果与分析 | 第51-57页 |
| ·图像数据库 | 第51-53页 |
| ·结果与分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·设想与建议 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |
