图像语义自动标注方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·论文研究的背景和意义 | 第9-11页 |
| ·图像标注和研究现状 | 第11-12页 |
| ·论文主要研究内容 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| 第二章 图像分割 | 第14-23页 |
| ·图像分割定义 | 第14-15页 |
| ·图像分割算法 | 第15-21页 |
| ·基于阈值的分割 | 第15-17页 |
| ·Mean Shift 算法 | 第17-18页 |
| ·分水岭分割算法 | 第18-19页 |
| ·C-Means 算法 | 第19-20页 |
| ·Normalized Cuts 算法 | 第20-21页 |
| ·本文采用的分割算法及实验 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 图像低层特征提取 | 第23-39页 |
| ·颜色特征 | 第23-28页 |
| ·颜色特征特点 | 第23页 |
| ·常用的颜色特征提取方法 | 第23-28页 |
| ·本文采用的颜色特征提取方法 | 第28页 |
| ·颜色特征小结 | 第28页 |
| ·纹理特征 | 第28-34页 |
| ·纹理特征特点 | 第29页 |
| ·常用纹理特征提取方法 | 第29-32页 |
| ·本文采用的纹理提取方法及实验 | 第32-33页 |
| ·纹理特征小结 | 第33-34页 |
| ·形状特征 | 第34-37页 |
| ·形状特征特点 | 第34-35页 |
| ·常用形状特征提取方法 | 第35-37页 |
| ·本文采用的形状特征提取方法 | 第37页 |
| ·形状特征小结 | 第37页 |
| ·空间关系特征 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 图像标注技术 | 第39-50页 |
| ·图像标注的一般框架 | 第39页 |
| ·图像标注的方法和模型 | 第39-40页 |
| ·图像关键词的语义相关性 | 第40-42页 |
| ·本文采用的标注方法 | 第42-49页 |
| ·反向传播神经网络 | 第42-44页 |
| ·增加冲量项的反向传播算法 | 第44页 |
| ·对向传播神经网络 | 第44-47页 |
| ·对向传播网络算法改进 | 第47-48页 |
| ·机器学习方法与语义相关性的结合 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 图像标注实验 | 第50-57页 |
| ·实验设置 | 第50-55页 |
| ·图像标注图像库的建立 | 第50页 |
| ·图像标注性能度量 | 第50页 |
| ·实验流程图 | 第50-52页 |
| ·图像分割和特征提取 | 第52页 |
| ·图像语义相关性抽取 | 第52-53页 |
| ·训练模型参数确定 | 第53-55页 |
| ·实验结果 | 第55-56页 |
| ·结论 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-63页 |
| 致谢 | 第63页 |
