基于视觉注意机制的图像检索研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·论文研究的背景意义 | 第9-11页 |
| ·国内外发展现状 | 第11-15页 |
| ·论文研究内容及章节安排 | 第15-17页 |
| 第2章 低秩和稀疏表示基础 | 第17-26页 |
| ·引言 | 第17页 |
| ·凸函数的优化求解 | 第17-20页 |
| ·低秩表示 | 第20-22页 |
| ·低秩表示的原理 | 第20-22页 |
| ·基于ADM的LRR求解算法 | 第22页 |
| ·稀疏表示 | 第22-25页 |
| ·信号的稀疏表示 | 第22-24页 |
| ·过完备字典学习 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于方向图导向型空间颜色直方图的图像检索 | 第26-38页 |
| ·引言 | 第26页 |
| ·图像检索中常用的特征提取 | 第26-33页 |
| ·图像相似性度量 | 第33-35页 |
| ·基于方向图导向型空间颜色直方图的图像检索 | 第35-37页 |
| ·构造方向图 | 第35-36页 |
| ·特征提取 | 第36页 |
| ·方法流程 | 第36页 |
| ·实验结果 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于特征聚类的图像检索 | 第38-49页 |
| ·引言 | 第38页 |
| ·无监督学习 | 第38-41页 |
| ·无监督学习的框架结构 | 第39页 |
| ·聚类算法 | 第39-41页 |
| ·基于聚类的特征提取 | 第41-43页 |
| ·图像块提取 | 第41-42页 |
| ·预处理 | 第42页 |
| ·基于聚类的特征提取 | 第42页 |
| ·特征表示 | 第42-43页 |
| ·特征向量标准化处理 | 第43页 |
| ·方法流程 | 第43页 |
| ·基于特征聚类的图像检索 | 第43-46页 |
| ·本章小结 | 第46-49页 |
| 第5章 基于视觉注意机制的图像检索 | 第49-58页 |
| ·引言 | 第49页 |
| ·视觉注意机制模型 | 第49-53页 |
| ·低秩表示的图像显著区域提取 | 第53-55页 |
| ·显著性检测的问题公式化 | 第53-55页 |
| ·图像分割的问题公式化 | 第55页 |
| ·显著区域提取 | 第55页 |
| ·基于视觉注意的图像检索 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 附录 | 第67页 |
