基于结构化信息的图像内容分析与理解
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景与意义 | 第11-15页 |
| ·研究背景 | 第11-14页 |
| ·研究意义 | 第14-15页 |
| ·本文的主要研究内容与贡献 | 第15-18页 |
| ·本文的结构 | 第18-21页 |
| 第二章 高层语义间结构化信息研究 | 第21-51页 |
| ·基于结构化预测输出的增广图像描述 | 第21-32页 |
| ·相关工作 | 第22-23页 |
| ·结构化输出预测模型 | 第23-27页 |
| ·实验结果及分析 | 第27-31页 |
| ·小结 | 第31-32页 |
| ·基于兴趣区域的结构化图像检索方法 | 第32-39页 |
| ·结构化图像检索框架 | 第32-35页 |
| ·实验结果及分析 | 第35-39页 |
| ·小结 | 第39页 |
| ·基于语义、空间和尺度信息的高阶上下文描述符 | 第39-50页 |
| ·相关工作 | 第39-40页 |
| ·高阶上下文描述符 | 第40-44页 |
| ·基于高阶上下文描述符的物体检测 | 第44-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·小结 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 中层图像间结构化信息研究 | 第51-67页 |
| ·一种无嵌入的新颖图像加密算法 | 第51-63页 |
| ·相关工作 | 第52页 |
| ·无嵌入图像加密系统 | 第52-56页 |
| ·实验结果及分析 | 第56-63页 |
| ·小结 | 第63页 |
| ·本章小结 | 第63-67页 |
| 第四章 低层特征间结构化信息研究 | 第67-93页 |
| ·基于D-S证据理论的结构化显著性区域检测算法 | 第67-73页 |
| ·预备知识 | 第68-69页 |
| ·显著性融合 | 第69-71页 |
| ·实验结果及分析 | 第71-73页 |
| ·小结 | 第73页 |
| ·基于张量分解的鲁棒人脸聚类算法 | 第73-84页 |
| ·相关工作 | 第74-75页 |
| ·人脸聚类框架 | 第75-76页 |
| ·求解算法 | 第76-79页 |
| ·实验结果及分析 | 第79-83页 |
| ·小结 | 第83-84页 |
| ·基于分层结构的统一字典学习和区域标注算法 | 第84-91页 |
| ·相关工作 | 第84-85页 |
| ·预备知识 | 第85-87页 |
| ·所提区域标注框架 | 第87-89页 |
| ·实验结果及分析 | 第89-91页 |
| ·小结 | 第91页 |
| ·本章小结 | 第91-93页 |
| 第五章 总结与展望 | 第93-95页 |
| ·总结 | 第93-94页 |
| ·展望 | 第94-95页 |
| 参考文献 | 第95-109页 |
| 发表论文和参加科研情况说明 | 第109-111页 |
| 致谢 | 第111-112页 |
