| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-10页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 本文研究意义及内容 | 第9页 |
| 1.3 本文组织结构 | 第9-10页 |
| 第2章 研究基础以及相关工作 | 第10-20页 |
| 2.1 视觉内容及特征表示 | 第10-14页 |
| 2.1.1 区域选择 | 第10-11页 |
| 2.1.2 特征提取 | 第11-14页 |
| 2.1.2.1 颜色特征 | 第11-12页 |
| 2.1.2.2 纹理特征 | 第12-14页 |
| 2.1.2.3 形状特征 | 第14页 |
| 2.1.2.4 空间关系 | 第14页 |
| 2.2 图像标注模型 | 第14-18页 |
| 2.2.1 基于分类的标注模型 | 第15-16页 |
| 2.2.2 基于概率模型的图像标注 | 第16-18页 |
| 2.2.3 基于主题的图像标注 | 第18页 |
| 2.3 经典图像数据集及图像标注评价 | 第18-19页 |
| 2.3.1 经典图像数据集 | 第18-19页 |
| 2.3.2 图像标注评价 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于特征加权重建的图像标注算法研究 | 第20-39页 |
| 3.1 支持向量机 | 第20-24页 |
| 3.1.1 最优分类面和广义最优分类面 | 第21-23页 |
| 3.1.2 非线性问题 | 第23页 |
| 3.1.3 核函数 | 第23-24页 |
| 3.2 图像预处理 | 第24-32页 |
| 3.2.1 区域选择 | 第24-26页 |
| 3.2.2 特征提取 | 第26-31页 |
| 3.2.3 特征降维 | 第31-32页 |
| 3.3 特征加权重建 | 第32-33页 |
| 3.4 构造分类器 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-38页 |
| 3.5.1 实验设计 | 第34-35页 |
| 3.5.2 结果与分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于语义相关性校准的图像标注方法研究与实现 | 第39-46页 |
| 4.1 图像标注改善算法综述 | 第39页 |
| 4.2 基于语义相关性的标注结果校准方法 | 第39-41页 |
| 4.3 实验结果与分析 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46页 |
| 5.2 未来展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录（攻读硕士学位期间参与的科研项目） | 第53页 |