基于对象语义的图像检索
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1. 绪论 | 第9-17页 |
| ·选题的背景与意义 | 第9-11页 |
| ·本文的主要工作 | 第11-15页 |
| ·内容的安排和组织 | 第15-17页 |
| 2. 基于内容的图像检索综述 | 第17-25页 |
| ·图像检索技术发展历程 | 第17-20页 |
| ·基于文本的图像检索 | 第17-19页 |
| ·基于内容的图像检索技术 | 第19-20页 |
| ·基于内容图像检索技术研究内容 | 第20-22页 |
| ·图像特征提取及匹配 | 第20-21页 |
| ·索引查找图像机制 | 第21页 |
| ·面向用户反馈的用户接口 | 第21-22页 |
| ·国内外研究现状 | 第22-24页 |
| ·国内外研究现状 | 第22页 |
| ·国内外研究热点 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3. 基于颜色特征的图像检索技术 | 第25-42页 |
| ·颜色模型 | 第25-29页 |
| ·颜色量化算法 | 第29-31页 |
| ·全局颜色特征 | 第31-35页 |
| ·颜色直方图 | 第31-34页 |
| ·颜色矩 | 第34-35页 |
| ·颜色熵 | 第35页 |
| ·空间颜色特征 | 第35-38页 |
| ·改进的诸颜色描述图法 | 第35-37页 |
| ·局部颜色特征 | 第37-38页 |
| ·基于彩色特征点的对象查询 | 第38-41页 |
| ·图像预处理 | 第38页 |
| ·彩色图像特征点的选取 | 第38-39页 |
| ·图像特征点的表征 | 第39-40页 |
| ·相似性度量 | 第40页 |
| ·索引和搜索策略 | 第40-41页 |
| ·实验结果及分析 | 第41页 |
| ·本章小结 | 第41-42页 |
| 4. 基于对象语义的图像检索关键技术研究 | 第42-61页 |
| ·"语义鸿沟"的存在和对象语义 | 第42-44页 |
| ·分析"语义鸿沟"的图像语言的提取方法 | 第44-47页 |
| ·从低级图像特征自动提取高级语义信息 | 第45页 |
| ·基于关键字的语义网络的原理 | 第45-46页 |
| ·基于语义向量提取图像语义的描述 | 第46-47页 |
| ·基于语义图像自动标注的SVM分类 | 第47-51页 |
| ·SVM的原理介绍 | 第47-48页 |
| ·SVM的语义—特征对应网的设计 | 第48-49页 |
| ·面向语义描述词汇集{Li}的SVM语义预处理 | 第49-51页 |
| ·基于统计概率的图像语义自动标注 | 第51-58页 |
| ·关键字ωi和关键字ωj之间的映射关系 | 第52页 |
| ·图像语义自动标注的新训练集D~* | 第52-54页 |
| ·图像语义自动标注的二值相关算法 | 第54-57页 |
| ·图像语义自动标注的三值相关算法 | 第57页 |
| ·图像语义自动标注的N值相关算法 | 第57-58页 |
| ·PCA语义降维的图像语义自动标注后处理 | 第58-60页 |
| ·实验结果及分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| 5. 对象语义图像检索中的相关反馈 | 第61-73页 |
| ·相关反馈提出的背景 | 第61页 |
| ·图像检索中的相关反馈技术 | 第61-65页 |
| ·基于SVM增量学习的相关反馈算法 | 第65-67页 |
| ·传统的基于SVM的相关反馈算法 | 第65-66页 |
| ·SVM增量学习 | 第66-67页 |
| ·面向图像标注关键字分类和相关反馈的SVM语义网 | 第67-71页 |
| ·频度作为训练集 | 第67-68页 |
| ·非线性的核函数 | 第68-69页 |
| ·最大解空间值 | 第69页 |
| ·最大误差估计 | 第69-70页 |
| ·分类器 | 第70页 |
| ·图像语义分类器 | 第70-71页 |
| ·实验结果及分析 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 6. 基于对象语义的图像检索模型 | 第73-81页 |
| ·基于内容的二维图像检索原型系统 | 第73-76页 |
| ·基于对象语义的图像检索原型系统 | 第76-79页 |
| ·实验结果与分析 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 7. 总结与展望 | 第81-84页 |
| ·本文的总结 | 第81-82页 |
| ·展望应用前景 | 第82-84页 |
| 参考文献 | 第84-93页 |
| 攻读硕士学位期间主要科研成果 | 第93-94页 |
| 致谢 | 第94页 |
