基于显著区域商标信息的图像检索方法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-23页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-20页 |
| ·基于内容的图像检索 | 第10-12页 |
| ·显著区域检测 | 第12-15页 |
| ·图像语义信息提取 | 第15-20页 |
| ·主要内容 | 第20-21页 |
| ·组织结构 | 第21-23页 |
| 第2章 基于显著区域检测的商标定位 | 第23-37页 |
| ·显著区域检测 | 第23-27页 |
| ·构造高斯金字塔 | 第23-24页 |
| ·生成特征图谱 | 第24-25页 |
| ·显著图归一化 | 第25-27页 |
| ·构造感兴趣焦点区域 | 第27页 |
| ·支持向量机 | 第27-30页 |
| ·统计学习理论 | 第27-29页 |
| ·支持向量机理论 | 第29-30页 |
| ·商标定位流程框架 | 第30-31页 |
| ·商标定位 | 第31-35页 |
| ·现有目标定位方法分析 | 第31-33页 |
| ·基于 SVM 分类模型的多级窗口匹配 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第3章 基于词汇树层次语义模型的图像检索 | 第37-54页 |
| ·SIFT 词汇树 | 第37-45页 |
| ·SIFT 特征 | 第37-41页 |
| ·K-Means 聚类 | 第41-43页 |
| ·SIFT 词汇树构造 | 第43-45页 |
| ·Bayesian 统计决策理论 | 第45-47页 |
| ·最小错误率贝叶斯决策 | 第46页 |
| ·最小风险贝叶斯决策 | 第46-47页 |
| ·词汇树语义映射模型 | 第47-52页 |
| ·词汇树层次语义模型框架 | 第48页 |
| ·语义映射模型问题描述 | 第48-50页 |
| ·词汇树语义映射方法 | 第50-52页 |
| ·基于语义映射模型的图像检索方法 | 第52-53页 |
| ·检索算法 | 第52页 |
| ·反馈修正 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 图像检索原型系统设计与实现 | 第54-68页 |
| ·图像检索系统基本框架 | 第54-56页 |
| ·图像商标定位具体实现及数据分析 | 第56-62页 |
| ·构造 SVM 分类器 | 第56-57页 |
| ·确定商标区域 | 第57-59页 |
| ·商标定位效果与分析 | 第59-62页 |
| ·语义特征提取具体实现 | 第62-67页 |
| ·构造语义映射模型 | 第62-63页 |
| ·语义信息提取 | 第63-64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68页 |
| ·工作创新 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间公开发表的论文及参与的科研项目 | 第75-76页 |
| 致谢 | 第76-77页 |
