融合文本和语义的Web图像检索
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·Web图像检索的研究背景及现状 | 第9-11页 |
| ·本文主要工作及研究成果 | 第11-12页 |
| ·主要工作 | 第11页 |
| ·研究成果 | 第11-12页 |
| ·本文框架结构与章节安排 | 第12-15页 |
| 第二章 图像检索的相关技术 | 第15-21页 |
| ·基于文本的图像检索 | 第15-16页 |
| ·基于视觉内容的图像检索 | 第16-18页 |
| ·图像的颜色特征提取 | 第16页 |
| ·图像的纹理特征提取 | 第16-17页 |
| ·图像的形状特征提取 | 第17页 |
| ·相似度匹配问题 | 第17-18页 |
| ·基于语义的图像检索 | 第18页 |
| ·图像检索模型 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 结合文本和语义的Web图像检索的相关技术 | 第21-37页 |
| ·Web图像检索的主要原理 | 第21页 |
| ·Web图像的特征提取 | 第21-33页 |
| ·Web图像的文本特征提取 | 第22-23页 |
| ·Web图像的语义特征提取 | 第23-33页 |
| ·语义相似性计算 | 第33-35页 |
| ·基于WordNet的JCN算法 | 第33-34页 |
| ·基于WordNet的BNP算法 | 第34页 |
| ·结合JCN和BNP算法 | 第34-35页 |
| ·标注集语义一致性计算 | 第35页 |
| ·辅助算法：K均值聚类算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于补全标记矩阵的图像自动标注算法 | 第37-51页 |
| ·图像自动标注技术概述 | 第37-38页 |
| ·基于优化改进的TMC算法描述 | 第38-43页 |
| ·一个完成图像标注的框架 | 第38-40页 |
| ·算法最优化 | 第40-43页 |
| ·讨论 | 第43页 |
| ·实验及结果分析 | 第43-49页 |
| ·实验中使用的数据集及评价标准 | 第43-44页 |
| ·自动标注实验 | 第44-45页 |
| ·实验结果及分析 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 融合文本和语义的Web图像检索模型 | 第51-61页 |
| ·贝叶斯推理网简介 | 第51-54页 |
| ·贝叶斯网络 | 第51-53页 |
| ·贝叶斯推理网 | 第53-54页 |
| ·基于贝叶斯推理网的Web图像语义检索 | 第54-57页 |
| ·实验及结果分析 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间科研成果及参与的主要科研项目 | 第69-70页 |
| 致谢 | 第70页 |
