| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 论文研究背景及意义 | 第12页 |
| 1.2 图像标注技术的发展 | 第12-13页 |
| 1.3 图像自动标注面临的挑战 | 第13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.5 本文组织结构 | 第14-15页 |
| 第二章 相关工作 | 第15-29页 |
| 2.1 图像语义标注的概述 | 第15页 |
| 2.1.1 图像的语义概述 | 第15页 |
| 2.1.2 图像标注的框架 | 第15页 |
| 2.2 图像预处理 | 第15-19页 |
| 2.2.1 图像分割方法简述 | 第15-18页 |
| 2.2.2 Normalized Cuts分割方法 | 第18-19页 |
| 2.3 图像底层视觉特征分析 | 第19-25页 |
| 2.3.1 颜色特征提取与表示 | 第19-21页 |
| 2.3.2 纹理特征提取与表示 | 第21-24页 |
| 2.3.3 形状特征提取与表示 | 第24-25页 |
| 2.4 图像标注模型 | 第25-28页 |
| 2.4.1 基于判别模型的图像标注 | 第25-26页 |
| 2.4.2 基于生成模型的图像标注 | 第26页 |
| 2.4.3 其它标注模型 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于异构描述子的新型高斯混合模型图像标注方法 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基本思想 | 第30页 |
| 3.3 基于图像块的特征提取 | 第30-32页 |
| 3.4 标注词描述子 | 第32页 |
| 3.5 标注词分描述子学习算法 | 第32-33页 |
| 3.6 基于标注词描述子的分类方法 | 第33-34页 |
| 3.7 描述子权重学习算法 | 第34-40页 |
| 3.7.1 实数编码遗传算法介绍 | 第34-37页 |
| 3.7.2 描述子权重学习过程 | 第37-40页 |
| 3.8 基于异构描述子的图像标注过程 | 第40-42页 |
| 3.9 实验及分析 | 第42-44页 |
| 3.10 本章小结 | 第44-45页 |
| 第四章 融合词汇相关性和多样性的图像标注方法 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 基本思想 | 第45-46页 |
| 4.3 标注词相关性度量 | 第46-50页 |
| 4.3.1 基于共生关系的相关性度量 | 第46-48页 |
| 4.3.2 基于语义关系的相关性度量 | 第48-50页 |
| 4.4 标注词多样性度量 | 第50页 |
| 4.5 标注词选择过程 | 第50-51页 |
| 4.6 标注框架及方法流程 | 第51-52页 |
| 4.7 实验及分析 | 第52-56页 |
| 4.8 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |