基于多示例学习的图像检索方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 引言 | 第7-13页 |
| ·研究背景及意义 | 第7-8页 |
| ·研究现状及国内外相关技术 | 第8-11页 |
| ·国外研究现状 | 第8-10页 |
| ·国内研究现状 | 第10页 |
| ·关于多示例学习算法 | 第10-11页 |
| ·本文主要工作和论文安排 | 第11-13页 |
| 2 基于内容图像检索的关键技术 | 第13-25页 |
| ·颜色特征 | 第13-14页 |
| ·RGB模型 | 第13-14页 |
| ·HSI颜色模型 | 第14页 |
| ·L~*a~*b~*颜色模型 | 第14页 |
| ·纹理特征 | 第14-20页 |
| ·纹理特征的描述方法 | 第15-16页 |
| ·共生矩阵表示法 | 第16-18页 |
| ·Tamura纹理表示法 | 第18-20页 |
| ·空间位置特征 | 第20页 |
| ·图像分割 | 第20-22页 |
| ·基于邻域的方法 | 第21页 |
| ·直方图阈值法 | 第21页 |
| ·颜色聚类法 | 第21-22页 |
| ·结合特定理论工具的彩色图像分割方法 | 第22页 |
| ·相似性度量 | 第22-24页 |
| ·欧式距离 | 第22-23页 |
| ·二次型距离 | 第23页 |
| ·其他距离度量 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 多示例学习 | 第25-35页 |
| ·多示例学习算法简介 | 第25-28页 |
| ·问题的提出 | 第25-26页 |
| ·多示例学习的意义 | 第26-27页 |
| ·多示例学习与传统学习框架的区别 | 第27-28页 |
| ·多示例学习的理论与算法研究 | 第28-32页 |
| ·轴-平行矩形算法 | 第28-30页 |
| ·k-近邻算法 | 第30页 |
| ·DD算法 | 第30-31页 |
| ·EM-DD算法 | 第31-32页 |
| ·多示例与图像检索关系 | 第32页 |
| ·应用分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于多示例学习的图像检索 | 第35-43页 |
| ·图像检索流程 | 第35-36页 |
| ·图像特征提取与表达 | 第36-40页 |
| ·待分割图像像素点的特征抽取 | 第36-37页 |
| ·区域分割方法 | 第37-39页 |
| ·图像区域特征表示 | 第39-40页 |
| ·目标概念求解 | 第40-42页 |
| ·相似性排序 | 第42页 |
| ·本章小结 | 第42-43页 |
| 5 图像检索系统实现 | 第43-48页 |
| ·系统概述 | 第43页 |
| ·系统的设计与实现 | 第43-45页 |
| ·系统整体框架结构 | 第43-44页 |
| ·系统主界面 | 第44-45页 |
| ·系统功能模块分析 | 第45页 |
| ·实验结果与分析 | 第45-47页 |
| ·本章小节 | 第47-48页 |
| 6 总结与展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 个人简介 | 第53-54页 |
| 导师简介 | 第54-55页 |
| 获得成果目录清单 | 第55-56页 |
| 致谢 | 第56页 |
