基于稀疏表达的图像自动标注算法研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 本文研究背景及应用领域 | 第10-12页 |
| 1.1.1 研究背景和意义 | 第10-11页 |
| 1.1.2 国内外图像标注应用领域 | 第11-12页 |
| 1.2 图像标注研究现状 | 第12-14页 |
| 1.3 本文主要内容及结构安排 | 第14-18页 |
| 1.3.1 本文主要内容 | 第14-16页 |
| 1.3.2 本文结构安排 | 第16-18页 |
| 第二章 基于内容的图像标注算法 | 第18-29页 |
| 2.1 图像标注的框架 | 第18页 |
| 2.2 图像视觉特征描述 | 第18-26页 |
| 2.2.1 RGB和HSV等颜色特征描述方法 | 第19-22页 |
| 2.2.2 图像纹理特征描述方法 | 第22-25页 |
| 2.2.3 图像形状特征描述方法 | 第25-26页 |
| 2.3 图像自动标注模型 | 第26-29页 |
| 2.3.1 图像自动标注算法评价指标 | 第26-27页 |
| 2.3.2 图像自动标注经典模型 | 第27-29页 |
| 第三章 基于稀疏表达的图像标注 | 第29-38页 |
| 3.1 稀疏表达概述 | 第29页 |
| 3.2 稀疏模型 | 第29-31页 |
| 3.2.1 稀疏模型求解 | 第30-31页 |
| 3.2.2 字典构造方法 | 第31页 |
| 3.3 图像预处理 | 第31-33页 |
| 3.3.1 图像特征提取 | 第32页 |
| 3.3.2 图像特征融合 | 第32-33页 |
| 3.4 图像标注词选取 | 第33-35页 |
| 3.5 相关实验 | 第35-38页 |
| 第四章 污损图像标注算法 | 第38-46页 |
| 4.1 污损图像预处理 | 第38-40页 |
| 4.1.2 污损图像分割 | 第38-39页 |
| 4.1.3 污损图像的特征提取 | 第39-40页 |
| 4.2 基于稀疏表达的污损图像自动标注 | 第40-43页 |
| 4.2.1 污损图像的分块 | 第40-41页 |
| 4.2.2 污损图像的特征提取及其自动标注 | 第41-42页 |
| 4.2.3 基于稀疏模型的污损图像标注算法 | 第42-43页 |
| 4.3 相关实验 | 第43-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的论文 | 第52-53页 |
| 致谢 | 第53页 |
