| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 刑侦现勘图像管理发展现状 | 第9-10页 |
| 1.2.2 图像语义标注发展现状 | 第10-11页 |
| 1.2.3 图像检索发展现状 | 第11-12页 |
| 1.3 本文主要研究内容及创新点 | 第12页 |
| 1.4 论文的章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 图像特征提取与语义标注技术理论 | 第14-22页 |
| 2.1 图像预处理 | 第14-15页 |
| 2.1.1 图像归一化 | 第14页 |
| 2.1.2 图像分割 | 第14页 |
| 2.1.3 直方图均衡化 | 第14-15页 |
| 2.2 图像特征提取 | 第15-17页 |
| 2.2.1 颜色特征 | 第15-16页 |
| 2.2.2 形状特征 | 第16-17页 |
| 2.2.3 纹理特征 | 第17页 |
| 2.3 图像语义标注技术 | 第17-19页 |
| 2.3.1 基于生成模型的图像语义标注 | 第18页 |
| 2.3.2 基于判别模型的图像语义标注 | 第18页 |
| 2.3.3 基于图模型的图像语义标注 | 第18-19页 |
| 2.4 相似性度量 | 第19-20页 |
| 2.5 系统性能评价标准 | 第20-21页 |
| 2.6 小结 | 第21-22页 |
| 3 基于特征融合的图像语义标注 | 第22-32页 |
| 3.1 特征提取算法 | 第22-27页 |
| 3.1.1 HSV特征 | 第22-24页 |
| 3.1.2 LBP特征 | 第24-26页 |
| 3.1.3 HSV-LBP特征 | 第26-27页 |
| 3.2 基于颜色与纹理融合特征的语义标注模型 | 第27-29页 |
| 3.3 实验结果与分析 | 第29-31页 |
| 3.4 小结 | 第31-32页 |
| 4 基于GP-SURF特征与BOW模型的图像语义标注 | 第32-45页 |
| 4.1 特征提取算法 | 第32-37页 |
| 4.1.1 SIFT特征 | 第32页 |
| 4.1.2 SURF特征 | 第32-33页 |
| 4.1.3 GP-SURF特征 | 第33-37页 |
| 4.2 基于局部形状特征的语义标注 | 第37-42页 |
| 4.2.1 BOW模型 | 第37-39页 |
| 4.2.2 支持向量机SVM | 第39-41页 |
| 4.2.3 基于BOW的语义标注模型实现 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-43页 |
| 4.4 小结 | 第43-45页 |
| 5 系统设计与实现 | 第45-54页 |
| 5.1 系统设计 | 第45-48页 |
| 5.1.1 系统功能描述 | 第45页 |
| 5.1.2 系统模块设计 | 第45-46页 |
| 5.1.3 数据库设计 | 第46-48页 |
| 5.2 主要模块的实现 | 第48-53页 |
| 5.2.1 图像语义标注模块 | 第49-51页 |
| 5.2.2 图像检索模块 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 致谢 | 第61-63页 |