基于语义图像注释系统的设计与实现

摘要	第1-5页
Abstract	第5-9页
第一章 前言	第9-16页
·研究背景和意义	第9-10页
·国内外研究现状	第10-13页
·论文的主要工作	第13-14页
·章节安排	第14-16页
第二章 相关技术	第16-25页
·均值平移分割法	第16-19页
·核密度估计	第16-17页
·密度梯度估计	第17-18页
·均值平移迭代的收敛性	第18-19页
·对象特征提取	第19-24页
·颜色平均值及其方差	第19-20页
·Tamura 纹理特征	第20-22页
·Gabor 滤波的纹理特征	第22-24页
·小结	第24-25页
第三章 支持向量机的训练与使用	第25-36页
·统计学习理论	第25-28页
·支持向量机的基本原理	第28-31页
·支持向量机的使用步骤	第31-35页
·小结	第35-36页
第四章 概念推理	第36-50页
·概念本体框架的创建	第36-40页
·标注关键词的获取	第36-39页
·语义框架的创建	第39-40页
·基于贝叶斯网络的不确定性概念推理	第40-49页
·主要对象的判断	第41-45页
·推理	第45-49页
·小结	第49-50页
第五章 图像处理的设计与实现	第50-66页
·图像处理	第50-65页
·主界面实现	第50-54页
·读取图像	第54-57页
·图像分割	第57-58页
·图像特征提取	第58-65页
·小结	第65-66页
第六章 支持向量机设计与实现	第66-78页
·支持向量机	第66-77页
·数据库模块	第66-71页
·图像处理模块	第71-72页
·支持向量机模块	第72-77页
·小结	第77-78页
第七章 总结与展望	第78-80页
·主要工作	第78页
·创新点	第78-79页
·进一步的研究工作	第79-80页
致谢	第80-81页
参考文献	第81-85页