首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于情感语义的旗袍图像注释研究

摘要第5-6页
Abstract第6页
第一章 绪论第9-15页
    1.1 研究的背景和意义第9-10页
        1.1.1 研究的背景第9-10页
        1.1.2 研究的目的和意义第10页
    1.2 国内外研究现状第10-13页
        1.2.1 国外研究现状和发展趋势第10-11页
        1.2.2 国内研究现状和发展趋势第11-13页
    1.3 论文研究对象及内容第13页
    1.4 论文结构第13-15页
第二章 图像情感语义技术基础第15-24页
    2.1 图像视觉特征与情感第15-18页
        2.1.1 颜色特征与情感第15-17页
        2.1.2 纹理特征与情感第17-18页
    2.2 图像情感语义描述第18-21页
        2.2.1 图像语义层次第18-19页
        2.2.2 情感形容词第19-21页
    2.3 情感语义注释第21-23页
        2.3.1 人工神经网络第22页
        2.3.2 支持向量机第22-23页
    2.4 本章小结第23-24页
第三章 图像特征提取第24-34页
    3.1 图像预处理第24-26页
        3.1.1 图像去噪第24-25页
        3.1.2 图像分割第25-26页
    3.2 颜色特征提取第26-31页
        3.2.1 颜色空间第26-28页
        3.2.2 特征提取第28-31页
    3.3 纹理特征第31-32页
        3.3.1 纹理第31页
        3.3.2 特征提取第31-32页
    3.4 特征融合第32-33页
    3.5 本章小结第33-34页
第四章 图像情感语义学习第34-53页
    4.1 情感语义空间第34-37页
        4.1.1 形容词选取第34-35页
        4.1.2 用户情感数据库第35页
        4.1.3 因子分析第35-37页
    4.2 情感语义注释第37-40页
        4.2.1 最小二乘支持向量机第38-39页
        4.2.2 粒子群算法优化的最小二乘支持向量机第39-40页
    4.3 实验第40-52页
        4.3.1 实验概述第40-41页
        4.3.2 图像库第41-42页
        4.3.3 底层特征提取实验第42-45页
        4.3.4 情感因子提取实验第45-48页
        4.3.5 基于PSO-LSSVM的情感注释第48-52页
    4.4 本章小结第52-53页
第五章 总结和展望第53-55页
    5.1 总结第53页
    5.2 展望第53-55页
致谢第55-56页
参考文献第56-59页
附录第59页

论文共59页,点击 下载论文
上一篇:多种VR设备下的三维模型交互技术研究
下一篇:成都东软学院电能管理系统的设计与开发