基于多特征集成的图像自动标注方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究目的与意义 | 第10-13页 |
| ·图像自动标注是图像检索的关键技术 | 第10-12页 |
| ·图像自动标注具有广泛的应用前景 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·国内研究现状 | 第13页 |
| ·国外研究现状 | 第13-14页 |
| ·存在问题 | 第14-15页 |
| ·本文的研究内容 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 图像自动标注的相关技术 | 第17-24页 |
| ·图像自动标注基本框架 | 第17页 |
| ·图像的视觉特征表示 | 第17-21页 |
| ·图像分割 | 第18-20页 |
| ·图像视觉特征提取 | 第20-21页 |
| ·图像的相似性度量 | 第21-22页 |
| ·标注模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于多特征集成的图像自动标注方法 | 第24-39页 |
| ·EMDAIA 基本思想 | 第24-25页 |
| ·集成学习 | 第25-29页 |
| ·为什么使用集成学习 | 第25页 |
| ·集成学习的思想和方法 | 第25-29页 |
| ·单分类器分类结果的整合方法 | 第29页 |
| ·EMDAIA 基本框架 | 第29-33页 |
| ·模型训练阶段 | 第30-31页 |
| ·测试阶段 | 第31-33页 |
| ·实验结果与分析 | 第33-38页 |
| ·实验数据 | 第33页 |
| ·特征提取 | 第33-35页 |
| ·几种距离度量方法标注结果比较 | 第35-36页 |
| ·多特征集成和单一特征实验结果及分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于感兴趣区域的图像自动标注方法 | 第39-48页 |
| ·图像的感兴趣区域 | 第39-40页 |
| ·ROIAIA 基本框架 | 第40-43页 |
| ·特征选择 | 第41-42页 |
| ·模型训练阶段 | 第42-43页 |
| ·测试阶段 | 第43页 |
| ·实验结果与分析 | 第43-46页 |
| ·实验数据 | 第43-44页 |
| ·特征子集的构造 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 结论与展望 | 第48-50页 |
| ·结论 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |
