基于图学习的唐卡图像自动标注技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·选题的背景和意义 | 第9页 |
| ·图像检索技术简述 | 第9-10页 |
| ·图像标注技术简述 | 第10-11页 |
| ·本文的主要研究内容和组织结构 | 第11-12页 |
| 第二章 图像自动标注技术综述 | 第12-19页 |
| ·国内外研究现状 | 第12页 |
| ·图像标注的基本框架 | 第12-13页 |
| ·图像标注模型的设计思路 | 第13-14页 |
| ·基于生成模型的图像标注 | 第13-14页 |
| ·基于分类识别的图像标注 | 第14页 |
| ·现有图像标注算法和相关研究方向 | 第14-17页 |
| ·基于全局特征的图像标注 | 第14-15页 |
| ·基于分块的图像标注 | 第15页 |
| ·多标签学习 | 第15-16页 |
| ·隐含语义分析 | 第16页 |
| ·多示例学习的图像标注 | 第16-17页 |
| ·基于Web 的图像标注 | 第17页 |
| ·唐卡图像标注研究的分析 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于图学习的图像标注框架 | 第19-25页 |
| ·图学习的基本理论 | 第19-20页 |
| ·基于图学习的图像标注框架 | 第20-23页 |
| ·邻接矩阵WN ? N的计算 | 第21-22页 |
| ·图学习思想应用到图像标注领域的分析 | 第22-23页 |
| ·图学习标注算法的改善 | 第23页 |
| ·图学习标注算法在唐卡领域的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 基于视觉注意力机制的图像区域监测 | 第25-34页 |
| ·生理视觉注意力系统简述 | 第25-26页 |
| ·经典的Itti 模型 | 第26-29页 |
| ·高斯金字塔结构 | 第27页 |
| ·低层视觉特征提取 | 第27-28页 |
| ·显著图的生成 | 第28-29页 |
| ·显著区域的检测 | 第29页 |
| ·Itti 模型的分析 | 第29-30页 |
| ·唐卡图像基于显著图理论的图像分割 | 第30-33页 |
| ·显著图的生成 | 第30-32页 |
| ·显著区域监测 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 唐卡图像自动标注技术研究与实验 | 第34-47页 |
| ·唐卡图像标注样本集的建立 | 第34-35页 |
| ·唐卡图像头饰自动分割的实现 | 第35-41页 |
| ·基于显著图算法的头饰自动分割 | 第36-40页 |
| ·唐卡头饰自动分割结果分析 | 第40-41页 |
| ·基于图学习分类器框架的头饰标注 | 第41-45页 |
| ·颜色变化率特征 | 第42页 |
| ·图像信息熵特征 | 第42-43页 |
| ·头饰峰值特征 | 第43-44页 |
| ·头饰峰值颜色强度特征 | 第44-45页 |
| ·唐卡头饰的多特征融合 | 第45页 |
| ·标注系统实验和结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·本文所做的工作 | 第47页 |
| ·问题分析与展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 附录 | 第53-59页 |
| 在校期间的研究成果 | 第59-60页 |
| 致谢 | 第60页 |
