基于正示例与多示例多标记的图像检索
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究的现状 | 第10-12页 |
| 1.3 课题研究的内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 图像底层特征提取 | 第14-19页 |
| 2.1 颜色特征 | 第14-15页 |
| 2.1.1 颜色直方图 | 第14页 |
| 2.1.2 颜色矩 | 第14-15页 |
| 2.1.3 颜色聚合向量 | 第15页 |
| 2.1.4 颜色相关图 | 第15页 |
| 2.2 纹理特征 | 第15-17页 |
| 2.2.1 统计方法 | 第15-17页 |
| 2.2.2 模型方法 | 第17页 |
| 2.2.3 结构方法 | 第17页 |
| 2.3 形状特征 | 第17-18页 |
| 2.4 空间关系特征 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于多示例多标记的图像检索 | 第19-35页 |
| 3.1 引言 | 第19-20页 |
| 3.2 多示例多标记学习 | 第20-21页 |
| 3.2.1 多示例学习概念 | 第20页 |
| 3.2.2 多示例多标记概念 | 第20-21页 |
| 3.3 多示例多标记学习的算法 | 第21-22页 |
| 3.4 图像预处理及其检索 | 第22-28页 |
| 3.4.1 示例包的构造 | 第22-23页 |
| 3.4.2 图像的检索框架 | 第23-25页 |
| 3.4.3 示例包标记的相关性 | 第25-28页 |
| 3.5 实验结果分析 | 第28-34页 |
| 3.5.1 四种方法的结果比较 | 第29-31页 |
| 3.5.2 不同数据集中的结果比较 | 第31-33页 |
| 3.5.3 本文算法在图像库中检索的结果 | 第33-34页 |
| 3.6 小结 | 第34-35页 |
| 第四章 基于正示例选择的图像检索 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 特征向量的构造 | 第35-39页 |
| 4.2.1 本节方法的概述 | 第36-37页 |
| 4.2.2 获得包内的正示例 | 第37-38页 |
| 4.2.3 包结构 | 第38-39页 |
| 4.3 CK_MIML算法 | 第39-41页 |
| 4.3.1 多核算法 | 第39-40页 |
| 4.3.2 MIML_SVM算法 | 第40-41页 |
| 4.3.3 CK_MIML算法的图像检索 | 第41页 |
| 4.4 实验结果与分析 | 第41-46页 |
| 4.4.1 K均值对图像分类影响 | 第41-42页 |
| 4.4.2 数据集合及特征提取 | 第42-43页 |
| 4.4.3 图像数据集实验 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |
