| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.3 本文研究内容简介 | 第12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第二章 非参数图像语义标注基本理论和方法 | 第14-25页 |
| 2.1 常用的图像全局特征 | 第14-17页 |
| 2.1.1 颜色直方图特征 | 第14-15页 |
| 2.1.2 GIST特征 | 第15-16页 |
| 2.1.3 空间金字塔模型 | 第16-17页 |
| 2.2 基于内容的图像检索方法 | 第17-19页 |
| 2.2.1 基于内容图像检索的基本框架 | 第17-18页 |
| 2.2.2 基于树结构的图像检索 | 第18页 |
| 2.2.3 基于哈希的图像检索 | 第18-19页 |
| 2.3 图像的标签转移方法 | 第19-21页 |
| 2.3.1 基于像素的标签转移 | 第19-21页 |
| 2.3.2 基于超像素的标签转移 | 第21页 |
| 2.4 数据库和性能评价指标 | 第21-24页 |
| 2.4.1 数据库 | 第21-23页 |
| 2.4.2 评价指标 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 改进哈希编码加权排序的图像检索算法 | 第25-36页 |
| 3.1 改进哈希编码加权排序的图像检索基本原理 | 第25-30页 |
| 3.1.1 基于数据依赖差异的采样子集 | 第25-26页 |
| 3.1.2 由粗到细的图像近邻检索算法 | 第26-30页 |
| 3.2 算法实现步骤 | 第30-31页 |
| 3.3 仿真实验与结果分析 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于CNN特征和改进超像素匹配的图像语义标注 | 第36-46页 |
| 4.1 基于CNN特征和改进超像素匹配的图像语义标注基本原理 | 第36-39页 |
| 4.1.1 基于CNN特征的图像检索 | 第36-37页 |
| 4.1.2 基本超像素匹配原理 | 第37-38页 |
| 4.1.3 基于核似然估计的超像素匹配原理 | 第38页 |
| 4.1.4 基于MRF的语义推理 | 第38-39页 |
| 4.2 算法实现步骤 | 第39-40页 |
| 4.3 仿真实验与结果分析 | 第40-45页 |
| 4.3.1 SIFTflow数据库实验结果 | 第40-42页 |
| 4.3.2 KITTI数据库实验结果 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 融合结构信息的非参数道路场景图像语义标注 | 第46-54页 |
| 5.1 融合结构信息的非参数道路场景图像语义标注基本原理 | 第46-48页 |
| 5.1.1 基于内容的图像检索 | 第46页 |
| 5.1.2 多尺度超像素匹配原理 | 第46-47页 |
| 5.1.3 改进的结构先验MRF标注 | 第47-48页 |
| 5.2 算法实现步骤 | 第48-49页 |
| 5.3 仿真实验与结果分析 | 第49-52页 |
| 5.4 本章小结 | 第52-54页 |
| 主要结论与展望 | 第54-56页 |
| 主要结论 | 第54页 |
| 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第61页 |
