图像显著区域的标注算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 相关内容介绍 | 第13-29页 |
| 2.1 图像内容的表示 | 第13-18页 |
| 2.1.1 颜色特征 | 第13-14页 |
| 2.1.2 纹理特征 | 第14-16页 |
| 2.1.3 形状特征 | 第16-18页 |
| 2.2 图像标注算法 | 第18-25页 |
| 2.2.1 基于分类模型的标注算法 | 第19-21页 |
| 2.2.2 基于概率关联模型的标注算法 | 第21-23页 |
| 2.2.3 基于图学习的标注算法 | 第23-25页 |
| 2.3 显著区域提取的经典算法 | 第25-28页 |
| 2.3.1 Itti模型算法 | 第25-26页 |
| 2.3.2 CA模型算法 | 第26-27页 |
| 2.3.3 GB模型算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 视觉注意模型与k-NN聚类下的图像标注 | 第29-42页 |
| 3.1 显著区域的检测算法 | 第29-32页 |
| 3.1.1 面积的计算 | 第31页 |
| 3.1.2 亮度的计算 | 第31页 |
| 3.1.3 权重值的选取 | 第31-32页 |
| 3.2 k-NN聚类算法的图像聚类 | 第32-35页 |
| 3.2.1 k-NN聚类算法 | 第32-33页 |
| 3.2.2 k-NN聚类的距离度量方法 | 第33-35页 |
| 3.2.3 基于k-NN聚类算法的标注 | 第35页 |
| 3.3 图像表示和标注 | 第35-37页 |
| 3.4 实验与分析 | 第37-41页 |
| 3.4.1 实验图像 | 第37-38页 |
| 3.4.2 评价标准 | 第38页 |
| 3.4.3 实验分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 支持向量机和词相关模型下的图像标注 | 第42-55页 |
| 4.1 基于支持向量机的图像标注 | 第42-46页 |
| 4.1.1 支持向量机算法 | 第42-44页 |
| 4.1.2 基于支持向量机的标注 | 第44-46页 |
| 4.2 标注词的校正 | 第46-47页 |
| 4.3 图像的表示和标注 | 第47-49页 |
| 4.4 实验与分析 | 第49-54页 |
| 4.4.1 实验图像 | 第49-50页 |
| 4.4.2 评价标准 | 第50页 |
| 4.4.3 实验分析 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
