| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 图像场景语义自动标注 | 第8-10页 |
| 1.1.1 基于底层的图像场景语义自动标注 | 第8-9页 |
| 1.1.2 基于中层的图像场景语义自动标注 | 第9-10页 |
| 1.2 粗糙集 | 第10-11页 |
| 1.3 课题的研究意义 | 第11-12页 |
| 1.4 本文的主要内容 | 第12页 |
| 1.5 本文的组织安排 | 第12-14页 |
| 第二章 BOV模型介绍和粗糙集理论 | 第14-20页 |
| 2.1 BOV模型构造 | 第14页 |
| 2.2 SIFT描述子生成 | 第14-17页 |
| 2.2.1 尺度空间极值检测 | 第15页 |
| 2.2.2 特征点定位 | 第15-16页 |
| 2.2.3 特征点方向确定 | 第16-17页 |
| 2.2.4 SIFT描述子生成 | 第17页 |
| 2.3 粗糙集理论 | 第17-19页 |
| 2.3.1 粗糙集基本概念 | 第18-19页 |
| 2.3.2 二进制分辨矩阵定义 | 第19页 |
| 2.4 小结 | 第19-20页 |
| 第三章 一种基于二进制分辨矩阵的冗余视觉单词约简方法 | 第20-32页 |
| 3.1 引言 | 第20-21页 |
| 3.2 二进制分辨矩阵相关定义 | 第21-22页 |
| 3.3 算法设计思想 | 第22-23页 |
| 3.4 实例分析 | 第23-27页 |
| 3.5 实验结果与分析 | 第27-30页 |
| 3.6 小结 | 第30-32页 |
| 第四章 一种基于二进制分辨矩阵的多义视觉单词约简方法 | 第32-44页 |
| 4.1 引言 | 第32-33页 |
| 4.2 多义词问题和属性重要性 | 第33页 |
| 4.3 算法设计思想 | 第33-35页 |
| 4.3.1 视觉词包预处理 | 第34-35页 |
| 4.3.2 决策规则提取 | 第35页 |
| 4.4 实例分析 | 第35-40页 |
| 4.5 实验结果与分析 | 第40-43页 |
| 4.6 小结 | 第43-44页 |
| 第五章 基于二进制分辨矩阵的图像场景分类原型系统 | 第44-52页 |
| 5.1 系统结构 | 第44-45页 |
| 5.2 原型系统主要功能演示 | 第45-50页 |
| 5.3 小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 研究生期间参与科研项目及成果 | 第60页 |