图像检索中分割与感兴趣区域提取技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究意义 | 第9-10页 |
| 1.2 图像检索概述 | 第10-11页 |
| 1.3 基于内容的图像检索概述 | 第11-12页 |
| 1.3.1 基于内容的图像检索关键问题 | 第11页 |
| 1.3.2 基于内容的图像检索研究现状 | 第11-12页 |
| 1.4 本文主要工作及章节安排 | 第12-15页 |
| 1.4.1 图像区域分割的融合 | 第12-13页 |
| 1.4.2 感兴趣区域的检测 | 第13-15页 |
| 第二章 图像区域分割的研究 | 第15-31页 |
| 2.1 常用的图像分割方法 | 第15-20页 |
| 2.1.1 均值移位分割 | 第16-18页 |
| 2.1.2 图割分割 | 第18-19页 |
| 2.1.3 自回归最短生成树 | 第19-20页 |
| 2.2 基于SVM和D-S的图像分割 | 第20-28页 |
| 2.2.1 D-S证据准则 | 第20-23页 |
| 2.2.1.1 信息融合 | 第20-22页 |
| 2.2.1.2 D-S证据准则 | 第22-23页 |
| 2.2.2 支持向量机(SVM) | 第23-25页 |
| 2.2.3 SVM特征的选择 | 第25-26页 |
| 2.2.4 SVM和D-S的结合 | 第26-28页 |
| 2.3 仿真实验和分析 | 第28-30页 |
| 2.3.1 SVM的训练 | 第28页 |
| 2.3.2 实验设置及分析 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 感兴趣区域提取方法 | 第31-39页 |
| 3.1 常见感兴趣区域提取方法 | 第31-33页 |
| 3.1.1 基于底层视觉特征的感兴趣区域提取方法 | 第31页 |
| 3.1.2 基于注意力的感兴趣区域提取方法 | 第31-32页 |
| 3.1.3 基于人机交互的感兴趣区检测 | 第32-33页 |
| 3.1.4 基于对象的感兴趣区检测 | 第33页 |
| 3.2 基于SVM的图像检索感兴趣区域提取方法 | 第33-35页 |
| 3.2.1 兴趣区域的提取 | 第33-34页 |
| 3.2.2 SVM的特征选择 | 第34-35页 |
| 3.3 仿真实验和分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 图像检索系统 | 第39-49页 |
| 4.1 基于内容的图像检索系统 | 第39-41页 |
| 4.1.1 基于区域的图像检索系统 | 第39-40页 |
| 4.1.2 图像检索系统相关技术 | 第40-41页 |
| 4.2 基于感兴趣区域的图像检索系统 | 第41-46页 |
| 4.2.1 系统架构 | 第41-45页 |
| 4.2.2 重要性分数的学习 | 第45-46页 |
| 4.3 仿真实验和分析 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 本文的主要工作 | 第49页 |
| 未来工作辱望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 作者攻读硕士学位期间发表的论文 | 第57页 |
