自然场景图像的自动标注方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 课题研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第2章 图像自动标注技术及特征提取 | 第12-22页 |
| 2.1 基于生成式模型的图像自动标注算法 | 第12-15页 |
| 2.1.1 翻译模型 | 第13页 |
| 2.1.2 相关模型 | 第13-14页 |
| 2.1.3 基于主题模型的图像自动标注 | 第14-15页 |
| 2.2 基于判别式模型的图像自动标注算法 | 第15页 |
| 2.3 基于图学习的图像自动标注算法 | 第15-17页 |
| 2.4 图像视觉特征 | 第17-21页 |
| 2.4.1 局部描述算子 | 第17-18页 |
| 2.4.2 颜色特征 | 第18-19页 |
| 2.4.3 纹理特征 | 第19页 |
| 2.4.4 边缘特征 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于模糊关联规则与决策树的图像自动标注 | 第22-37页 |
| 3.1 图像分割及特征提取 | 第23-24页 |
| 3.2 模糊关联规则 | 第24-28页 |
| 3.2.1 模糊分割 | 第25页 |
| 3.2.2 挖掘模糊关联规则 | 第25-28页 |
| 3.3 决策树 | 第28-31页 |
| 3.3.1 决策树分类过程 | 第28-30页 |
| 3.3.2 删减模糊关联规则 | 第30-31页 |
| 3.4 实验结果分析 | 第31-36页 |
| 3.4.1 数据集 | 第31-32页 |
| 3.4.2 评价标准 | 第32页 |
| 3.4.3 参数设置 | 第32-34页 |
| 3.4.4 对比实验 | 第34-36页 |
| 3.4.5 在Corel 5k中的标注结果 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于语义相似度的图像标注改进方法 | 第37-44页 |
| 4.1 WordNet及相关概念 | 第38-39页 |
| 4.2 语义相似度计算 | 第39页 |
| 4.3 基于加权的WordNet语义相似性 | 第39-41页 |
| 4.4 实验结果分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 本文的工作总结 | 第44页 |
| 5.2 下一步工作展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间的科研情况 | 第51-52页 |
| 致谢 | 第52-53页 |
