首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

自然场景图像美学度评价的机器学习方法研究

摘要第3-4页
Abstract第4-5页
1 绪论第8-14页
    1.1 研究背景与意义第8-9页
    1.2 图像美学分类问题研究现状第9-11页
        1.2.1 基于底层特征的图像美学度评价方法第9-10页
        1.2.2 基于改进型的图像美学度评估方法第10页
        1.2.3 基于不同模型的图像美学度评估方法第10-11页
    1.3 图像美学回归问题研究现状第11-12页
    1.4 不同研究阶段方法对比与美学评价标准第12页
    1.5 本文的主要工作及论文结构第12-14页
2 图像预处理及美学度评价指标第14-20页
    2.1 显著性区域检测第14-15页
    2.2 视觉显著性图像第15-17页
    2.3 评价指标第17-19页
        2.3.1 二分类评价方法的评价指标第17-18页
        2.3.2 回归评价方法的评价指标第18-19页
    2.4 本章小结第19-20页
3 图像美学度的二分类评价方法第20-52页
    3.1 图像美学度的二分类评价模型方法第20-21页
    3.2 二分类评价模型的多特征描述子第21-34页
        3.2.1 底层视觉特征第21-29页
        3.2.2 高层美学特征第29-31页
        3.2.3 人类视觉系统特征第31-34页
    3.3 基于多特征描述子的特征选择第34-38页
    3.4 图像美学度二分类模型的建立第38-43页
        3.4.1 二分类美学特征第38页
        3.4.2 分类器第38-43页
    3.5 实验与分析第43-50页
        3.5.1 实验数据第43-44页
        3.5.2 实验设置第44-45页
        3.5.3 实验结果与分析第45-50页
    3.6 本章小结第50-52页
4 图像美学度的回归评价方法第52-84页
    4.1 图像美学度的回归评价模型方法第52-53页
    4.2 回归评价模型的多特征描述子第53-63页
        4.2.1 底层视觉特征第53-57页
        4.2.2 基于规则特征第57-59页
        4.2.3 人类视觉系统特征第59页
        4.2.4 高层美学特征第59-63页
    4.3 基于高层美学特征的特征选择第63-65页
    4.4 图像美学度回归模型的建立第65-70页
        4.4.1 回归预测美学特征第65-66页
        4.4.2 回归器第66-70页
    4.5 基于不同自然场景图像的最优回归器选择第70-72页
    4.6 基于不同自然场景图像的回归器参数优化第72-78页
    4.7 实验与分析第78-83页
        4.7.1 基于各类特征与融合特征的实验对比与分析第78-80页
        4.7.2 基于不同研究方法的实验对比与分析第80-83页
    4.8 本章小结第83-84页
5 总结与展望第84-86页
    5.1 本文工作总结第84-85页
    5.2 下一步工作展望第85-86页
6 致谢第86-88页
参考文献第88-92页

论文共92页,点击 下载论文
上一篇:基于DBN的改进深度学习模型及应用研究
下一篇:直驱式数控机床液压动力卡盘力控系统研究