| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·目前存在的主要问题 | 第11-12页 |
| ·本文主要工作及创新点 | 第12-13页 |
| ·本文组织结构 | 第13-15页 |
| 第二章 基于多特征融合的自动标注模型 | 第15-21页 |
| ·图像语义自动标注的定义 | 第15页 |
| ·现有语义自动标注模型 | 第15-18页 |
| ·多特征融合与信息量结合的语义标注模型 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 语义自动标注的特征描述 | 第21-41页 |
| ·特征描述 | 第21页 |
| ·图像全局特征描述 | 第21-30页 |
| ·特征提取 | 第22-23页 |
| ·基于自适应多特征融合的图像分割 | 第23-24页 |
| ·算法思想与步骤 | 第24-27页 |
| ·实验结果及分析 | 第27-30页 |
| ·基于尺度不变的快速局部特征描述算法 | 第30-40页 |
| ·现有局部特征描述算法 | 第31-32页 |
| ·方向可变滤波的选择 | 第32-33页 |
| ·提出算法的步骤及实验结果 | 第33-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于多特征融合的语义学习与标注 | 第41-50页 |
| ·非监督学习与词汇表的创建 | 第41-42页 |
| ·基于k-means 聚类的非监督学习 | 第41-42页 |
| ·图像矢量量化 | 第42页 |
| ·多特征融合的语义学习 | 第42-45页 |
| ·图像/visterms(words)关联矩阵的建立 | 第42-43页 |
| ·多特征关联矩阵的建立 | 第43-44页 |
| ·聚类区域与关键字关联度的计算 | 第44-45页 |
| ·基于经验熵的互信息降维 | 第45-47页 |
| ·基于多特征融合的语义标注 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 标注模型的评价与分析 | 第50-60页 |
| ·图像库 | 第50-51页 |
| ·评估方法 | 第51-52页 |
| ·标注结果 | 第52-58页 |
| ·基于融合特征的语义标注实验与分析 | 第52-54页 |
| ·标注及检索结果实例 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-63页 |
| ·总结 | 第60-62页 |
| ·未来工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间公开发表的论文及知识产权成果 | 第68-69页 |
| 致谢 | 第69-70页 |