图像检索中自动标注与快速相似搜索技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-13页 |
| 插图目录 | 第13-14页 |
| 第1章 绪论 | 第14-24页 |
| ·图像检索的发展 | 第14-21页 |
| ·基于标注的图像检索 | 第15-17页 |
| ·基于内容的图像检索 | 第17-20页 |
| ·两种检索方式的结合 | 第20-21页 |
| ·论文的研究目标和内容 | 第21-22页 |
| ·本论文的组织结构 | 第22-24页 |
| 第2章 自动图像标注算法 | 第24-50页 |
| ·概述 | 第24-27页 |
| ·相关模型 | 第27-34页 |
| ·跨媒体相关模型 | 第27-29页 |
| ·连续相关模型 | 第29-31页 |
| ·多伯努利相关模型 | 第31-33页 |
| ·一致性语言模型 | 第33-34页 |
| ·生成式模型 | 第34-39页 |
| ·概率隐语义分析模型 | 第34-35页 |
| ·高斯混合模型 | 第35-37页 |
| ·高斯-隐Dirichlet分配模型 | 第37-38页 |
| ·相关LDA模型 | 第38-39页 |
| ·传播式模型 | 第39-43页 |
| ·基于流形的自动图像标注 | 第39-41页 |
| ·基于流形的多种相似性综合 | 第41-43页 |
| ·利用词汇间关系的标注方法 | 第43-49页 |
| ·互相关标记传播模型 | 第43-46页 |
| ·WordNet多测度混合模型 | 第46-48页 |
| ·利用随机游走进行标注改善 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 一种统一的自动图像标注框架 | 第50-78页 |
| ·简介 | 第50-51页 |
| ·一种统一的自动图像标注框架 | 第51-60页 |
| ·自动图像标注问题分析 | 第51-53页 |
| ·自动图像标注的两个过程 | 第53-54页 |
| ·基本图像标注过程 | 第54-56页 |
| ·图像标注改善 | 第56-57页 |
| ·对统一标注框架的讨论 | 第57-60页 |
| ·基于统一标注框架的研究工作 | 第60-69页 |
| ·对图像间关系的改善 | 第60-62页 |
| ·对词汇间关系的改进 | 第62-65页 |
| ·渐进式学习算法 | 第65-69页 |
| ·实验 | 第69-77页 |
| ·数据集 | 第69页 |
| ·性能指标 | 第69-70页 |
| ·实验数据 | 第70-77页 |
| ·本章小结 | 第77-78页 |
| 第4章 重复或相似图像的快速搜索 | 第78-100页 |
| ·大规模数据集中的重复图像检测 | 第78-79页 |
| ·重复图像的定义 | 第79-81页 |
| ·其它影响因素 | 第80-81页 |
| ·基于Hash值的重复图像检测算法 | 第81-86页 |
| ·图像的特征表示 | 第82-84页 |
| ·特征的降维 | 第84页 |
| ·生成Hash值 | 第84-85页 |
| ·通过hash值归组进行重复图像检测 | 第85-86页 |
| ·重复图像检测实验 | 第86-93页 |
| ·数据集 | 第86-87页 |
| ·性能度量 | 第87-89页 |
| ·重复图像的统计分布 | 第89页 |
| ·重复图像检测性能 | 第89-91页 |
| ·检测速度 | 第91-92页 |
| ·检测结果 | 第92-93页 |
| ·基于多重Hash值的相似图像检测 | 第93-97页 |
| ·从重复图像到相似图像 | 第93-94页 |
| ·AdaBoost算法 | 第94-95页 |
| ·基于多重Hash值的相似图像检测算法 | 第95-97页 |
| ·相似图像检测的实验 | 第97-99页 |
| ·数据集 | 第97-98页 |
| ·各种特征性能评价 | 第98页 |
| ·检测性能 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 第5章 总结与展望 | 第100-103页 |
| ·论文总结 | 第100-101页 |
| ·未来研究方向展望 | 第101-103页 |
| 参考文献 | 第103-110页 |
| 攻读博士学位期间发表的论文 | 第110-112页 |
| 发表论文 | 第110-111页 |
| 已投论文 | 第111-112页 |
| 致谢 | 第112页 |
