图像检索中跨模语义信息获取方法研究
| 论文创新点 | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-16页 |
| 第一章 绪论 | 第16-36页 |
| ·研究背景 | 第16-21页 |
| ·图像检索技术 | 第16-20页 |
| ·跨模语义的含义 | 第20页 |
| ·研究意义 | 第20-21页 |
| ·国内外研究现状 | 第21-31页 |
| ·图像分割 | 第23-24页 |
| ·图像底层视觉特征的提取 | 第24-28页 |
| ·聚类和分类 | 第28-30页 |
| ·跨媒体检索 | 第30-31页 |
| ·存在的问题与分析 | 第31-32页 |
| ·跨模语义信息获取的基本思想 | 第32-33页 |
| ·本文结构 | 第33-36页 |
| 第二章 跨模语义信息获取模型CSIA | 第36-45页 |
| ·模型概述 | 第36-37页 |
| ·跨模语义的三级模式 | 第37-39页 |
| ·图像对象语义 | 第39-42页 |
| ·基于内容的对象语义 | 第39-41页 |
| ·基于内容的空间相似度度量 | 第41-42页 |
| ·跨模语义信息融合 | 第42-43页 |
| ·语义融合的依据 | 第42页 |
| ·语义信息获取建模 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第三章 基于SSHOG的对象语义自动获取 | 第45-66页 |
| ·概述 | 第45-46页 |
| ·对象语义获取基本框架 | 第46-47页 |
| ·SSHOG特征描述子的构造 | 第47-52页 |
| ·颜色均衡 | 第48-49页 |
| ·尺度空间分解 | 第49-50页 |
| ·梯度计算 | 第50页 |
| ·方向统计 | 第50-51页 |
| ·尺度空间融合 | 第51-52页 |
| ·对象检测 | 第52-58页 |
| ·基于支持向量机的对象模型 | 第52-56页 |
| ·对象搜索 | 第56-58页 |
| ·实验分析 | 第58-64页 |
| ·测试数据集 | 第58-61页 |
| ·实验结果 | 第61-64页 |
| ·本章小结 | 第64-66页 |
| 第四章 语义特征融合的相似度度量方法 | 第66-81页 |
| ·概述 | 第66-68页 |
| ·颜色空间转换 | 第68-69页 |
| ·空间直方图 | 第69-71页 |
| ·基于LGSS的语义融合 | 第71-75页 |
| ·高斯函数空间的李群特性 | 第71-73页 |
| ·高斯函数的李群距离 | 第73-74页 |
| ·空间信息相似度 | 第74-75页 |
| ·颜色信息的相似度 | 第75页 |
| ·空间信息相似度与颜色信息相似度的融合 | 第75页 |
| ·实验分析 | 第75-80页 |
| ·测试数据集 | 第75-77页 |
| ·实验结果 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 跨模语义信息获取的建模方法 | 第81-98页 |
| ·概述 | 第81-82页 |
| ·文本语义信息挖掘 | 第82-85页 |
| ·基于内容的图像自动标注 | 第83-84页 |
| ·图像标签的低秩性和错误的稀疏性 | 第84页 |
| ·图像的内容一致性 | 第84-85页 |
| ·图像标签的相关性 | 第85页 |
| ·语义信息过滤 | 第85-87页 |
| ·低秩性和错误稀疏性建模 | 第85-86页 |
| ·内容一致性建模 | 第86-87页 |
| ·标签相关性建模 | 第87页 |
| ·跨模语义融合优化 | 第87-92页 |
| ·实验分析 | 第92-97页 |
| ·测试数据集 | 第92-96页 |
| ·实验结果 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 第六章 总结与展望 | 第98-101页 |
| 参考文献 | 第101-114页 |
| 攻读博士期间发表的学术论文 | 第114-115页 |
| 致谢 | 第115页 |
