图像语义检索及分类中关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·研究意义 | 第10-11页 |
| ·基于内容的图像检索面临的挑战 | 第10-11页 |
| ·本研究的工作意义 | 第11页 |
| ·图像检索概述 | 第11-13页 |
| ·基于内容的图像检索研究现状 | 第13-19页 |
| ·图像特征提取 | 第13-15页 |
| ·图像语义分析 | 第15-16页 |
| ·相关反馈 | 第16-19页 |
| ·本研究结构及主要研究成果 | 第19-21页 |
| ·本研究的主要内容及工作成果 | 第19页 |
| ·组织结构 | 第19-21页 |
| 第二章 图像特征提取 | 第21-37页 |
| ·图像全局特征提取 | 第21-23页 |
| ·图像的颜色特征 | 第21-22页 |
| ·图像的纹理特征 | 第22-23页 |
| ·图像的形状特征 | 第23页 |
| ·图像局部特征提取 | 第23-29页 |
| ·SIFT特征提取 | 第23-26页 |
| ·SURF特征提取 | 第26-29页 |
| ·基于分层结构的图像特征融合机制 | 第29-31页 |
| ·仿真实验和分析 | 第31-35页 |
| ·小结 | 第35-37页 |
| 第三章 图像的语义分析 | 第37-49页 |
| ·基于统计模型的概率建模的方法 | 第37-39页 |
| ·简单的构建语义模型方法 | 第37-38页 |
| ·基于GMM统计模型的语义分析 | 第38-39页 |
| ·基于分类的方法 | 第39-42页 |
| ·支持向量机(SVM) | 第39-41页 |
| ·神经网络 | 第41-42页 |
| ·词袋模型(BOW) | 第42-44页 |
| ·基于信息熵的视觉词典优化 | 第44-45页 |
| ·基于信息熵的视觉词典构造 | 第44-45页 |
| ·仿真实验和分析 | 第45-47页 |
| ·小结 | 第47-49页 |
| 第四章 图像语义检索的相关反馈 | 第49-59页 |
| ·基于内容的图像检索相关反馈算法 | 第49-52页 |
| ·基于修改查询向量的相关反馈算法 | 第50页 |
| ·基于修改特征权重的相关反馈算法 | 第50-52页 |
| ·基于密度估计的相关反馈算法 | 第52页 |
| ·一种有偏差的基于粒子群优化的相关反馈算法 | 第52-55页 |
| ·一种有偏差的相关反馈样本分布学习算法 | 第52-53页 |
| ·粒子群优化算法研究及改进 | 第53-55页 |
| ·仿真实验和分析 | 第55-57页 |
| ·小结 | 第57-59页 |
| 第五章 图像检索系统性能指标和评价准则 | 第59-62页 |
| ·性能指标 | 第59页 |
| ·常用的评价准则 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第六章 总结和展望 | 第62-64页 |
| ·本文工作总结 | 第62-63页 |
| ·前景展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
