| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与意义 | 第10-12页 |
| 1.2.1 图像理解与高层语义 | 第11页 |
| 1.2.2 图像语义标注 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 基于分类标注模型 | 第12-13页 |
| 1.3.2 基于概率关联标注模型 | 第13-14页 |
| 1.3.3 基于图学习标注模型 | 第14页 |
| 1.4 本文所做工作 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 图像语义分析研究内容 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 图像特征提取 | 第16-19页 |
| 2.2.1 颜色特征 | 第16-19页 |
| 2.2.2 纹理特征 | 第19页 |
| 2.2.3 形状特征 | 第19页 |
| 2.3 图像特征表示 | 第19-24页 |
| 2.3.1 直方图 | 第19-20页 |
| 2.3.2 区域特征 | 第20-23页 |
| 2.3.3 视觉词包 | 第23-24页 |
| 2.4 模型训练与图像语义标注 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 第三章 融合图像分类的跨媒体相关模型 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 图像特征提取与表示 | 第26-30页 |
| 3.2.1 SIFT特征提取 | 第26-27页 |
| 3.2.2 颜色特征提取 | 第27-29页 |
| 3.2.3 词袋模型 | 第29-30页 |
| 3.3 跨媒体相关模型 | 第30-31页 |
| 3.4 支持向量机模型 | 第31页 |
| 3.5 基于跨媒体相关模型的分类融合图像标注 | 第31-37页 |
| 3.6 实验结果及分析 | 第37-38页 |
| 3.6.1 实验数据集 | 第37页 |
| 3.6.2 评价标准 | 第37页 |
| 3.6.3 实验参数设置 | 第37页 |
| 3.6.4 实验结果比对 | 第37-38页 |
| 3.7 小结 | 第38-39页 |
| 第四章 融合关联规则挖掘的图像语义标注 | 第39-45页 |
| 4.1 引言 | 第39页 |
| 4.2 常用关联规则算法 | 第39-42页 |
| 4.2.1 Apriori算法 | 第39-40页 |
| 4.2.2 FP-Tree算法（也称FP-Growth算法） | 第40-42页 |
| 4.3 融合关联规则挖掘的图像语义标注 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-44页 |
| 4.4.1 实验数据集 | 第43页 |
| 4.4.2 评价标准 | 第43页 |
| 4.4.3 实验参数设置 | 第43页 |
| 4.4.4 实验结果比对 | 第43-44页 |
| 4.5 小结 | 第44-45页 |
| 第五章 基于图像理解的人机交互问答系统设计 | 第45-54页 |
| 5.1 实验内容 | 第45-46页 |
| 5.2 实验环境 | 第46-47页 |
| 5.2.1 操作系统 | 第46页 |
| 5.2.2 编辑器 | 第46页 |
| 5.2.3 Python图像处理 | 第46-47页 |
| 5.3 数据库设计 | 第47-49页 |
| 5.4 图像理解 | 第49-50页 |
| 5.5 基于文本信息的图像检索 | 第50-53页 |
| 5.5.1 Flask安装 | 第51页 |
| 5.5.2 配置路由 | 第51页 |
| 5.5.3 模板渲染 | 第51页 |
| 5.5.4 数据库连接与访问 | 第51-52页 |
| 5.5.5 利用图像语义对图像进行检索 | 第52-53页 |
| 5.6 小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 论文总结 | 第54页 |
| 6.2 工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |