| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题的背景与研究意义 | 第10-13页 |
| 1.2 国内外研究热点与现状 | 第13-17页 |
| 1.3 本文研究的主要内容 | 第17-18页 |
| 1.4 本文的内容安排 | 第18-20页 |
| 2 图像标注关键技术 | 第20-32页 |
| 2.1 图像特征 | 第20-23页 |
| 2.1.1 颜色特征 | 第20-21页 |
| 2.1.2 形状特征 | 第21-23页 |
| 2.1.3 纹理特征 | 第23页 |
| 2.2 图像标注模型 | 第23-28页 |
| 2.2.1 机器翻译模型 | 第24页 |
| 2.2.2 跨媒体相关模型 | 第24-25页 |
| 2.2.3 连续相关模型 | 第25页 |
| 2.2.4 伯努利相关模型 | 第25-26页 |
| 2.2.5 概率潜在语义分析(PLSA) | 第26-27页 |
| 2.2.6 高斯混合模型(GMM) | 第27-28页 |
| 2.3 相关反馈技术 | 第28-29页 |
| 2.4 相似性度量 | 第29-30页 |
| 2.5 图像标注性能评价 | 第30页 |
| 2.6 本章小结 | 第30-32页 |
| 3 基于PLSA-GMM模型的图像显著性区域自动标注 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 图像前背景分离与PLSA-GMM的自动标注 | 第32-34页 |
| 3.2.1 前景与背景 | 第32-33页 |
| 3.2.2 模型建立 | 第33页 |
| 3.2.3 图像标注 | 第33-34页 |
| 3.3 多特征融合与PLSA-GMM的图像自动标注 | 第34-38页 |
| 3.3.1 颜色特征提取 | 第35页 |
| 3.3.2 形状特征提取 | 第35-36页 |
| 3.3.3 纹理特征提取 | 第36-37页 |
| 3.3.4 基于融合特征与PLSA-GMM的自动标注 | 第37-38页 |
| 3.4 实验对比与结果分析 | 第38-43页 |
| 3.4.1 图像前背景分离的PLSA-GMM方法 | 第38-40页 |
| 3.4.2 多特征融合的PLSA-GMM方法 | 第40-42页 |
| 3.4.3 图像前背景分离与多特征融合对比 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 基于PLSA-GMM模型与反馈日志的图像自动标注 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 日志采集 | 第44-46页 |
| 4.2.1 增量关联法收集日志 | 第44-45页 |
| 4.2.2 WordNet扩充标注词 | 第45页 |
| 4.2.3 基于日志的图像自动标注 | 第45-46页 |
| 4.3 试验分析对比 | 第46-52页 |
| 4.3.1 图像库的选取与评价标准 | 第46页 |
| 4.3.2 标注效果对比分析 | 第46-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 基于web的标注与查询原型系统设计与实现 | 第54-62页 |
| 5.1 系统架构 | 第54页 |
| 5.2 开发环境 | 第54-55页 |
| 5.3 数据库管理 | 第55-56页 |
| 5.4 系统设计与实现 | 第56-57页 |
| 5.5 系统展示 | 第57-61页 |
| 5.6 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-66页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-66页 |
| 参考文献 | 第66-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
