面向显著区域的图像多特征融合检索技术研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-21页 |
| ·研究背景及意义 | 第10-12页 |
| ·显著区域检测的背景及意义 | 第10页 |
| ·基于内容的图像检索的背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·显著区域检测模型研究现状 | 第12-14页 |
| ·基于内容的图像检索研究现状 | 第14-17页 |
| ·当前存在的主要问题 | 第17-19页 |
| ·显著检测模型存在的主要问题 | 第17-18页 |
| ·图像检索存在的主要问题 | 第18-19页 |
| ·本文的主要工作 | 第19页 |
| ·本文组织结构 | 第19-21页 |
| 第2章 基于MRF的图像显著区域检测模型 | 第21-35页 |
| ·现有检测模型和本文方法 | 第21-24页 |
| ·现有检测模型 | 第21-23页 |
| ·本文检测模型 | 第23-24页 |
| ·角点检测和粗略显著区域 | 第24-28页 |
| ·Harris角点检测 | 第25-27页 |
| ·粗略显著区域和超像素簇 | 第27-28页 |
| ·先验概率计算 | 第28页 |
| ·MRF模型及模型求解 | 第28-31页 |
| ·MRF模型概述 | 第28-29页 |
| ·模型求解方法 | 第29-30页 |
| ·代价函数 | 第30-31页 |
| ·实验结果与对比分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 显著区域的特征提取与融合 | 第35-54页 |
| ·图像检索的查询模式 | 第35页 |
| ·图像的特征表示 | 第35-46页 |
| ·颜色特征 | 第36-38页 |
| ·纹理特征 | 第38-41页 |
| ·形状特征 | 第41-42页 |
| ·本文特征选取 | 第42-46页 |
| ·特征归一化和相似性度量 | 第46-48页 |
| ·特征归一化 | 第46-47页 |
| ·相似性度量 | 第47-48页 |
| ·基于PCA的特征融合 | 第48-51页 |
| ·特征融合概述 | 第48-49页 |
| ·PCA特征融合方法 | 第49-51页 |
| ·特征提取及融合实现 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于ESNs和相关反馈的图像检索 | 第54-70页 |
| ·相关知识 | 第54页 |
| ·神经网络及ESNs | 第54-60页 |
| ·人工神经网络技术 | 第55-57页 |
| ·回声状态网络模型 | 第57-60页 |
| ·图像检索ESNs的构建 | 第60-62页 |
| ·检索储备池初始化 | 第60-61页 |
| ·网络训练 | 第61-62页 |
| ·图像检索测试 | 第62页 |
| ·相关反馈策略 | 第62-65页 |
| ·相关反馈的原理 | 第62-64页 |
| ·本文相关反馈方法 | 第64-65页 |
| ·实验结果与分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| ·工作总结 | 第70页 |
| ·工作创新 | 第70-71页 |
| ·工作展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间公开发表的论文与参与的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
