首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于文本和视觉信息融合的Web图像检索

致谢第1-7页
摘要第7-9页
Abstract第9-16页
第1章 绪论第16-26页
   ·引言第16-18页
   ·存在的问题及研究方向第18-20页
   ·本文研究成果第20-23页
   ·本文组织结构第23-26页
第2章 图像检索综述第26-44页
   ·概述第26页
   ·基于文本信息的图像检索第26-30页
   ·基于图像内容的图像检索第30-37页
     ·图像低层视觉特征第32-35页
     ·图像相似性计算方法第35页
     ·典型的CBIR系统第35-37页
   ·语义图像检索第37-40页
     ·基于知识的语义抽取第38页
     ·系统交互式语义生成第38-39页
     ·基于外部信息的语义提取第39-40页
     ·图像内容描述的国际标准MPEG-7第40页
   ·综合文本信息和图像视觉信息的Web图像检索第40-41页
   ·小结第41-44页
第3章 基于文本和视觉信息融合的Web图像检索模型第44-52页
   ·概述第44页
   ·Web图像语义检索模型介绍第44-50页
     ·语义知识库第46-47页
     ·Web图像文本特征和语义特征的融合第47-48页
     ·Web图像文本特征第48-49页
     ·Web图像内容高层语义特征第49-50页
   ·本章小结第50-52页
第4章 词汇相似性计算第52-78页
   ·背景第52-55页
     ·词汇相似性介绍第52-53页
     ·词汇相似性计算研究现状第53-55页
     ·基于WordNet和基于语料库的词汇相似性计算方法对比第55页
   ·基于Web检索的语义相似性计算第55-61页
     ·CODC模型第57-58页
     ·修正的CODC模型第58-61页
   ·Snippet分类第61-70页
     ·Snippet分类特点第61-62页
     ·支持向量机(SVM)第62-63页
     ·加权特征模型第63-67页
     ·训练库自动构建第67-70页
   ·实验第70-76页
     ·实验数据第70-71页
     ·实验结果和讨论第71-76页
   ·本章小结第76-78页
第5章 Web图像自动加权标注模型第78-108页
   ·概述第78-80页
     ·图像自动标注定义第78-79页
     ·图像自动标注技术研究现状第79-80页
   ·图像分割第80-81页
   ·图像视觉特征第81-82页
     ·颜色特征第81-82页
     ·纹理特征第82页
     ·形状特征第82页
   ·图像加权标注模型(IWAM)第82-99页
     ·标注模型框架介绍第83-84页
     ·TM模型第84-87页
     ·NCRM模型第87-91页
     ·MBRM模型第91-92页
     ·HMAM模型第92-94页
     ·NFM模型第94-99页
   ·实验第99-106页
     ·实验数据第99-101页
     ·实验安装第101页
     ·实验内容与结果讨论第101-106页
   ·本章小结第106-108页
第6章 基于推理网的Web图像检索第108-135页
   ·概述第108-110页
   ·Web图像检索系统第110-127页
     ·Web图像检索系统设计第110-112页
     ·检索模型框架介绍第112-114页
     ·Web图像文本特征第114-116页
     ·Web图像高层语义特征第116-117页
     ·贝叶斯推理网模型第117-121页
     ·基于贝叶斯推理网的Web图像语义检索模型第121-127页
   ·实验第127-134页
     ·实验内容和模型第127-128页
     ·实验数据第128-129页
     ·实验结果与讨论第129-134页
   ·本章小结第134-135页
第7章 总结和展望第135-137页
   ·总结第135-136页
   ·展望第136-137页
参考文献第137-146页
攻读博士学位期间主要的研究成果第146-149页
 学术论文第146-147页
 发明专利第147-148页
 软件著作权第148页
 科研项目第148-149页
作者简历第149页

论文共149页,点击 下载论文
上一篇:基于智能优化算法的体绘制研究
下一篇:基于三维图像序列的左心室分割与运动联合估计