基于显著区域检测的图像语义层次管理
| 中文摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-24页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-19页 |
| ·人眼视觉注意模型研究现状 | 第12-14页 |
| ·显著区域检测模型研究现状 | 第14-18页 |
| ·图像分类管理研究现状 | 第18-19页 |
| ·目前存在的主要问题 | 第19-21页 |
| ·显著区域检测模型存在的主要问题 | 第19-20页 |
| ·图像管理存在的主要问题 | 第20-21页 |
| ·本文主要工作及创新点 | 第21-23页 |
| ·本文组织结构 | 第23-24页 |
| 第二章 图像清晰度判决与处理 | 第24-37页 |
| ·图像清晰度的定义与特点 | 第24-25页 |
| ·图像清晰度的定义 | 第24-25页 |
| ·视觉显著的清晰度特点 | 第25页 |
| ·现有的图像清晰度度量标准 | 第25-27页 |
| ·图像清晰度判决规则 | 第27-32页 |
| ·离散度指标 | 第27-29页 |
| ·基于离散度指标的判决规则 | 第29-30页 |
| ·实验结果与分析 | 第30-32页 |
| ·非清晰区域的抑制处理 | 第32-36页 |
| ·多尺度图像子区域清晰度 | 第32-34页 |
| ·非清晰区域抑制 | 第34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于多特征融合的显著区域检测模型 | 第37-56页 |
| ·所用模型分析 | 第37-43页 |
| ·Itti 模型 | 第37-40页 |
| ·谱残差模型 | 第40-41页 |
| ·Context-Aware 显著区域检测模型 | 第41-43页 |
| ·多特征融合的显著区域检测模型 | 第43-45页 |
| ·显著区域的特点 | 第43-44页 |
| ·基于上下文的显著区域检测模型 | 第44-45页 |
| ·结合多特征的显著区域检测算法 | 第45-51页 |
| ·基于清晰度的图像预处理 | 第45-46页 |
| ·基于 CA 模型的局部特征显著性计算 | 第46-47页 |
| ·多通道多尺度全局显著性增强 | 第47-48页 |
| ·低层特征聚集化显著图的生成 | 第48-50页 |
| ·结合高层特征的显著图后处理 | 第50-51页 |
| ·实验结果与对比分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于显著区域检测的图像分类管理 | 第56-72页 |
| ·图像层次分类管理方法基本框架 | 第56页 |
| ·图像语义主题的确定 | 第56-62页 |
| ·STF 图像语义标注方法 | 第57-60页 |
| ·语义主题标签与显著语义信息集的获取 | 第60-62页 |
| ·基于显著区域的图像层次语义标注方法 | 第62-65页 |
| ·层次语义标注树的训练学习 | 第62-63页 |
| ·基于层次语义标注树的测试 | 第63-65页 |
| ·基于图像层次语义信息的层次管理模型 | 第65页 |
| ·实验结果与分析 | 第65-71页 |
| ·实验图像库 | 第65-66页 |
| ·语义主题标签提取结果 | 第66-67页 |
| ·显著语义信息集的提取结果 | 第67-68页 |
| ·层次语义标注结果 | 第68-70页 |
| ·图像分类结果分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 总结和展望 | 第72-75页 |
| ·论文工作总结 | 第72-73页 |
| ·未来工作展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读学位期间公开发表的论文及知识产权成果 | 第81-82页 |
| 致谢 | 第82-83页 |
