基于兴趣目标的图像检索技术研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 序言 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 显著性检测技术研究现状 | 第12-14页 |
| 1.2.2 图像检索技术研究现状 | 第14-17页 |
| 1.3 问题提出 | 第17-18页 |
| 1.4 内容安排 | 第18-20页 |
| 第二章 兴趣目标检索的相关技术 | 第20-33页 |
| 2.1 图像显著性检测 | 第20-23页 |
| 2.1.1 IT算法 | 第20-22页 |
| 2.1.2 RC算法 | 第22-23页 |
| 2.2 图像分割 | 第23-25页 |
| 2.2.1 Graph Cut算法 | 第23-24页 |
| 2.2.2 Grab Cut算法 | 第24-25页 |
| 2.3 图像检索 | 第25-32页 |
| 2.3.1 图像特征提取 | 第25-31页 |
| 2.3.2 图像相似性度量 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于兴趣目标及融合特征的图像检索 | 第33-52页 |
| 3.1 问题背景 | 第33-35页 |
| 3.2 分层显著性模型 | 第35-39页 |
| 3.2.1 提取图像层 | 第35页 |
| 3.2.2 单层显著性线索 | 第35-36页 |
| 3.2.3 分层推理 | 第36-37页 |
| 3.2.4 实验分析 | 第37-39页 |
| 3.3 兴趣目标分割 | 第39-41页 |
| 3.3.1 兴趣区域初始化 | 第39页 |
| 3.3.2 兴趣区域分割 | 第39-40页 |
| 3.3.3 实验分析 | 第40-41页 |
| 3.4 兴趣目标的特征提取 | 第41-44页 |
| 3.4.1 兴趣目标的HSV颜色特征 | 第41-42页 |
| 3.4.2 兴趣目标的SIFT特征 | 第42-43页 |
| 3.4.3 兴趣目标的CNN特征 | 第43页 |
| 3.4.4 基于兴趣目标的图像相似度计算 | 第43-44页 |
| 3.5 实验结果及分析 | 第44-49页 |
| 3.5.1 实验数据库选择 | 第44-46页 |
| 3.5.2 评估指标 | 第46-47页 |
| 3.5.3 基于兴趣目标的检索效果 | 第47页 |
| 3.5.4 多特征组合的检索效果 | 第47-48页 |
| 3.5.5 算法性能测评 | 第48-49页 |
| 3.6 本章小结 | 第49-52页 |
| 第四章 基于多CNN特征融合的图像检索 | 第52-62页 |
| 4.1 问题背景 | 第52-53页 |
| 4.2 CNN模型与特征提取 | 第53-55页 |
| 4.3 图像相似度计算 | 第55-56页 |
| 4.4 实验与分析 | 第56-60页 |
| 4.4.1 图像数据库与评估指标 | 第56-57页 |
| 4.4.2 融合CNN特征的检索效果 | 第57-58页 |
| 4.4.3 算法性能测评 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 导向式图像检索 | 第62-81页 |
| 5.1 问题背景 | 第62-64页 |
| 5.2 多显著性目标分割策略 | 第64-67页 |
| 5.3 兴趣目标特征提取 | 第67-68页 |
| 5.4 导向式图像检索方案设计 | 第68-73页 |
| 5.5 实验结果及分析 | 第73-79页 |
| 5.5.1 图像数据库与评估指标 | 第73-74页 |
| 5.5.2 算法性能测评 | 第74-75页 |
| 5.5.3 演示系统的开发 | 第75-79页 |
| 5.6 本章小结 | 第79-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-90页 |
| 附录 | 第90-92页 |
| 参与项目 | 第90页 |
| 已发表论文 | 第90页 |
| 在审论文 | 第90页 |
| 专利申报 | 第90-91页 |
| 中英文名词对照 | 第91-92页 |
| 致谢 | 第92-93页 |
