| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 图像的标注方法 | 第11页 |
| 1.2.2 本体知识的方法 | 第11-12页 |
| 1.2.3 语义映射方法 | 第12页 |
| 1.2.4 相关反馈的方法 | 第12-13页 |
| 1.3 本文的主要研究内容和创新点 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 语义检索及本体的相关研究 | 第15-31页 |
| 2.1 语义检索与语义网 | 第15-18页 |
| 2.1.1 语义的含义 | 第15页 |
| 2.1.2 语义检索与传统检索的区别 | 第15-16页 |
| 2.1.3 语义网基础 | 第16-17页 |
| 2.1.4 语义网核心技术 | 第17-18页 |
| 2.2 本体 | 第18-21页 |
| 2.2.1 本体的定义 | 第18页 |
| 2.2.2 本体的分类 | 第18-19页 |
| 2.2.3 本体的构建 | 第19-20页 |
| 2.2.4 本体编辑工具的选择 | 第20-21页 |
| 2.2.5 本体的查询和推理 | 第21页 |
| 2.3 秦俑本体的构建 | 第21-24页 |
| 2.4 秦俑本体知识库的语义检索 | 第24-29页 |
| 2.4.1 语义相似度计算 | 第24-28页 |
| 2.4.2 秦俑本体知识库的语义检索方案 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 秦俑图像的分割 | 第31-39页 |
| 3.1 图像分割的目的 | 第31-32页 |
| 3.2 图像分割算法概述 | 第32页 |
| 3.2.1 传统的图像分割算法 | 第32页 |
| 3.2.2 基于图谱理论的图像分割算法 | 第32页 |
| 3.3 谱聚类算法 | 第32-33页 |
| 3.4 最小割(cut)与归一化割(Ncut)准则 | 第33-34页 |
| 3.4.1 最小割(cut)准则 | 第33页 |
| 3.4.2 归一化割(Ncut)准则 | 第33-34页 |
| 3.5 归一化割(Ncut)算法的实现 | 第34-35页 |
| 3.5.1 归一化割(Ncut)的特征值与特征向量 | 第34页 |
| 3.5.2 归一化割(Ncut)算法步骤 | 第34-35页 |
| 3.6 秦俑图像的分割结果及对比 | 第35-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 秦俑图像头饰特征提取和分类标注 | 第39-51页 |
| 4.1 目标区域特征的表达和描述 | 第39-40页 |
| 4.1.1 基于边界的表达和描述 | 第39-40页 |
| 4.1.2 基于区域的表达和描述 | 第40页 |
| 4.2 秦俑头饰的特征提取 | 第40-44页 |
| 4.3 支持向量机(SVM)介绍 | 第44-48页 |
| 4.3.1 支持向量机(SVM)理论基础 | 第45-46页 |
| 4.3.2 支持向量机(SVM)原理 | 第46-48页 |
| 4.4 使用支持向量机(SVM)进行头饰分类 | 第48-49页 |
| 4.5 语义标注 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于本体的秦俑图像语义检索系统 | 第51-57页 |
| 5.1 系统架构和核心模块 | 第51-52页 |
| 5.2 部分核心模块的实现 | 第52-54页 |
| 5.3 系统的展示 | 第54-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 总结和展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |