基于统计学习的图像语义挖掘研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第一章 绪论 | 第13-32页 |
| 1．1 选题的意义 | 第13-18页 |
| 1．2 图像挖掘研究现状 | 第18-24页 |
| 1．2．1 图像挖掘模型框架 | 第19-21页 |
| 1．2．2 图像挖掘应用技术 | 第21-24页 |
| 1．3 论文的工作与组织结构 | 第24-32页 |
| 1．3．1 本文的研究内容 | 第24-29页 |
| 1．3．2 论文的组织结构 | 第29-30页 |
| 1．3．3 论文的主要贡献 | 第30-32页 |
| 第二章 图像语义层式统计模型 | 第32-50页 |
| 2．1 概述 | 第32页 |
| 2．2 图像语义层式模型 | 第32-36页 |
| 2．3 语义层式映射 | 第36-39页 |
| 2．3．1 有限混合模型 | 第36-37页 |
| 2．3．2 基于有限混合模型的语义层式映射 | 第37-39页 |
| 2．4 混合模型参数估计 | 第39-45页 |
| 2．4．1 第一层混合模型参数估计 | 第40页 |
| 2．4．2 基于最优混合模型结构的EM算法 | 第40-44页 |
| 2．4．3 高层混合模型的参数估计 | 第44-45页 |
| 2．5 层式语义分类 | 第45-49页 |
| 2．6 本章小结 | 第49-50页 |
| 第三章 图基于HAB算法的图像语义对象获取 | 第50-71页 |
| 3．1 概述 | 第50-51页 |
| 3．2 HAB优化算法 | 第51-60页 |
| 3．2．1 Boosting方法基本思想 | 第51-54页 |
| 3．2．2 HAB优化算法 | 第54-60页 |
| 3．3 应用HAB的图像语义对象获取 | 第60-70页 |
| 3．3．1 对象特征预处理 | 第61-66页 |
| 3．3．2 对象识别器的训练 | 第66-68页 |
| 3．3．3 图像语义对象获取 | 第68-70页 |
| 3．4 本章小结 | 第70-71页 |
| 第四章 基于语义测度的图像语义类别研究 | 第71-90页 |
| 4．1 概述 | 第71页 |
| 4．2 图像相似性度量 | 第71-76页 |
| 4．2．1 距离度量方法 | 第71-73页 |
| 4．2．2 底层特征相似度量 | 第73-76页 |
| 4．3 基于语义测度的图像语义类别描述 | 第76-89页 |
| 4．3．1 风景图像的语义类别 | 第76-78页 |
| 4．3．2 底层相似度量应用 | 第78-80页 |
| 4．3．3 语义相似测度 | 第80-82页 |
| 4．3．4 图像语义类别统计描述 | 第82-89页 |
| 4．4 本章小结 | 第89-90页 |
| 第五章 XML驱动的图像语义检索 | 第90-109页 |
| 5．1 概述 | 第90页 |
| 5．2 XML语义描述技术 | 第90-93页 |
| 5．2．1 XML语义信息模型 | 第90-91页 |
| 5．2．2 MPEG-7描述模型 | 第91-93页 |
| 5．3 XML驱动的图像语义检索框架 | 第93-108页 |
| 5．3．1 层式图像内容 | 第95-98页 |
| 5．3．2 空间位置算子 | 第98-101页 |
| 5．3．3 对象操作代数 | 第101-103页 |
| 5．3．4 XML语义描述 | 第103-107页 |
| 5．3．5 语义检索实例 | 第107-108页 |
| 5．4 本章小结 | 第108-109页 |
| 第六章 总结与展望 | 第109-111页 |
| 6．1 论文总结 | 第109-110页 |
| 6．2 进一步的工作 | 第110-111页 |
| 参考文献 | 第111-122页 |
| 攻读学位期间发表的的学术论文 | 第122-124页 |
| 独创性声明 | 第124-125页 |
| 致谢 | 第125页 |
