基于语义的图像检索技术研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究背景及意义 | 第13页 |
| ·图像检索技术的发展 | 第13-17页 |
| ·基于文本的图像检索技术 | 第14-15页 |
| ·基于内容的图像检索技术 | 第15-16页 |
| ·基于语义的图像检索技术 | 第16-17页 |
| ·图像检索技术研究现状 | 第17-19页 |
| ·国外研究发展现状 | 第17-18页 |
| ·国内研究发展现状 | 第18-19页 |
| ·本文所做工作 | 第19-21页 |
| 第二章 基于语义的图像检索 | 第21-31页 |
| ·图像语义层次模型 | 第21-23页 |
| ·图像语义的表示 | 第23-25页 |
| ·文本表示法 | 第24页 |
| ·传统的知识表示法 | 第24页 |
| ·MPEG-7 | 第24-25页 |
| ·图像语义的提取算法 | 第25-30页 |
| ·低层视觉特征到高层语义的直接映射 | 第25-27页 |
| ·基于关键字的语义网络 | 第27-29页 |
| ·基于语义向量的方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 色彩量化处理 | 第31-48页 |
| ·颜色空间及转换 | 第31-33页 |
| ·RGB颜色空间 | 第32页 |
| ·颜色空间转换 | 第32-33页 |
| ·常用的色彩量化算法及比较 | 第33-37页 |
| ·常用的色彩量化算法 | 第34-36页 |
| ·各量化算法的比较 | 第36-37页 |
| ·粒子群优化算法的基本思想 | 第37-43页 |
| ·粒子群算法(PSO) | 第37-39页 |
| ·量子粒子群算法(QPSO) | 第39-41页 |
| ·含维变异算子的量子粒子群算法(QPSODMO) | 第41-43页 |
| ·基于含维变异的量子粒子群算法的色彩量化方案 | 第43-47页 |
| ·色彩量化问题的描述 | 第43-44页 |
| ·算法步骤 | 第44-45页 |
| ·实验分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 彩色图像分割技术 | 第48-60页 |
| ·图像分割的定义 | 第48-49页 |
| ·彩色图像分割方法 | 第49-53页 |
| ·基于闽值的分割方法 | 第50页 |
| ·基于边缘的分割方法 | 第50-51页 |
| ·基于区域的分割方法 | 第51-52页 |
| ·基于聚类的分割方法 | 第52-53页 |
| ·聚类算法 | 第53-57页 |
| ·C-均值聚类算法 | 第53-55页 |
| ·模糊C-均值聚类算法(FCM) | 第55-57页 |
| ·基于量子粒子群优化的模糊C-均值聚类的图像分割 | 第57-59页 |
| ·算法描述 | 第57-58页 |
| ·算法步骤 | 第58页 |
| ·实验结果 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 语义检索系统的设计与实现 | 第60-68页 |
| ·低层特征的提取 | 第60-63页 |
| ·基于Gabor小波变换的纹理特征提取 | 第60-62页 |
| ·基于共生矩阵的纹理特征提取 | 第62-63页 |
| ·基于语义向量的图像语义提取 | 第63-65页 |
| ·图像区域聚类算法 | 第63-64页 |
| ·图像语义向量描述 | 第64-65页 |
| ·图像检索及实验分析 | 第65-67页 |
| ·图像检索过程 | 第65-66页 |
| ·实验结果分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结束 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
