自动图像标注中基于局部泛化误差模型的特征权重研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题背景 | 第11-13页 |
| ·研究意义和现状 | 第13-14页 |
| ·本文主要研究内容 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 相关背景知识 | 第16-27页 |
| ·MPEG-7 颜色和纹理描述符 | 第16-20页 |
| ·可伸缩颜色描述符 | 第17页 |
| ·颜色结构描述符 | 第17-18页 |
| ·主颜色描述符 | 第18页 |
| ·颜色布局描述符 | 第18-19页 |
| ·同质纹理描述符 | 第19页 |
| ·纹理浏览描述符 | 第19页 |
| ·边缘直方图描述符 | 第19-20页 |
| ·局部特征点 | 第20-26页 |
| ·尺度空间极值点检测 | 第21-23页 |
| ·特征点的位置确定 | 第23页 |
| ·特征点的方向参数和大小 | 第23-24页 |
| ·SIFT特征向量描述 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 局部泛化误差模型 | 第27-39页 |
| ·径向基函数神经网络 | 第27-30页 |
| ·径向基函数神经网络的工作原理 | 第28-29页 |
| ·径向基函数神经网络的学习算法 | 第29-30页 |
| ·局部泛化误差模型 | 第30-38页 |
| ·引言 | 第31-32页 |
| ·Q-邻域和Q-联合域 | 第32-33页 |
| ·局部泛化误差 | 第33-34页 |
| ·径向基函数神经网络的随机敏感度 | 第34-36页 |
| ·局部泛化误差模型的特点 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于径向基函数分类模型的自动图像标注 | 第39-54页 |
| ·引言 | 第39-40页 |
| ·基于径向基函数神经网络的分类模型 | 第40-45页 |
| ·特征提取与描述 | 第45-49页 |
| ·MPEG-7 特征提取 | 第45-47页 |
| ·局部特征点的提取与描述 | 第47-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·实验设置 | 第49-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 特征权重 | 第54-68页 |
| ·引言 | 第54页 |
| ·特征权重 | 第54-58页 |
| ·特征选择 | 第55-56页 |
| ·特征权重的研究现状 | 第56-58页 |
| ·基于局部泛化误差模型的特征权重 | 第58-62页 |
| ·权重值估计 | 第59-61页 |
| ·数据缩放 | 第61-62页 |
| ·特征权重在分类标注中的应用 | 第62-63页 |
| ·实验结果及分析 | 第63-66页 |
| ·实验设置 | 第63-64页 |
| ·对比实验 | 第64页 |
| ·结果及分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 总结与展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76页 |
