基于高层语义的图像检索研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题的研究目的和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的组织与主要工作 | 第9-11页 |
| 第二章 基于内容的图像检索技术 | 第11-21页 |
| ·CBIR 技术基础及体系结构 | 第11-13页 |
| ·技术基础 | 第11-12页 |
| ·体系结构 | 第12-13页 |
| ·图像内容特征检索的原理 | 第13-16页 |
| ·颜色特征 | 第13-14页 |
| ·纹理特征 | 第14-15页 |
| ·形状特征 | 第15-16页 |
| ·空间关系特征 | 第16页 |
| ·多特征的归一化 | 第16-17页 |
| ·内部归一化 | 第16-17页 |
| ·外部归一化 | 第17页 |
| ·图像相似性度量 | 第17-21页 |
| ·距离度量 | 第18-19页 |
| ·相关计算 | 第19-20页 |
| ·关联系数计算 | 第20-21页 |
| 第三章 图像语义标注技术 | 第21-27页 |
| ·语义标注的提出背景 | 第21页 |
| ·图像语义的自动标注 | 第21-24页 |
| ·自动标注模型 | 第22-24页 |
| ·自动标注算法不足 | 第24页 |
| ·图像语义标注发展重点 | 第24-27页 |
| ·识别技术的发展 | 第24-25页 |
| ·图像语义规则获取 | 第25-26页 |
| ·用户检索模型的建立 | 第26-27页 |
| 第四章 图像检索中的相关反馈技术 | 第27-43页 |
| ·相关反馈的提出背景 | 第27-29页 |
| ·相关反馈的技术原理 | 第29-37页 |
| ·查询向量优化算法 | 第30-31页 |
| ·特征权重的调整算法 | 第31-34页 |
| ·基于修改概率分布的算法 | 第34-35页 |
| ·基于机器学习的相关反馈 | 第35-37页 |
| ·基于语义的相关反馈 | 第37-40页 |
| ·构建语义和特征空间联系 | 第37-39页 |
| ·语义向量算法 | 第39页 |
| ·权重调整算法 | 第39-40页 |
| ·相关反馈技术发展重点 | 第40-43页 |
| 第五章 基于高层语义图像检索系统的实现 | 第43-51页 |
| ·软件的设计 | 第43-44页 |
| ·开发环境 | 第43页 |
| ·运行环境 | 第43-44页 |
| ·系统框架 | 第44-47页 |
| ·实验结果分析 | 第47-51页 |
| 第六章 总结 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 研究成果 | 第61页 |
