图像语义理解的关键技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-20页 |
| 常用英文词汇解释表 | 第20-22页 |
| 第一章 绪论 | 第22-40页 |
| ·课题来源 | 第22页 |
| ·课题研究背景与意义 | 第22-24页 |
| ·国内外研究现状 | 第24-34页 |
| ·图像语义理解研究现状概述 | 第24-27页 |
| ·图像的特征表述 | 第27-30页 |
| ·图像的语义标注研究 | 第30-34页 |
| ·主要技术挑战 | 第34-35页 |
| ·本文的研究内容与创新点 | 第35-38页 |
| ·论文的组织结构 | 第38-40页 |
| 第二章 结合视觉感知的空间模糊链接颜色直方图 | 第40-65页 |
| ·颜色视觉特征提取 | 第40-52页 |
| ·颜色空间的转换 | 第40-42页 |
| ·颜色特征的模糊链接过程 | 第42-47页 |
| ·模糊链接颜色直方图 | 第47-48页 |
| ·空间信息描述 | 第48-52页 |
| ·基于颜色复杂度的相似测度 | 第52-55页 |
| ·颜色权值计算 | 第52-54页 |
| ·相似度测量 | 第54-55页 |
| ·实验结果与分析 | 第55-64页 |
| ·颜色分量的模糊化 | 第55-58页 |
| ·子块的尺寸与划分 | 第58-59页 |
| ·图像分类与识别结果 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第三章 基于区域显著色初始化策略的图像分割 | 第65-81页 |
| ·图像模糊聚类的相关工作 | 第65-67页 |
| ·区域显著色初始策略 | 第67-71页 |
| ·CIELAB颜色空间中的参考颜色 | 第67-68页 |
| ·计算颜色隶属度 | 第68-70页 |
| ·确定区域显著色 | 第70-71页 |
| ·融合空间信息的聚类算法 | 第71-75页 |
| ·FCM的图像分割原理 | 第71-73页 |
| ·空间信息的自适应融合 | 第73-75页 |
| ·实验结果与分析 | 第75-80页 |
| ·确定初始聚类中心 | 第75-77页 |
| ·分割方法的有效性验证 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第四章 基于无监督图割算法的图像自动分割 | 第81-103页 |
| ·无监督图割方法 | 第81-91页 |
| ·图像分割与图分割 | 第81-82页 |
| ·Graph Cuts算法 | 第82-85页 |
| ·无监督图割算法原理 | 第85-91页 |
| ·构造能量函数 | 第91-96页 |
| ·核空间内的数据项 | 第91-95页 |
| ·边缘梯度约束的平滑项 | 第95-96页 |
| ·多区域标签初始分配 | 第96-97页 |
| ·初始化策略 | 第96页 |
| ·区域PCM参数的计算 | 第96-97页 |
| ·实验结果与分析 | 第97-101页 |
| ·平滑项比例系数 λ | 第97-98页 |
| ·区域分割效果 | 第98-100页 |
| ·定量评价指标 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 第五章 融合多粒度上下文的像素级图像语义标注 | 第103-128页 |
| ·多粒度上下文 | 第103-106页 |
| ·上下文的作用与表述 | 第103-104页 |
| ·多粒度窗口 | 第104-105页 |
| ·多粒度邻域的结构 | 第105-106页 |
| ·基于多粒度上下文的像素标注模型 | 第106-111页 |
| ·标注模型的数学描述 | 第106-108页 |
| ·MGCCRF模型 | 第108-111页 |
| ·模型参数的训练与推理 | 第111-119页 |
| ·分支定界参数优化算法 | 第111-114页 |
| ·并行式分段训练 | 第114-118页 |
| ·模型的MPM推理 | 第118-119页 |
| ·实验结果与分析 | 第119-127页 |
| ·数据集与特征提取 | 第119-120页 |
| ·训练方法的收敛性分析 | 第120-121页 |
| ·标注结果比较 | 第121-127页 |
| ·本章小结 | 第127-128页 |
| 第六章 总结与展望 | 第128-131页 |
| ·工作总结 | 第128-129页 |
| ·研究展望 | 第129-131页 |
| 参考文献 | 第131-144页 |
| 致谢 | 第144-145页 |
| 攻读博士学位期间的科研成果 | 第145-146页 |
| 攻读博士学位期间参与和主持的研究项目 | 第146-147页 |
| 博士学位论文独创性说明 | 第147页 |
