基于互联网视觉的图像编辑算法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 图像编辑技术研究现状 | 第13-17页 |
| 1.2.1 图像编辑技术国内外研究现状 | 第13-14页 |
| 1.2.2 图像修复技术国内外研究现状 | 第14-17页 |
| 1.3 互联网视觉的图像检索技术国内外研究现状 | 第17-18页 |
| 1.4 本文主要研究内容 | 第18-19页 |
| 1.5 本文的组织结构 | 第19-22页 |
| 第2章 图像编辑与互联网视觉图像检索相关算法 | 第22-31页 |
| 2.1 图像编辑经典算法 | 第22-26页 |
| 2.1.1 基于PDE的图像修复算法 | 第22-23页 |
| 2.1.2 基于样本的图像修复算法 | 第23-26页 |
| 2.2 互联网视觉检索相关内容 | 第26-30页 |
| 2.2.1 CBIR概述与关键技术 | 第26-29页 |
| 2.2.2 互联网视觉图像检索经典系统 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于Gist特征的场景图像修复算法 | 第31-41页 |
| 3.1 算法框架 | 第31-32页 |
| 3.2 待修复区域选择 | 第32-33页 |
| 3.3 备选图像筛选 | 第33-35页 |
| 3.3.1 快速的备选场景图像粗筛选 | 第33-34页 |
| 3.3.2 准确的备选图像块细筛选 | 第34-35页 |
| 3.4 合成融合 | 第35页 |
| 3.5 实验结果与分析 | 第35-40页 |
| 3.5.1 实验数据库与相关参数 | 第35-36页 |
| 3.5.2 主观结果对比 | 第36-38页 |
| 3.5.3 客观结果对比 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于时空特征的互联网视觉图像编辑算法 | 第41-61页 |
| 4.1 算法框架 | 第41-42页 |
| 4.2 本地数据库特征提取 | 第42-45页 |
| 4.2.1 BoW模型与建立 | 第42-43页 |
| 4.2.2 PCA-SIFT特征计算 | 第43-44页 |
| 4.2.3 时空特征分析与提取 | 第44-45页 |
| 4.3 TF-IDF与标签分配 | 第45-46页 |
| 4.4 互联网视觉检索 | 第46-49页 |
| 4.4.1 尺寸控制 | 第47-48页 |
| 4.4.2 标签相关性控制 | 第48页 |
| 4.4.3 文字标识控制 | 第48页 |
| 4.4.4 水平线控制 | 第48-49页 |
| 4.5 图像编辑 | 第49-52页 |
| 4.5.1 贝叶斯概率分割 | 第50-52页 |
| 4.5.2 颜色传递 | 第52页 |
| 4.5.3 亮度传递 | 第52页 |
| 4.6 实验结果与分析 | 第52-59页 |
| 4.6.1 实验数据库与相关参数 | 第52-53页 |
| 4.6.2 时空特征客观验证 | 第53-54页 |
| 4.6.3 图像编辑主客观结果对比 | 第54-59页 |
| 4.7 本章小结 | 第59-61页 |
| 第5章 结论与展望 | 第61-63页 |
| 5.1 结论 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
