结合底层特征和高层语义的图像检索技术研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·课题研究背景和意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·本文的研究内容和章节安排 | 第11-13页 |
| 2 图像语义检索技术介绍 | 第13-19页 |
| ·图像语义模型 | 第13-15页 |
| ·图像的语义表示 | 第15-16页 |
| ·文本表示法 | 第15页 |
| ·知识表示法 | 第15-16页 |
| ·MPEG-7 | 第16页 |
| ·图像语义的提取方法 | 第16-19页 |
| ·底层视觉特征到高层语义的直接映射 | 第16-17页 |
| ·基于关键字的语义网络 | 第17-18页 |
| ·语义向量 | 第18-19页 |
| 3 底层视觉特征提取 | 第19-29页 |
| ·颜色特征 | 第19-22页 |
| ·颜色空间 | 第19-21页 |
| ·HSV 颜色空间 | 第21-22页 |
| ·RGB 空间到HSV 空间的转换 | 第22页 |
| ·颜色特征的表示 | 第22-24页 |
| ·纹理特征 | 第24-26页 |
| ·灰度共生矩阵 | 第24-26页 |
| ·纹理谱 | 第26页 |
| ·形状特征 | 第26-29页 |
| ·形状特征描述子 | 第26-27页 |
| ·傅立叶描述子 | 第27-29页 |
| 4 结合图像边缘和角点的特征提取 | 第29-37页 |
| ·算法思想和结构 | 第29-30页 |
| ·图像边缘提取 | 第30-31页 |
| ·图像边缘的特征表示 | 第31-32页 |
| ·图像角点的提取 | 第32-34页 |
| ·基于角点环形颜色直方图提取 | 第34-37页 |
| 5 基于树形 SVM 的语义分类 | 第37-48页 |
| ·支持向量机基本理论 | 第37-43页 |
| ·支持向量机基本原理 | 第37-41页 |
| ·SVM 构造的多分类器 | 第41-43页 |
| ·树形结构SVM 多分类 | 第43-46页 |
| ·核函数选择 | 第46页 |
| ·分类器参数确定 | 第46-47页 |
| ·时间复杂度分析 | 第47-48页 |
| 6 实验结果与分析 | 第48-56页 |
| ·结合底层特征和高层语义的图像检索流程 | 第48-50页 |
| ·图像检索性能评价标准 | 第50页 |
| ·样本的空间分布 | 第50-52页 |
| ·实验结果与分析 | 第52-56页 |
| 7 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 A 作者在攻读硕士学位期间发表的论文目录 | 第63页 |
