基于语义的图像标注和检索算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景和意义 | 第9页 |
| ·图像检索的研究现状 | 第9-12页 |
| ·基于人工标注的文本检索 | 第10页 |
| ·基于内容的图像检索 | 第10-11页 |
| ·基于语义的图像标注和检索技术 | 第11-12页 |
| ·现有的检索系统 | 第12-14页 |
| ·检索算法性能评价机制及其性能指标 | 第14-16页 |
| ·检索结果的评价机制 | 第14-15页 |
| ·性能指标 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第2章 图像语义的自动标注算法 | 第17-30页 |
| ·引言 | 第17页 |
| ·图像的自动标注算法综述 | 第17-22页 |
| ·共生模型 | 第17-20页 |
| ·翻译模型 | 第20-21页 |
| ·语义网络模型 | 第21-22页 |
| ·潜在狄利克雷分布（LDA）模型 | 第22-27页 |
| ·LDA算法的原理介绍 | 第22-24页 |
| ·LDA算法的推论以及参数估计 | 第24-27页 |
| ·LDA算法在图像标注和检索中的应用 | 第27-29页 |
| ·LDA模型的生成 | 第27-28页 |
| ·LDA模型的应用方法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 图像分割算法在图像语义标注中应用 | 第30-39页 |
| ·图像分割的定义 | 第30-31页 |
| ·图像分割方法综述 | 第31-32页 |
| ·基于分水岭的图像分割算法 | 第32-35页 |
| ·分水岭算法的基本概念 | 第33-34页 |
| ·分水岭算法的实现 | 第34-35页 |
| ·仿真实验及结果分析 | 第35-38页 |
| ·仿真实验 | 第35-37页 |
| ·结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于图像有意义区域的特征提取和聚类算法 | 第39-49页 |
| ·特征提取 | 第39-43页 |
| ·颜色特征的提取算法 | 第39-40页 |
| ·纹理特征的提取算法 | 第40-43页 |
| ·形状特征的提取算法 | 第43页 |
| ·图像特征的相似性度量 | 第43-45页 |
| ·基于矢量量化的聚类算法 | 第45-46页 |
| ·矢量量化概述 | 第45-46页 |
| ·矢量量化的聚类算法 | 第46页 |
| ·仿真实验及结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于语义的图像标注和检索的系统实现 | 第49-57页 |
| ·引言 | 第49页 |
| ·图像的高层语义概念 | 第49-50页 |
| ·图像自动标注和检索系统的组成 | 第50-53页 |
| ·图像语义标注及其实现 | 第51-52页 |
| ·基于LDA模型的关键词和图像语义的判别 | 第52-53页 |
| ·仿真实验和结果分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 附录 | 第65-75页 |
| 攻读学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77页 |
