图像自动语义标注研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| Content | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景与意义 | 第13-15页 |
| ·图像自动语义标注研究现状与发展趋势 | 第15-18页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17-18页 |
| ·论文的主要内容和组织结构 | 第18-19页 |
| 第2章 图像自动语义标注的相关技术 | 第19-33页 |
| ·引言 | 第19页 |
| ·图像语义标注的框架 | 第19-20页 |
| ·图像自动标注的语义概述 | 第20-22页 |
| ·三层语义模型 | 第20-21页 |
| ·图像语义的提取研究 | 第21-22页 |
| ·图像视觉特征提取及其描述 | 第22-27页 |
| ·颜色特征 | 第22-25页 |
| ·纹理特征 | 第25-26页 |
| ·形状特征 | 第26页 |
| ·空间特征 | 第26-27页 |
| ·图像语义标注方法及关键技术研究 | 第27-28页 |
| ·语义标注方法 | 第27-28页 |
| ·语义标注关键技术 | 第28页 |
| ·图像相似性度量方法 | 第28-30页 |
| ·语义检索评价标准 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 高斯混合模型理论 | 第33-45页 |
| ·引言 | 第33-34页 |
| ·高斯混合模型基本原理 | 第34-36页 |
| ·单高斯模型原理 | 第34页 |
| ·高斯混合模型原理 | 第34-35页 |
| ·单高斯模型与高斯混合模型区别 | 第35-36页 |
| ·EM 算法含义及其基本原理 | 第36页 |
| ·EM 算法初始化方法研究 | 第36-41页 |
| ·PSO-Kmeans 算法初始化 EM | 第38-41页 |
| ·PSO 算法 | 第39页 |
| ·PSO-Kmeans 算法 | 第39-41页 |
| ·GMM 的 EM 算法的实现 | 第41-42页 |
| ·本章小结 | 第42-45页 |
| 第4章 基于语义概念的 GMM 图像标注 | 第45-63页 |
| ·引言 | 第45-46页 |
| ·基于语义概念的 GMM 图像标注方法框图 | 第46-47页 |
| ·图像预处理 | 第47-52页 |
| ·NCut 图像分割 | 第47-48页 |
| ·颜色特征提取 | 第48-50页 |
| ·纹理特征提取 | 第50-52页 |
| ·图像语义概念类 GMM 的建立 | 第52-54页 |
| ·图像标注相关概念及其表示 | 第52页 |
| ·GMM 的建模 | 第52-54页 |
| ·基于 GMM 的图像训练 | 第54页 |
| ·GMM 的图像标注的实现 | 第54-55页 |
| ·实验结果与分析 | 第55-61页 |
| ·图像库的选择 | 第55-56页 |
| ·语义概念 GMM 训练数据集的选择 | 第56页 |
| ·实验结果 | 第56-60页 |
| ·实验分析 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
