首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

关于互联网视觉媒体若干问题的研究和应用

致谢第9-10页
摘要第10-12页
ABSTRACT第12-13页
插图清单第17-19页
表格清单第19-20页
第一章 绪论第20-30页
    1.1 研究背景和意义第20-21页
    1.2 多媒体视觉信息处理简介第21-22页
    1.3 国内外发展现状第22-27页
        1.3.1 基于内容的图像/视频检索第22-24页
        1.3.2 视觉媒体的数据库第24-25页
        1.3.3 视觉媒体合成第25-26页
        1.3.4 视觉媒体编辑第26-27页
    1.4 研究的内容与主要工作第27-28页
    1.5 论文的组织结构第28-30页
第二章 视觉媒体处理的关键技术第30-43页
    2.1 视觉媒体的艺术画渲染技术第30-33页
        2.1.1 基于笔画的渲染第31-32页
        2.1.2 基于区域的渲染第32页
        2.1.3 基于样本的渲染第32-33页
    2.2 视觉特征提取第33-38页
        2.2.1 颜色特征第33-34页
        2.2.2 LBP特征第34页
        2.2.3 SIFT特征第34-37页
        2.2.4 彩色SIFT特征第37页
        2.2.5 HOG特征第37-38页
    2.3 图像分类方法第38-42页
        2.3.1 传统的图像分类方法第38-39页
        2.3.2 基于深度学习的图像分类方法第39-40页
        2.3.3 卷积神经网络第40-42页
    2.4 总结第42-43页
第三章 多模态图像渲染系统第43-57页
    3.1 引言第43-45页
    3.2 系统介绍第45-53页
        3.2.1 图像模块第46-50页
        3.2.2 关键词模块第50页
        3.2.3 图像文字融合模块第50-52页
        3.2.4 后处理模块第52-53页
    3.3 实验第53-56页
        3.3.1 定量实验第53-56页
        3.3.2 定性实验第56页
        3.3.3 计算效率第56页
    3.4 结论第56-57页
第四章 皮影戏的遗产电子化:创作和操作第57-74页
    4.1 引言第57-60页
    4.2 皮影戏生成模块第60-65页
        4.2.1 人脸对齐第60-61页
        4.2.2 眼部卷绕第61页
        4.2.3 侧影线的生成第61-64页
            4.2.3.1 侧影线提取第62-63页
            4.2.3.2 侧影线纹理转移第63-64页
        4.2.4 后处理第64-65页
    4.3 皮影戏操作模块第65-68页
        4.3.1 控制模型第65页
        4.3.2 运动系统第65-66页
        4.3.3 动画生成第66-68页
            4.3.3.1 权重选择第67-68页
    4.4 实验第68-73页
        4.4.1 创作模块结果第68-69页
        4.4.2 操作模块结果第69-72页
            4.4.2.1 元动作平滑第70-71页
            4.4.2.2 动画整体平滑第71页
            4.4.2.3 合成皮影戏短视频第71-72页
        4.4.3 皮影戏故事第72-73页
    4.5 结论和展望第73-74页
第五章 家居风格的视觉分类第74-92页
    5.1 引言第74-76页
    5.2 家具风格数据库第76-78页
    5.3 家具风格分类第78-84页
        5.3.1 基于手工的特征第79-81页
        5.3.2 基于学习的特征第81-83页
            5.3.2.1 基于家具风格数据库的CNN模型第82页
            5.3.2.2 基于预训练的CNN模型第82-83页
            5.3.2.3 多尺度的CNN模型第83页
        5.3.3 手工特征和基于学习的特征结合第83-84页
    5.4 分类实验第84-91页
        5.4.1 手工特征的分类结果第84-85页
        5.4.2 基于学习的特征的分类结果第85-89页
        5.4.3 手工特征和学习特征联合分类结果第89-91页
    5.5 总结和展望第91-92页
第六章 总结和展望第92-94页
    6.1 本文总结第92-93页
    6.2 研究工作展望第93-94页
参考文献第94-103页
攻读博士学位期间的学术活动及成果情况第103页

论文共103页,点击 下载论文
上一篇:结构光照明的三维显微术及其不确定度最小化研究
下一篇:大规模图像集自动摘要技术研究