| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题研究内容及成果 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第2章 图像特征描述与提取 | 第13-27页 |
| 2.1 图像视觉特征介绍 | 第13页 |
| 2.2 全局特征 | 第13-17页 |
| 2.2.1 颜色特征 | 第13-16页 |
| 2.2.2 纹理特征 | 第16-17页 |
| 2.2.3 形状特征 | 第17页 |
| 2.2.4 空间关系特征 | 第17页 |
| 2.3 局部特征和点特征 | 第17-25页 |
| 2.3.1 SIFT算子 | 第18-23页 |
| 2.3.2 Harris算子 | 第23-24页 |
| 2.3.3 SURF | 第24-25页 |
| 2.4 社会化图像上下文相关特征 | 第25-26页 |
| 2.4.1 社会化图像的HTML标识 | 第25页 |
| 2.4.2 社会化图像的标签信息 | 第25-26页 |
| 2.4.3 社会化图像时空信息 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于图像主要区域及特征点度量的图像分类 | 第27-40页 |
| 3.1 词袋模型介绍 | 第27-29页 |
| 3.2 基于特征点显著度的词袋生成算法 | 第29-32页 |
| 3.2.1 特征点的显著度度量方式 | 第30-31页 |
| 3.2.2 词袋的词汇提取 | 第31-32页 |
| 3.3 基于图像的主要区域及特征点显著度的图像分类 | 第32-37页 |
| 3.3.1 图像主要区域介绍 | 第32-33页 |
| 3.3.2 基于特征点的图像ROI提取方法 | 第33-36页 |
| 3.3.3 基于图像主要区域及特征点显著度的图像分类方法 | 第36-37页 |
| 3.4 实验结果与相关分析 | 第37-39页 |
| 3.4.1 实验设置 | 第37-38页 |
| 3.4.2 实验评价方法 | 第38页 |
| 3.4.3 实验结果 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 改进BOW的社会化图像分类及标签推荐 | 第40-48页 |
| 4.1 结合金字塔匹配原理的词袋模型表示方法 | 第40-42页 |
| 4.1.1 金字塔匹配核 | 第40-41页 |
| 4.1.2 基于金字塔匹配原理的词袋表示方法 | 第41-42页 |
| 4.2 改进词袋模型的图像分类 | 第42页 |
| 4.3 基于图像分类的社会化图像标签推荐 | 第42-44页 |
| 4.3.1 社会化图像的采集 | 第42-43页 |
| 4.3.2 社会化图像标签推荐 | 第43-44页 |
| 4.4 实验 | 第44-47页 |
| 4.4.1 实验设置 | 第45页 |
| 4.4.2 实验结果 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 论文总结 | 第48页 |
| 5.2 论文展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |