基于SVM的语义图像检索技术的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·传统图像检索技术的局限 | 第12-13页 |
| ·本文主要工作 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 图像检索 | 第15-30页 |
| ·引言 | 第15-16页 |
| ·基于内容的图像检索综述 | 第16-24页 |
| ·图像的视觉特征 | 第16-21页 |
| ·相似性度量方法 | 第21-23页 |
| ·常用系统性能评价标准 | 第23页 |
| ·图像检索中的相关反馈技术 | 第23-24页 |
| ·基于内容图像检索的局限 | 第24页 |
| ·语义图像检索综述 | 第24-29页 |
| ·语义层次模型 | 第25-26页 |
| ·图像语义表示 | 第26页 |
| ·图像语义算法 | 第26-28页 |
| ·语义图像检索的小结 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 支持向量机的原理和应用 | 第30-40页 |
| ·统计学习理论 | 第30-32页 |
| ·最优分类超平面 | 第32-33页 |
| ·线性支持向量机 | 第33-34页 |
| ·非线性支持向量机 | 第34-38页 |
| ·非线性可分支持向量机的算法步骤 | 第36-37页 |
| ·常用核函数 | 第37-38页 |
| ·多类分类问题 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于SVM的图像分类 | 第40-51页 |
| ·引言 | 第40页 |
| ·图像视觉特征 | 第40-45页 |
| ·颜色矩 | 第40-41页 |
| ·HSV非均匀量化直方图颜色特征 | 第41-43页 |
| ·共生矩阵 | 第43-44页 |
| ·综合视觉特征 | 第44-45页 |
| ·实验所用图像库 | 第45-46页 |
| ·SVM的训练 | 第46-47页 |
| ·实验 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 图像标注与语义图像检索 | 第51-61页 |
| ·图像标注 | 第51-54页 |
| ·基于对象分割的图像标注 | 第51-52页 |
| ·基于固定大小分块的图像标注 | 第52-53页 |
| ·基于分类的图像标注 | 第53-54页 |
| ·标注传播 | 第54页 |
| ·最近邻方法 | 第54-55页 |
| ·图像标注实验 | 第55-59页 |
| ·SVM输出结果的概率转化 | 第56页 |
| ·相似性度量 | 第56页 |
| ·标注评价标准 | 第56-57页 |
| ·图像标注 | 第57-59页 |
| ·关键词语义检索 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 小结和展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文与参加的项目 | 第69页 |
