基于显著区域的图像检索技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8页 |
| ·基于内容的图像检索技术研究现状 | 第8-11页 |
| ·目前图像检索中存在的问题 | 第11-12页 |
| ·本文研究内容及组织结构 | 第12-13页 |
| ·本文思路及研究内容 | 第12页 |
| ·本文组织结构 | 第12-13页 |
| 第二章 图像底层特征提取 | 第13-21页 |
| ·图像颜色特征提取 | 第13-15页 |
| ·颜色空间 | 第13-14页 |
| ·颜色直方图 | 第14-15页 |
| ·颜色聚合向量 | 第15页 |
| ·颜色矩 | 第15页 |
| ·纹理特征的提取 | 第15-19页 |
| ·灰度共生矩阵 | 第16-17页 |
| ·Tamura纹理特征 | 第17页 |
| ·基于小波变换的纹理描述 | 第17-18页 |
| ·基于Gabor滤波器的纹理描述 | 第18-19页 |
| ·形状特征的提取 | 第19-20页 |
| ·傅立叶描述符 | 第19页 |
| ·形状无关矩 | 第19-20页 |
| ·图像的空间关系特征 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 图像显著区域的提取 | 第21-36页 |
| ·人类视觉系统与注意机制 | 第21-24页 |
| ·视觉注意的机制 | 第21-22页 |
| ·感受野 | 第22页 |
| ·尺度空间理论 | 第22-24页 |
| ·基于显著图的显著区域提取 | 第24-30页 |
| ·视觉特征的提取 | 第25-27页 |
| ·显著图生成 | 第27页 |
| ·显著区域提取 | 第27-29页 |
| ·显著图提取实验 | 第29-30页 |
| ·基于小波的显著区域提取 | 第30-35页 |
| ·小波简介及快速小波变换 | 第30-33页 |
| ·小波显著点的提取 | 第33页 |
| ·显著区域提取 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 结合多示例学习及显著区域的图像检索 | 第36-46页 |
| ·多示例学习简介 | 第36-39页 |
| ·概念的提出与应用于图像检索的作用 | 第36-38页 |
| ·与图像检索传统学习方法的区别 | 第38-39页 |
| ·多示例学习算法 | 第39-42页 |
| ·Diverse Density的定义 | 第39-41页 |
| ·用多样性密度获取目标概念的方法 | 第41-42页 |
| ·图像包生成 | 第42-44页 |
| ·结合多示例学习和显著区域的图像检索 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于图像显著区域的检索实验 | 第46-56页 |
| ·图像检索的评价标准 | 第46页 |
| ·特征空间选择与量化 | 第46-47页 |
| ·特征的结合与归一化 | 第47-48页 |
| ·相似性度量 | 第48-49页 |
| ·实验系统 | 第49-50页 |
| ·实验结果与性能分析 | 第50-54页 |
| ·图像检索实验一 | 第50-52页 |
| ·图像检索实验二 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 论文总结 | 第56-58页 |
| ·研究内容总结 | 第56页 |
| ·需要进一步研究的问题 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第61-62页 |
| 致谢 | 第62页 |
