基于本体的图像语义识别和检索研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·研究目标和主要研究内容 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 图像识别和检索研究综述 | 第12-27页 |
| ·现有的图像识别和检索系统 | 第12-14页 |
| ·图像识别和检索的关键技术 | 第14页 |
| ·图像分割与特征提取 | 第14-20页 |
| ·图像分割技术 | 第14-17页 |
| ·图像特征提取 | 第17-20页 |
| ·语义映射 | 第20-22页 |
| ·相似性度量 | 第22-23页 |
| ·机器学习与相关性反馈 | 第23-24页 |
| ·图像语义的形式化和推理 | 第24-25页 |
| ·图像识别和检索技术的难点及发展趋势 | 第25-27页 |
| 第三章 图像语义的层次模型和认知架构 | 第27-34页 |
| ·图像语义的层次模型 | 第27-28页 |
| ·图像语义的认知架构 | 第28-32页 |
| ·实体库的形成 | 第29-30页 |
| ·图像分割和特征提取 | 第30-31页 |
| ·决策树归纳学习模块 | 第31页 |
| ·实体解析模块 | 第31页 |
| ·高层语义解析模块 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 实体库构建和图像分割 | 第34-54页 |
| ·实体库构建 | 第34-39页 |
| ·实体模板的构建 | 第34-35页 |
| ·实体特征的获取 | 第35-39页 |
| ·基于ImageJ插件的特征抽取 | 第39-43页 |
| ·ImageJ背景及架构 | 第39-41页 |
| ·特征提取插件的开发 | 第41-42页 |
| ·实体特征的离散化 | 第42-43页 |
| ·基于各向异性扩散滤波的图像分割 | 第43-53页 |
| ·各向异性扩散滤波 | 第43-47页 |
| ·图像颜色的量化 | 第47-49页 |
| ·基于区域增长的图像分割方法 | 第49-51页 |
| ·图像分割结果的讨论 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 图像语义的描述和推理 | 第54-82页 |
| ·知识的描述方法 | 第54-56页 |
| ·几种经典的知识表示方法 | 第54-55页 |
| ·基于语义Web的知识表达方法 | 第55-56页 |
| ·基于RDF的图像描述 | 第56-61页 |
| ·语义Web中的元数据描述 | 第56-60页 |
| ·图像低层特征的元数据描述 | 第60-61页 |
| ·图像及其语义的描述 | 第61-75页 |
| ·SWRL语义网规则语言 | 第61-62页 |
| ·图像本体的构建 | 第62-72页 |
| ·图像语义SWRL规则的定制 | 第72-75页 |
| ·基于OMCSNet的语义消歧 | 第75-81页 |
| ·OMCSNet简介 | 第75-76页 |
| ·OMCSNet的构建 | 第76-78页 |
| ·图像的语义消歧 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 图像语义原型系统 | 第82-91页 |
| ·图像的分割及元数据的形成 | 第82-84页 |
| ·基于决策树的判定规则的生成 | 第84-89页 |
| ·实体模板数据的构建 | 第84-87页 |
| ·图像语义的决策树判定 | 第87-89页 |
| ·图像场景的语义网描述 | 第89-91页 |
| 第七章 结论和展望 | 第91-94页 |
| ·论文总结 | 第91-92页 |
| ·工作展望 | 第92-94页 |
| 参考文献 | 第94-103页 |
| 发表论文和科研情况说明 | 第103-104页 |
| 致谢 | 第104页 |
