基于高层语义的自然图像检索方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究的背景与意义 | 第9-10页 |
| ·国内外研究情况 | 第10-11页 |
| ·目前研究存在的问题 | 第11页 |
| ·主要研究内容 | 第11-12页 |
| ·论文的结构安排 | 第12-13页 |
| 第二章 基于语义图像检索系统简介 | 第13-19页 |
| ·图像语义模型 | 第13-15页 |
| ·层次语义模型 | 第13-14页 |
| ·图像语义提取模型 | 第14-15页 |
| ·图像语义表示 | 第15-16页 |
| ·文本表示法 | 第15-16页 |
| ·传统的知识表示法 | 第16页 |
| ·MPEG-7 | 第16页 |
| ·图像语义的提取方法 | 第16-18页 |
| ·对象和空间关系语义的提取方法 | 第16-17页 |
| ·场景和行为语义提取 | 第17-18页 |
| ·情感语义提取 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 彩色图像分割方法 | 第19-29页 |
| ·图像分割方法简述 | 第19-20页 |
| ·阈值分割 | 第20页 |
| ·基于边缘的分割方法 | 第20页 |
| ·区域增长图像分割方法 | 第20-23页 |
| ·区域归并法 | 第21页 |
| ·区域分裂法 | 第21-22页 |
| ·区域分裂与归并法 | 第22-23页 |
| ·K_均值聚类分割算法 | 第23-24页 |
| ·基于改进的K-均值聚类的图像分割方法 | 第24-28页 |
| ·最优阈值化 | 第24-25页 |
| ·连通区域象素标记 | 第25页 |
| ·改进的K-均值聚类算法 | 第25-26页 |
| ·小图像区域消解 | 第26页 |
| ·实验分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 底层视觉特征到高层语义的映射 | 第29-38页 |
| ·底层视觉特征提取 | 第29-31页 |
| ·颜色矩 | 第29页 |
| ·区域的矩 | 第29-30页 |
| ·特征向量内部归一化 | 第30-31页 |
| ·基于模糊神经网络的“语义鸿沟”映射方法 | 第31-37页 |
| ·模糊集的基本知识 | 第31-32页 |
| ·模糊神经网络发展历程 | 第32-33页 |
| ·模糊神经网络分类 | 第33页 |
| ·混合模糊神经网络模型设计 | 第33-35页 |
| ·加入动量项的BP改进学习算法 | 第35-37页 |
| ·高层语义自动获取 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第五章 自然图像检索系统设计及实验分析 | 第38-46页 |
| ·语义提取过程 | 第38-42页 |
| ·图像预处理 | 第38-39页 |
| ·训练模糊神经网络 | 第39-41页 |
| ·语义自动提取 | 第41-42页 |
| ·检索结果及分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 附录A 攻读硕士学位期间公开发表的学术论文 | 第54页 |
