首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于内容的图像检索与过滤关键技术研究

摘要第1-4页
Abstract第4-10页
第一章 绪论第10-18页
   ·研究背景与意义第10-12页
     ·研究背景第10-11页
     ·研究意义第11-12页
   ·问题的提出及本论文的主要贡献第12-16页
     ·存在的问题第12-14页
     ·沦文的主要贡献第14-16页
   ·论文的组织结构第16-18页
第二章 基于内容图像检索相关技术综述第18-36页
   ·基于内容图像检索的发展历史及其概念与特点第18-19页
   ·图像内容的提取与表示第19-24页
     ·低层视觉特征表示与提取方法第20-22页
     ·语义特征提取第22-24页
   ·相关反馈技术第24-29页
     ·文本检索中的相关反馈方法第25-26页
     ·基于低层视觉特征的相关反馈方法第26-28页
     ·低层视觉特征和高层语义特征相结合的反馈第28-29页
   ·与基于内容的图像检索相关的其他问题第29-33页
     ·相似性度量方法第29-31页
     ·高维索引技术第31页
     ·多媒体检索相关标准第31页
     ·基于内容检索的评价指标第31-32页
     ·基于内容的图像检索方式第32-33页
   ·典型的图像检索系统第33-34页
   ·结论第34-36页
第三章 图像检索中的一种自适应相关反馈方法第36-50页
   ·引言第36页
   ·自适应相关反馈方法第36-39页
     ·基本原理第36-38页
     ·自适应反馈方法——Rich Get Richer方法第38-39页
   ·算法的实现过程第39-41页
     ·贝叶斯方法实现过程第39-40页
     ·Rich Get Richer方法实现过程第40页
     ·所采用的相似性度量方法第40-41页
   ·算法有效性的定性分析第41-43页
   ·实验结果及性能评价第43-47页
     ·视觉特征选择与提取第43-44页
     ·性能评价第44-47页
   ·结论第47-50页
第四章 面向相关反馈的图像语义模型第50-64页
   ·引言第50-51页
   ·图像间语义模型第51-52页
     ·基本定义第51-52页
     ·图像间语义模型表示方法第52页
   ·图像间语义关系的学习第52-56页
     ·基于图像关联因子的语义关系学习第52-55页
     ·基于互信息的语义关系学习第55-56页
   ·语义聚类方法第56-63页
     ·基于互信息的语义聚类第57-59页
     ·基于关联规则超图分割的语义聚类第59-63页
   ·结论第63-64页
第五章 基于内容图像过滤方法研究第64-86页
   ·引言第64-65页
   ·基于内容的图像过滤概念与特点第65-66页
   ·基于内容图像过滤模型第66-68页
   ·多层次特定类型图像过滤第68-78页
     ·多层次特定类型图像处理框架第68-69页
     ·肤色模型检验第69-73页
     ·基于 SVM方法识别第73-75页
     ·实验结果与分析第75-78页
   ·多特征特定类型图像过滤第78-84页
     ·多特征提取第78-82页
     ·分类器选择第82页
     ·相关反馈第82-83页
     ·实验结果比较第83-84页
   ·结论第84-86页
第六章 图像检索和过滤原型系统第86-96页
   ·ImageSeek第86-93页
     ·ImageSeek系统框架第86-87页
     ·ImageSeek人机界面第87-93页
   ·ImageFilter第93-94页
   ·总结第94-96页
第七章 结论与展望第96-100页
   ·论文工作总结第96-98页
   ·进一步工作第98-100页
参考文献第100-110页
作者简历及论文发表情况第110-112页
 【作者简历】第110页
 【攻读博士学位期间发表的主要论文】第110-111页
 【攻读博士学位期间参加的主要项目】第111页
 【攻读博士学位期间的获奖情况】第111-112页
致谢第112页

论文共112页,点击 下载论文
上一篇:员工培训与发展体系的构建——及成企业辅导案例分析
下一篇:纳米SrCeO3粉体的制备与分相趋势的影响