结合语义和视觉特征的遗失关键块唐卡图像二次检索
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 图像检索技术综述 | 第9-11页 |
| 1.2.1 基于文本的图像检索 | 第9页 |
| 1.2.2 基于内容的图像检索 | 第9-10页 |
| 1.2.3 基于语义的图像检索 | 第10-11页 |
| 1.2.4 图像的二次检索 | 第11页 |
| 1.3 论文工作与总体架构 | 第11-13页 |
| 第2章 图像自动标注算法综述 | 第13-19页 |
| 2.1 国内外研究现状 | 第13-14页 |
| 2.2 基于分类的图像标注 | 第14-16页 |
| 2.2.1 二类分类模型 | 第14-15页 |
| 2.2.2 多示例学习模型 | 第15页 |
| 2.2.3 多层次混合模型 | 第15-16页 |
| 2.3 基于Search图像标注 | 第16-17页 |
| 2.3.1 AnnoSearch模型 | 第16页 |
| 2.3.2 SBIA模型 | 第16-17页 |
| 2.4 基于概率关联的图像标注 | 第17-18页 |
| 2.4.1 机器翻译模型 | 第17页 |
| 2.4.2 相关模型 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 分类关键块语义特征的提取与检索 | 第19-27页 |
| 3.1 分类关键块的选择 | 第19-20页 |
| 3.2 图像阈值分割方法 | 第20-22页 |
| 3.2.1 唐卡图像预处理 | 第20-21页 |
| 3.2.2 三种阈值分割方法 | 第21-22页 |
| 3.3 头饰特征的提取 | 第22-24页 |
| 3.3.1 头饰区域的分割 | 第22页 |
| 3.3.2 头饰轮廓特征的提取 | 第22-23页 |
| 3.3.3 头饰颜色特征的提取 | 第23-24页 |
| 3.4 基于语义的唐卡图像的第一次检索 | 第24-26页 |
| 3.4.1 基于头饰特征的语义检索 | 第24-25页 |
| 3.4.2 实验结果与分析 | 第25-26页 |
| 3.5 本章小结 | 第26-27页 |
| 第4章 唐卡图像遗失关键块周围区域的选定与分割 | 第27-37页 |
| 4.1 唐卡图像遗失关键块周围区域的选择与确定 | 第27页 |
| 4.2 唐卡图像遗失关键块周围区域的分割 | 第27-35页 |
| 4.2.1 图像连通区域标记算法 | 第28-29页 |
| 4.2.2 图像连通区域标记的改进算法 | 第29页 |
| 4.2.3 唐卡图像脸部分割过程 | 第29-33页 |
| 4.2.4 唐卡图像脸部分割结果与分析 | 第33-35页 |
| 4.3 本章小结 | 第35-37页 |
| 第5章 唐卡图像视觉特征的提取与二次检索 | 第37-45页 |
| 5.1 唐卡图像脸部区域视觉特征的选取 | 第37-38页 |
| 5.2 唐卡图像脸部区域视觉特征提取 | 第38-39页 |
| 5.2.1 脸部区域颜色特征的提取 | 第38页 |
| 5.2.2 HU不变矩方法简介 | 第38页 |
| 5.2.3 脸部区域形状特征的提取 | 第38-39页 |
| 5.3 基于内容的唐卡图像的第二次检索 | 第39-42页 |
| 5.4 遗失关键块唐卡图像二次检索系统结果分析 | 第42-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第6章 本论文的总结与展望 | 第45-47页 |
| 6.1 本论文的总结 | 第45页 |
| 6.2 存在的问题和进一步的研究工作 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 附录 | 第52-53页 |
| 致谢 | 第53页 |
