基于视觉注意模型的图像检索方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 主要符号表 | 第19-20页 |
| 1 绪论 | 第20-36页 |
| 1.1 课题的研究背景及其意义 | 第20-22页 |
| 1.2 视觉认知和视觉注意模型 | 第22-25页 |
| 1.2.1 人类视觉认知特性与视觉注意系统 | 第22-24页 |
| 1.2.2 视觉注意与显著性检测的关系 | 第24页 |
| 1.2.3 视觉注意模型 | 第24-25页 |
| 1.3 基于内容的图像检索技术 | 第25-34页 |
| 1.3.1 图像特征提取 | 第27-29页 |
| 1.3.2 相似性度量 | 第29-30页 |
| 1.3.3 检索性能评价标准 | 第30-31页 |
| 1.3.4 测试数据集 | 第31-34页 |
| 1.4 本文研究的主要内容 | 第34-36页 |
| 2 基于对角结构描述子的图像特征提取 | 第36-55页 |
| 2.1 结构基元分析 | 第37-38页 |
| 2.2 对角结构描述子 | 第38-41页 |
| 2.2.1 对角结构理论基础 | 第38-39页 |
| 2.2.2 对角结构基元 | 第39-40页 |
| 2.2.3 对角结构基元匹配图像 | 第40-41页 |
| 2.3 对角结构特征提取 | 第41-47页 |
| 2.3.1 对角基元检测 | 第41-42页 |
| 2.3.2 检测基元非重叠性证明 | 第42-43页 |
| 2.3.3 图像分解和特征提取过程 | 第43-44页 |
| 2.3.4 图像特征表示 | 第44-47页 |
| 2.4 实验结果对比 | 第47-54页 |
| 2.4.1 不同特征组合的性能分析 | 第47-48页 |
| 2.4.2 检索性能评价 | 第48-54页 |
| 2.5 本章小结 | 第54-55页 |
| 3 基于多趋势二值编码描述子的图像特征提取 | 第55-66页 |
| 3.1 局部结构描述子 | 第56-57页 |
| 3.2 多趋势二值编码描述子 | 第57-59页 |
| 3.2.1 MTBCD定义 | 第57-58页 |
| 3.2.2 基于MTBCD的共生矩阵 | 第58页 |
| 3.2.3 MTBCD特征提取框架 | 第58-59页 |
| 3.3 实验结果与分析 | 第59-65页 |
| 3.3.1 不同颜色划分和结构块大小性能比较 | 第59-60页 |
| 3.3.2 图像检索结果比较 | 第60-61页 |
| 3.3.3 分类检索精度比较 | 第61页 |
| 3.3.4 不同数据集上的检索精度 | 第61-64页 |
| 3.3.5 检索结果曲线 | 第64-65页 |
| 3.3.6 维度比较 | 第65页 |
| 3.4 本章小结 | 第65-66页 |
| 4 基于连通粒的显著区域特征提取 | 第66-84页 |
| 4.1 相关概念 | 第67-70页 |
| 4.1.1 HSV颜色空间 | 第67页 |
| 4.1.2 连通粒概念 | 第67-70页 |
| 4.2 显著区域特征提取 | 第70-74页 |
| 4.2.1 新的结构元 | 第70-71页 |
| 4.2.2 连通粒属性及分层模型 | 第71-72页 |
| 4.2.3 自适应向量融合模型 | 第72页 |
| 4.2.4 特征提取 | 第72-74页 |
| 4.3 实验结果与分析 | 第74-82页 |
| 4.3.1 非均匀颜色量化和连通性比较 | 第74-75页 |
| 4.3.2 不同颜色空间检索精度比较 | 第75-77页 |
| 4.3.3 图像检索结果比较 | 第77-78页 |
| 4.3.4 精度和召回率比较 | 第78-82页 |
| 4.4 本章小结 | 第82-84页 |
| 5 基于韦伯定律的多层卷积显著特征图像检索 | 第84-100页 |
| 5.1 相关概念 | 第85-87页 |
| 5.1.1 基于局部描述子的图像特征提取 | 第85页 |
| 5.1.2 韦伯定律 | 第85-86页 |
| 5.1.3 韦伯局部描述子及其改进 | 第86-87页 |
| 5.2 WLSF的构建过程 | 第87-92页 |
| 5.2.1 多层卷积模型 | 第87-88页 |
| 5.2.2 差分激励图像 | 第88-89页 |
| 5.2.3 WLSF方法的框架 | 第89-92页 |
| 5.2.4 WLSF算法 | 第92页 |
| 5.3 实验结果与分析 | 第92-99页 |
| 5.3.1 场景图像检索 | 第93-96页 |
| 5.3.2 旋转对象图像检索 | 第96-97页 |
| 5.3.3 彩色纹理图像检索 | 第97-99页 |
| 5.4 本章小结 | 第99-100页 |
| 6 基于谱嵌入的多视角特征融合图像检索 | 第100-117页 |
| 6.1 相关概念 | 第101-103页 |
| 6.1.1 降维方法 | 第101-102页 |
| 6.1.2 多视角谱嵌入 | 第102-103页 |
| 6.2 S-MSE学习框架 | 第103-108页 |
| 6.2.1 S-MSE局部嵌入 | 第103-105页 |
| 6.2.2 S-MSE全局嵌入和更新优化 | 第105-107页 |
| 6.2.3 S-MSE框架 | 第107-108页 |
| 6.3 实验结果与分析 | 第108-116页 |
| 6.3.1 不同距离度量的检索结果比较 | 第108-110页 |
| 6.3.2 不同数据集上的检索结果比较 | 第110-115页 |
| 6.3.3 特征维度比较 | 第115-116页 |
| 6.4 本章小结 | 第116-117页 |
| 7 结论与展望 | 第117-120页 |
| 7.1 结论 | 第117-118页 |
| 7.2 创新点摘要 | 第118-119页 |
| 7.3 展望 | 第119-120页 |
| 参考文献 | 第120-128页 |
| 攻读博士学位期间科研项目及科研成果 | 第128-130页 |
| 致谢 | 第130-131页 |
| 作者简介 | 第131页 |
