基于要素的图像统计模型研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 序 | 第9-13页 |
| 1 引言 | 第13-18页 |
| ·研究背景和意义 | 第13页 |
| ·基于内容的图像检索研究发展现状 | 第13-15页 |
| ·基于要素的统计模型研究 | 第15-16页 |
| ·本文的研究内容及成果 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 2 基于要素的统计模型相关理论知识 | 第18-34页 |
| ·角点检测 | 第18-22页 |
| ·角点基本理论 | 第18页 |
| ·SUSAN角点检测 | 第18-20页 |
| ·Harris角点检测 | 第20-22页 |
| ·特征提取 | 第22-24页 |
| ·RGB颜色空间 | 第22页 |
| ·HSV颜色模型 | 第22-23页 |
| ·纹理特征 | 第23-24页 |
| ·相似性度量 | 第24-27页 |
| ·明氏距离 | 第24-25页 |
| ·二次型距离 | 第25页 |
| ·马氏距离 | 第25-26页 |
| ·EMD距离 | 第26-27页 |
| ·贝叶斯理论 | 第27-31页 |
| ·贝叶斯理论基本原理 | 第27-28页 |
| ·贝叶斯分类模型 | 第28-31页 |
| ·SVM学习 | 第31-33页 |
| ·SVM概念及特点 | 第31-32页 |
| ·机器学习的基本问题 | 第32页 |
| ·核函数 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于要素图像建模分析与改进 | 第34-49页 |
| ·角点检测 | 第34-37页 |
| ·Harris算法分析及 MATLAB编程实现 | 第34-35页 |
| ·Harris算法的改进 | 第35-37页 |
| ·要素特征提取 | 第37-41页 |
| ·空间位置特征 | 第37-38页 |
| ·颜色特征提取的改进 | 第38-39页 |
| ·纹理特征 | 第39-41页 |
| ·基于要素的图像表示 | 第41-48页 |
| ·像素包表示 | 第42-44页 |
| ·改进的属性关系图表示 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 4 改进的基于属性关系图的相似性度量 | 第49-68页 |
| ·ARG相关知识分析 | 第49-51页 |
| ·相关研究 | 第49-50页 |
| ·基于 ARG相似性度量概述 | 第50-51页 |
| ·相似转换 | 第51-54页 |
| ·相关知识介绍 | 第51-53页 |
| ·转换的设计 | 第53-54页 |
| ·似然转换的计算 | 第54-59页 |
| ·转换参数与 MRF匹配 | 第54-56页 |
| ·配分函数的计算 | 第56-57页 |
| ·近似边界值的计算 | 第57-59页 |
| ·转换参数的学习 | 第59-62页 |
| ·方法描述 | 第59-61页 |
| ·程序实现 | 第61-62页 |
| ·实验 | 第62-67页 |
| ·实验准备 | 第62-63页 |
| ·实验过程 | 第63-66页 |
| ·实验结果分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-69页 |
| ·总结 | 第68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
