摘要 | 第1-7页 |
ABSTRACT | 第7-15页 |
第1章 绪论 | 第15-29页 |
·课题背景和研究意义 | 第15-17页 |
·基于内容的多媒体视觉信息搜索的主要问题及国内外研究现状 | 第17-24页 |
·用户视觉内容搜索意向表达 | 第18-20页 |
·视觉内容特征描述 | 第20-23页 |
·视觉内容语义相关度计算 | 第23-24页 |
·技术难点及存在的问题 | 第24-25页 |
·本文研究内容与创新点 | 第25-29页 |
第2章 视觉内容多标注概念检测 | 第29-53页 |
·研究动机 | 第30-31页 |
·基于机器学习的视觉内容概念检测 | 第31-34页 |
·有监督学习概念检测算法 | 第31-32页 |
·半监督学习概念检测算法 | 第32-34页 |
·结构输出概念检测算法 | 第34页 |
·基于信号稀疏化表达理论的相关性估计 | 第34-38页 |
·稀疏化样本视觉相似性估计 | 第35-36页 |
·稀疏化概念分布相关性估计 | 第36-38页 |
·基于稀疏图结构的转导多标注概念检测 | 第38-43页 |
·正则化框架 | 第40-42页 |
·推理与优化 | 第42页 |
·概念检测置信度概率估计 | 第42-43页 |
·相关算法的理论关系 | 第43-46页 |
·与GRF半监督学习算法的关系 | 第43-44页 |
·与基于Sylvester方程的多标注算法的关系 | 第44-46页 |
·实验结果与分析 | 第46-52页 |
·实验设置 | 第46-47页 |
·与有监督概念检测算法实验比较结果 | 第47-48页 |
·与半监督概念检测算法实验比较结果 | 第48-50页 |
·算法复杂度分析 | 第50-52页 |
·本章小结 | 第52-53页 |
第3章 视觉内容特定概念检测 | 第53-67页 |
·研究动机 | 第54-55页 |
·CONTRAST-BOX滤波 | 第55-56页 |
·基于标准差特征平面CONTRAST-BOX滤波的船只目标检测方法 | 第56-62页 |
·检测特征平面建立 | 第56-58页 |
·特征平面Contrast-Box滤波疑似船只目标检测 | 第58页 |
·船只先验特征模型 | 第58-59页 |
·疑似船只目标验证 | 第59-62页 |
·实验结果及分析 | 第62-65页 |
·本章小结 | 第65-67页 |
第4章 视觉内容标注语义相关度排序 | 第67-87页 |
·研究动机 | 第68-70页 |
·标签排序与图像标注的关系 | 第70-71页 |
·基于视觉内容语义相关度的标签排序 | 第71-78页 |
·概率估计 | 第73-75页 |
·视觉相似度度量 | 第75-78页 |
·实验结果与分析 | 第78-85页 |
·实验数据 | 第78-79页 |
·视觉特征选择 | 第79页 |
·模型参数设置 | 第79页 |
·标签视觉信息语义相关先验概率的定性实验分析 | 第79-80页 |
·标签视觉信息语义相关先验概率的定量实验分析 | 第80-82页 |
·基于语义相关度似然概率的标签排序 | 第82-83页 |
·相关标签排序算法结果比较 | 第83-85页 |
·算法效率分析 | 第85页 |
·本章小结 | 第85-87页 |
第5章 面向颜色结构信息挖掘的交互式视觉内容搜索 | 第87-117页 |
·研究动机及相关工作介绍 | 第88-91页 |
·研究动机 | 第88-90页 |
·相关工作介绍 | 第90-91页 |
·面向颜色结构信息挖掘的视觉内容搜索方法 | 第91-102页 |
·系统框架 | 第91-93页 |
·Color-Layout特征提取 | 第93-95页 |
·颜色结构一致性计算 | 第95-99页 |
·颜色相似度定义与空间一致性计算 | 第99-101页 |
·感兴趣颜色结构交互表达 | 第101-102页 |
·实验分析 | 第102-114页 |
·实验数据与实验设置 | 第102-103页 |
·评价准则 | 第103-104页 |
·参数影响及性能分析 | 第104-107页 |
·颜色结构一致性定义中各模块性能分析 | 第107-109页 |
·相关算法实验结果比较 | 第109-110页 |
·感兴趣颜色结构实验分析 | 第110-113页 |
·用户评价调查 | 第113-114页 |
·本章小结 | 第114-117页 |
第6章 总结与展望 | 第117-121页 |
·本文研究内容回顾 | 第117-119页 |
·研究工作展望 | 第119-121页 |
参考文献 | 第121-133页 |
致谢 | 第133-135页 |
攻读学位期间发表的学术论文与取得的其他研究成果 | 第135页 |