基于中层语义的图像场景分类算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 图像场景分类概述 | 第10-16页 |
| ·引言 | 第10页 |
| ·课题研究意义 | 第10-11页 |
| ·课题研究目的 | 第11-12页 |
| ·场景分类技术的发展现状 | 第12-14页 |
| ·中间语义场景分类方法 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 2 底层特征与语义鸿沟 | 第16-28页 |
| ·颜色特征 | 第16-18页 |
| ·纹理特征 | 第18-20页 |
| ·尺度不变特征变换 | 第20-24页 |
| ·语义鸿沟 | 第24-28页 |
| ·基于对象本体论定义高层语义 | 第25-26页 |
| ·机器学习方法建立底层视觉特征与高层语义的关系 | 第26-27页 |
| ·相关反馈学习用户主观意图 | 第27页 |
| ·生成语义模板支持高层图像检索 | 第27-28页 |
| 3 图像中间语义的表示模型 | 第28-39页 |
| ·图像语义 | 第28-29页 |
| ·语义的概念 | 第28页 |
| ·语义的框架 | 第28-29页 |
| ·基于颜色、纹理的中间语义 | 第29-32页 |
| ·视觉词包 | 第32-34页 |
| ·主体模型 | 第34-39页 |
| ·同义和多义 | 第34-35页 |
| ·概率潜在语义分析 | 第35-38页 |
| ·基于PLSA方法的语义提取 | 第38-39页 |
| 4 基于主题语义的场景分类 | 第39-46页 |
| ·基于PLSA场景分类 | 第39-41页 |
| ·基于分块PLSA场景分类 | 第41-46页 |
| ·支持向量机简介 | 第41-44页 |
| ·训练分类器 | 第44-46页 |
| 5 实验结果及分析 | 第46-54页 |
| ·实验结果 | 第46-49页 |
| ·场景分类性能评价 | 第49-54页 |
| ·词典容量对分类效果的影响 | 第50-51页 |
| ·主题数对分类效果的影响 | 第51页 |
| ·两种方法的性能比较 | 第51-54页 |
| 6 结论与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 作者简历 | 第57-59页 |
| 学位论文数据集 | 第59页 |
