基于Bayes统计学习的语义图像检索研究
| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 引言 | 第10-14页 |
| ·研究的背景与意义 | 第10-11页 |
| ·国内外研究情况 | 第11-12页 |
| ·论文研究的内容 | 第12-13页 |
| ·论文的结构安排 | 第13-14页 |
| 第二章 图像语义模型研究 | 第14-20页 |
| ·图像语义模型 | 第14-16页 |
| ·图像语义表示 | 第16-18页 |
| ·基于文本的知识表示法 | 第16-17页 |
| ·基于人工智能的知识表示法 | 第17页 |
| ·基于MPEG-7的知识表示法 | 第17-18页 |
| ·图像语义提取方法 | 第18-19页 |
| ·基于学习的语义提取方法 | 第18页 |
| ·基于人工交互的语义提取方法 | 第18-19页 |
| ·基于外部信息源的语义提取方法 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 图像分割方法和特征提取 | 第20-31页 |
| ·图像分割方法 | 第20-28页 |
| ·图像分割概述 | 第20-21页 |
| ·图像分割的一般方法 | 第21-22页 |
| ·K-means聚类分割算法 | 第22-23页 |
| ·改进的K-means聚类分割算法 | 第23-27页 |
| ·目标图像邻近区域处理 | 第27-28页 |
| ·特征提取 | 第28-30页 |
| ·颜色矩 | 第28-29页 |
| ·区域不变矩 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于Bayes统计学习的语义分类器设计 | 第31-40页 |
| ·Bayes定理 | 第31页 |
| ·Bayes分类方法 | 第31-34页 |
| ·基于Bayes统计学习的语义分类器设计 | 第34-39页 |
| ·数据定义 | 第34页 |
| ·基于Bayes的分类算法描述 | 第34-35页 |
| ·高层语义自动标注 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 图像检索原型系统设计 | 第40-58页 |
| ·图像检索原型系统总体框架 | 第40页 |
| ·系统功能模块描述 | 第40-41页 |
| ·数据库设计 | 第41-45页 |
| ·系统模块设计 | 第45-56页 |
| ·图像检索实验分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·工作总结 | 第58-59页 |
| ·工作展望 | 第59-60页 |
| 附录 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
