基于对象提取的语义标注研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·论文的研究背景及选题意义 | 第9-10页 |
| ·研究现状与存在问题 | 第10-13页 |
| ·论文的研究方向和组织结构 | 第13-15页 |
| 2 彩色图像处理方法 | 第15-31页 |
| ·彩色图像处理 | 第15-17页 |
| ·图像滤波 | 第17-19页 |
| ·颜色量化 | 第19-24页 |
| ·几种典型的量化算法介绍 | 第19-20页 |
| ·CCF*-tree 量化算法 | 第20-24页 |
| ·图像分割算法 | 第24-27页 |
| ·几种典型的图像分割算法介绍 | 第24-25页 |
| ·JSEG 图像分割算法 | 第25-27页 |
| ·BP 神经网络 | 第27-30页 |
| ·图像处理小结 | 第30-31页 |
| 3 一种图像中主要对象的提取方法 | 第31-43页 |
| ·图像的对象层描述 | 第31-33页 |
| ·图像区域显著相关色(SCC)计算 | 第33-35页 |
| ·预处理 | 第33页 |
| ·显著相关色(SCC) | 第33-35页 |
| ·选取核心图像块 | 第35-37页 |
| ·扩展区域 | 第37-39页 |
| ·特征选取 | 第37-38页 |
| ·提取特征 | 第38页 |
| ·生成样本特征集并进行神经网络训练 | 第38页 |
| ·生成结果 | 第38-39页 |
| ·扩展区域 | 第39页 |
| ·结论 | 第39-43页 |
| 4 图像的语义标注 | 第43-57页 |
| ·图像的语义标注 | 第43-44页 |
| ·感兴趣物体的判断 | 第44-50页 |
| ·显著相关色(SCC) | 第45-46页 |
| ·分类依据 | 第46-48页 |
| ·实验结果和讨论 | 第48-50页 |
| ·感兴趣物体的语义标注 | 第50-57页 |
| ·图像含感兴趣物体区域大小的归一化 | 第50-51页 |
| ·小波变换 | 第51-52页 |
| ·变换颜色空间 | 第52-53页 |
| ·计算纹理特征 | 第53-54页 |
| ·神经网络分类器结构 | 第54-55页 |
| ·语义标注过程 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间发表的论文及取得的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
