图像自动标注算法研究及其应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-13页 |
| 1.1.1 图像自动标注产生的原因 | 第8-10页 |
| 1.1.2 图像自动标注的方法分类 | 第10-12页 |
| 1.1.3 图像自动标注的问题 | 第12-13页 |
| 1.2 图像自动标注的国内外现状 | 第13-15页 |
| 1.3 本文的主要工作和组织结构 | 第15-16页 |
| 2 图像自动标注与特征提取 | 第16-30页 |
| 2.1 局部特征提取方法 | 第16-19页 |
| 2.1.1 特征点检测算法 | 第17-18页 |
| 2.1.2 特征点描述 | 第18-19页 |
| 2.2 AR-SURF 算法 | 第19-25页 |
| 2.2.1 积分图像法 | 第19-20页 |
| 2.2.2 特征点检测 | 第20-22页 |
| 2.2.3 特征点描述 | 第22-23页 |
| 2.2.4 图像的划分 | 第23页 |
| 2.2.5 特征描述方法 | 第23-25页 |
| 2.3 AR-SURF 算法流程 | 第25-26页 |
| 2.4 AR-SURF 算法实验比较 | 第26-28页 |
| 2.4.1 特征点定位时间比较 | 第26页 |
| 2.4.2 生成描述子时间比较 | 第26-28页 |
| 2.4.3 特征匹配效果实例 | 第28页 |
| 2.5 小结 | 第28-30页 |
| 3 图像自动标注与潜语义分析 | 第30-38页 |
| 3.1 潜语义分析 | 第30页 |
| 3.2 传统方法的缺点 | 第30-31页 |
| 3.3 矩阵的奇异值分解与降维 | 第31-32页 |
| 3.4 LSA 实验与分析 | 第32-36页 |
| 3.5 小结 | 第36-38页 |
| 4 图像自动标注与典型相关性分析 | 第38-49页 |
| 4.1 典型相关性分析 | 第38-41页 |
| 4.2 稀疏典型相关性算法 | 第41-44页 |
| 4.3 基于SparseCCA 的图像标注模型 | 第44-46页 |
| 4.4 自动标注模型的应用 | 第46-47页 |
| 4.4.1 图像挖掘 | 第46-47页 |
| 4.4.2 图像检索 | 第47页 |
| 4.5 小结 | 第47-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
