摘要 | 第1-7页 |
Abstract | 第7-10页 |
目录 | 第10-14页 |
插图索引 | 第14-16页 |
附表索引 | 第16-17页 |
第1章 绪论 | 第17-44页 |
·选题的背景和意义 | 第17-19页 |
·底层特征处理及语义挖掘技术 | 第19-40页 |
·底层特征计算和应用简析 | 第19-28页 |
·特征比较 | 第28-33页 |
·语义挖掘 | 第33-39页 |
·多媒体语义生成与认知过程的比较 | 第39-40页 |
·论文的主要工作 | 第40-42页 |
·论文的组织结构 | 第42-44页 |
第2章 理论基础 | 第44-52页 |
·引言 | 第44页 |
·粗糙集 | 第44-49页 |
·基础知识 | 第44-45页 |
·扩充模型 | 第45-48页 |
·知识获取 | 第48-49页 |
·商空间 | 第49-51页 |
·商空间基本概念 | 第49-50页 |
·分层递阶结构 | 第50-51页 |
·小结 | 第51-52页 |
第3章 一种改进的Mean-shift对象跟踪算法 | 第52-59页 |
·引言 | 第52-53页 |
·Mean-shift跟踪算法 | 第53-54页 |
·核密度估计和核函数 | 第53页 |
·Mean-shift跟踪算法 | 第53-54页 |
·Mean-shift跟踪算法存在的问题及其可行解决办法 | 第54-57页 |
·颜色空间选取 | 第55页 |
·颜色空间划分及映射算法 | 第55-56页 |
·目标对象的颜色类的提取过程 | 第56页 |
·候选对象的处理过程 | 第56-57页 |
·实验分析 | 第57-58页 |
·小结 | 第58-59页 |
第4章 概念粒的截分 | 第59-75页 |
·引言 | 第60-61页 |
·图像的粒截分模型的引出和定义 | 第61-64页 |
·截分 | 第61-62页 |
·模型定义 | 第62-64页 |
·彩图数据的量化 | 第64-65页 |
·矢量量化 | 第64页 |
·LBG算法 | 第64-65页 |
·数据预处理 | 第65-66页 |
·单概念分析算法(SAA) | 第66-69页 |
·算法的时间复杂度 | 第69页 |
·实验分析 | 第69-74页 |
·概念粒组 | 第70-71页 |
·单一概念粒 | 第71页 |
·单一连通粒 | 第71-74页 |
·尺度变化对连通粒的影响 | 第74页 |
·局限性分析 | 第74页 |
·小结 | 第74-75页 |
第5章 图像连通粒的快速提取和标注 | 第75-89页 |
·引言 | 第75-76页 |
·粒截分模型 | 第76-77页 |
·IGL算法 | 第77-81页 |
·算法原理 | 第77-80页 |
·算法实现 | 第80-81页 |
·实验比较 | 第81-88页 |
·可靠性验证 | 第81-83页 |
·对比分析 | 第83-85页 |
·彩色图像的连通粒标注实验 | 第85-88页 |
·小结 | 第88-89页 |
第6章 连通粒的底层特征提取和处理 | 第89-100页 |
·引言 | 第89-91页 |
·问题描述及相关数学模型 | 第91-93页 |
·问题描述 | 第91-92页 |
·相关的数学模型 | 第92-93页 |
·算法原理及实现 | 第93-95页 |
·算法原理 | 第93-95页 |
·算法实现 | 第95页 |
·实验分析 | 第95-98页 |
·对比分析 | 第96-97页 |
·应用示例 | 第97-98页 |
·小结 | 第98-100页 |
第7章 显著对象的非监督粗糙提取 | 第100-114页 |
·引言 | 第100-101页 |
·粒计算模型定义 | 第101-103页 |
·显著对象提取的框架及基本原理 | 第103-105页 |
·基础平台 | 第103页 |
·基本原理 | 第103-105页 |
·显著对象局部提取的实现 | 第105-107页 |
·时间复杂性分析、对比 | 第107-108页 |
·实验验证 | 第108-113页 |
·分步验证实验 | 第108-110页 |
·其他对比分析实验 | 第110-113页 |
·小结 | 第113-114页 |
结论与展望 | 第114-118页 |
参考文献 | 第118-132页 |
致谢 | 第132-133页 |
附录A 攻读学位期间发表的学术论文 | 第133-135页 |
附录B 攻读学位期间参加的科研课题及所获成果 | 第135页 |