导读:本文包含了代表性图像论文开题报告文献综述及选题提纲参考文献，主要关键词:代表性图像,语义主题,互近邻一致性,AP聚类
代表性图像论文文献综述
齐美彬,朱俊俊,纪平,蒋建国[1]（2014）在《大规模图像集中的代表性图像选取》一文中研究指出针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题,提出了一种基于互近邻一致性和近邻传播的代表性图像选取算法,为每个查询选取与其相关的不同语义主题的图像集合.该算法利用互近邻一致性调整图像间的相似度,再进行近邻传播(AP)聚类将图像集分为若干簇,最后通过簇排序选取代表性图像簇并从中选取中心图像为代表性图像.实验表明,本文方法的性能超过基于K-means的方法和基于Greedy K-means的方法,所选图像能直观有效地概括源图像集的内容,并且在语义上多样化.(本文来源于《自动化学报》期刊2014年04期）
朱俊俊[2]（2013）在《大规模图像集中的代表性图像选取》一文中研究指出代表性图像选取是一种从网络相册集中选取最具代表性或最典型的图像摘要技术。它可以根据用户输入的查询关键词，返回与其相关的包含多种语义主题的图像集合，以供用户快速浏览、获取该查询的相关信息。近年来，代表性图像选取技术的应用领域越来越广泛，成为图像处理和分析、模式识别、人工智能等众多领域中的研究热点。本文的主要工作和创新点如下：1.概述了现有图像摘要方法的各个步骤，包括图像特征提取、基于特征的图像聚类、图像簇排名和选取代表性图像，并分析了现有方法的一些不足之处。2.针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题，提出了一种基于互近邻一致性和AP聚类的代表性图像选取算法。针对每个查询选取与其相关的包含不同语义主题的图像集。首先利用互近邻一致性调整图像间的相似度，然后利用AP聚类方法将图像集分为若干簇，对这些图像簇进行排名选出质量较高的簇，并从中选取中心图像作为代表性图像。实验表明该方法在查准率和查全率方面的性能超过基于K-means的方法和基于Greedy K-means的方法，选取的图像能直观有效地概括源图像集的内容,并且实现了语义上的多样化。3.针对代表性图像选取过程中不同特征的权值分配问题，提出了一种基于粒子群优化算法的自适应权值分配方法。将各个特征的权值分配问题转化为目标函数的优化问题，即将聚类结果的总质量Q作为目标函数，并采用粒子群优化算法对其进行优化，实现根据图像集自身的特性来分配各个特征的权重,从而更加有效的表示相似度量。实验表明该方法性能超过基于K-means的方法和基于Greedy K-means的方法，与基于KMNC-AP的方法相比，节省了大量的人力和时间。(本文来源于《合肥工业大学》期刊2013-04-01）
邱炳瑜[3]（2009）在《基于内容的图像收集和地区代表性图像选出系统的研究与实现》一文中研究指出随着英特网的发展,数字摄影的流行,公共媒体共享站点(如Flickr,YouTube等)的出现,网络社区贡献的多媒体资源与日俱增。这些资源信息拥有不可估计的深度和广度,给多媒体研究带来了新的机遇和挑战。如何从这些资源信息中分析、理解并且挖掘出通用模式以及如何利用这些网络社区贡献的非结构化组织的并且不受限制的媒体资源来提炼出“语义知识”已经成为一个新的研究课题。针对上述问题,本文提出了一个新颖的研究课题,即地区代表性图像的选出。通过利用大规模附有地理标识的图像资源库,为世界范围内不同地区的事物对象类别选出有代表性的图像,这对人们理解同一类事物在不同地区表现出来的差异性具有重要的现实意义。本文具体的研究工作主要包括以下几个方面。首先对基于内容的图像收集进行了深入研究,旨在为一般事物对象语义类别构建出一个丰富的图像资源信息库。在图像收集上,本文提出了基于内容的图像视觉特征聚类分析方法,利用融合的图像全局颜色特征和局部Bag-of-visual-words特征,对视觉无关联图像进行了有效的过滤,进而得到与事物对象类别最相关的图像集。然后,重点讨论了在对象分类识别中应用广泛的概率潜在语义分析(Probabilistic Latent SemanticAnalysis,PLSA)模型。最后,利用此模型分析方法,基于之前收集到的图像资源,针对生活中几类比较流行的事物对象类别,实现了其在典型地区有代表性的图像的选出。本文的研究成果对如何有效的利用网络社区贡献的大规模媒体资源库提炼出语义知识来帮助人们更好的理解现实世界提供了一个新的研究思路,具有一定的理论意义和应用价值,为图像分类识别技术及其应用,提供了有益的方法和手段。(本文来源于《北京邮电大学》期刊2009-02-15）
代表性图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
代表性图像选取是一种从网络相册集中选取最具代表性或最典型的图像摘要技术。它可以根据用户输入的查询关键词，返回与其相关的包含多种语义主题的图像集合，以供用户快速浏览、获取该查询的相关信息。近年来，代表性图像选取技术的应用领域越来越广泛，成为图像处理和分析、模式识别、人工智能等众多领域中的研究热点。本文的主要工作和创新点如下：1.概述了现有图像摘要方法的各个步骤，包括图像特征提取、基于特征的图像聚类、图像簇排名和选取代表性图像，并分析了现有方法的一些不足之处。2.针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题，提出了一种基于互近邻一致性和AP聚类的代表性图像选取算法。针对每个查询选取与其相关的包含不同语义主题的图像集。首先利用互近邻一致性调整图像间的相似度，然后利用AP聚类方法将图像集分为若干簇，对这些图像簇进行排名选出质量较高的簇，并从中选取中心图像作为代表性图像。实验表明该方法在查准率和查全率方面的性能超过基于K-means的方法和基于Greedy K-means的方法，选取的图像能直观有效地概括源图像集的内容,并且实现了语义上的多样化。3.针对代表性图像选取过程中不同特征的权值分配问题，提出了一种基于粒子群优化算法的自适应权值分配方法。将各个特征的权值分配问题转化为目标函数的优化问题，即将聚类结果的总质量Q作为目标函数，并采用粒子群优化算法对其进行优化，实现根据图像集自身的特性来分配各个特征的权重,从而更加有效的表示相似度量。实验表明该方法性能超过基于K-means的方法和基于Greedy K-means的方法，与基于KMNC-AP的方法相比，节省了大量的人力和时间。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
代表性图像论文参考文献
[1].齐美彬,朱俊俊,纪平,蒋建国.大规模图像集中的代表性图像选取[J].自动化学报.2014
[2].朱俊俊.大规模图像集中的代表性图像选取[D].合肥工业大学.2013
[3].邱炳瑜.基于内容的图像收集和地区代表性图像选出系统的研究与实现[D].北京邮电大学.2009