| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-39页 |
| ·研究背景 | 第11-15页 |
| ·研究现状 | 第15-37页 |
| ·底层视觉特征 | 第17-22页 |
| ·区域检索和显著性特征 | 第22-24页 |
| ·图像的高维特征约减和索引 | 第24-26页 |
| ·图像的相似性度量 | 第26-28页 |
| ·图像的聚类 | 第28-29页 |
| ·相关反馈 | 第29-34页 |
| ·其他相关的研究工作 | 第34-36页 |
| ·目前存在的问题和发展趋势 | 第36-37页 |
| ·本文的主要工作 | 第37-39页 |
| 2 纹理分析的非线性方法及其在图像检索中的应用 | 第39-99页 |
| ·一维时间序列复杂性与纹理检索 | 第41-72页 |
| ·一维时间序列复杂性算法 | 第47-51页 |
| ·二维图像一维化的扫描方法 | 第51-52页 |
| ·一个新的时间序列粗粒化框架 | 第52-55页 |
| ·一维时间序列复杂性算法与图像纹理分析 | 第55-58页 |
| ·基于一维时间序列复杂性算法的纹理图像检索实验 | 第58-72页 |
| ·二维序列复杂性与纹理检索 | 第72-87页 |
| ·二维CO复杂性 | 第72-73页 |
| ·二维CO复杂性的一些讨论 | 第73-75页 |
| ·二维复杂度纹理特征 | 第75-83页 |
| ·多尺度分维数 | 第83页 |
| ·基于二维序列复杂性算法的纹理图像检索实验 | 第83-87页 |
| ·复杂性算法在医学图像检索中的应用 | 第87-90页 |
| ·希尔伯特-黄变换与纹理检索 | 第90-98页 |
| ·图像的二维经验模式分解 | 第91-93页 |
| ·一种新的基于聚类的边界处理方法 | 第93-94页 |
| ·生成IMF的迭代次数和筛法终止条件 | 第94-96页 |
| ·特征提取 | 第96页 |
| ·基于希尔伯特-黄变换的纹理图像检索实验 | 第96-98页 |
| ·小结 | 第98-99页 |
| 3 选择性视觉注意计算模型与自然图像检索 | 第99-128页 |
| ·视觉注意机制的神经生理基础及其模型 | 第101-111页 |
| ·视觉注意机制的神经生理基础 | 第101-103页 |
| ·视觉注意机制的心理物理模型 | 第103-105页 |
| ·视觉注意机制的计算模型 | 第105页 |
| ·选择性视觉注意计算模型 | 第105-111页 |
| ·基于选择性视觉注意计算模型的自然图像检索 | 第111-117页 |
| ·图像兴趣点个数的选取 | 第111-112页 |
| ·基于选择性视觉注意计算模型的图像检索特征 | 第112-114页 |
| ·图像检索实验 | 第114-117页 |
| ·潜在语义标引与视觉注意计算模型在图像检索中的应用 | 第117-121页 |
| ·图像检索中的潜在语义标引方法 | 第117-119页 |
| ·图像检索算法 | 第119-120页 |
| ·图像检索实验 | 第120-121页 |
| ·多示例学习与视觉注意计算模型在图像检索中的应用 | 第121-126页 |
| ·多示例学习及其算法 | 第121-124页 |
| ·基于视觉注意计算模型的包生成器和图像检索实验 | 第124-126页 |
| ·小结 | 第126-128页 |
| 4 自然图像认知阈值的度量 | 第128-154页 |
| ·图像认知阈值的度量 | 第128-141页 |
| ·图像认知阈值 | 第129-131页 |
| ·图像信息量的计算 | 第131-135页 |
| ·图像视觉复杂性的计算 | 第135-140页 |
| ·语义阈值计算函数 | 第140-141页 |
| ·图像认知阈值的影响因素 | 第141-147页 |
| ·实验步骤 | 第141-142页 |
| ·使用Weber律计算函数的实验 | 第142-146页 |
| ·使用信噪比计算函数的实验 | 第146-147页 |
| ·结论 | 第147页 |
| ·心理物理学实验 | 第147-153页 |
| ·方法 | 第148-149页 |
| ·结果与分析 | 第149-153页 |
| ·小结 | 第153-154页 |
| 5 通用图像检索实验平台的研制与开发 | 第154-171页 |
| ·系统总体设计 | 第155页 |
| ·系统详细设计 | 第155-157页 |
| ·图像检索类谱系树 | 第156页 |
| ·其他设计 | 第156-157页 |
| ·平台运行界面和运行实例 | 第157-170页 |
| ·用户端程序主界面 | 第157-158页 |
| ·图像库管理 | 第158-159页 |
| ·数据管理 | 第159-161页 |
| ·特征数据库生成 | 第161-163页 |
| ·图像检索和相关反馈 | 第163-168页 |
| ·运行实例 | 第168-170页 |
| ·小结 | 第170-171页 |
| 6 总结与展望 | 第171-173页 |
| ·本文工作的总结 | 第171-172页 |
| ·下一步的工作 | 第172-173页 |
| 参考文献 | 第173-194页 |
| 附录 | 第194-196页 |
| 致谢 | 第196-197页 |
| 攻读博士学位期间的科研成果 | 第197页 |