| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题的研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的主要研究内容及各章节的安排 | 第9-11页 |
| 第二章 图像检索的视觉特征提取方法 | 第11-24页 |
| ·颜色特征 | 第11-15页 |
| ·颜色直方图 | 第13-14页 |
| ·颜色相关图 | 第14-15页 |
| ·颜色矩 | 第15页 |
| ·空间/频率域的纹理特征 | 第15-18页 |
| ·基于Gabor小波纹理特征提取 | 第15-17页 |
| ·离散小波变换的纹理特征提取 | 第17-18页 |
| ·形状特征 | 第18-19页 |
| ·傅立叶形状描述子 | 第18-19页 |
| ·形状无关矩 | 第19页 |
| ·SIFT特征描述子 | 第19-23页 |
| ·DoG尺度空间生成 | 第19-20页 |
| ·特征点的搜索 | 第20-21页 |
| ·确定关键点位置及尺度 | 第21-22页 |
| ·确定关键点方向 | 第22页 |
| ·生成特征描述子 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 图像语义提取 | 第24-33页 |
| ·主成分分析(Principal Components Analysis,PCA) | 第24-26页 |
| ·K-Means聚类算法 | 第26-27页 |
| ·高斯混合模型(Gaussian Mixture Model,GMM) | 第27-28页 |
| ·支持向量机(SVM) | 第28-32页 |
| ·线性支持向量 | 第30-31页 |
| ·非线性支持向量 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于不同特征表达的图像语义标注 | 第33-45页 |
| ·图像的密集采样SIFT | 第33-34页 |
| ·图像表示模型 | 第34-40页 |
| ·视觉词袋(Bag of Visual Words) | 第34-36页 |
| ·Fisher Vector特征 | 第36-37页 |
| ·局部特征聚合描述符 | 第37-38页 |
| ·空间金字塔(Spatial Pyramid) | 第38-40页 |
| ·支持向量机的核函数 | 第40-42页 |
| ·径向基函数RBF(Radial Basis Function) | 第40-41页 |
| ·直方图交叉核函数(Histogram Intersection Kernel Function) | 第41-42页 |
| ·实验及结果分析 | 第42-43页 |
| ·小结 | 第43-45页 |
| 第五章 图像检索系统设计与仿真 | 第45-54页 |
| ·图像检索的索引 | 第45页 |
| ·综合多特征和语义的图像检索 | 第45-47页 |
| ·系统评价参数 | 第47-48页 |
| ·实验结果 | 第48-52页 |
| ·小结 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| ·研究工作总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |
| 攻读硕士学位期间研究成果 | 第62-63页 |
