| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题的背景与研究意义 | 第10页 |
| 1.2 课题研究的现状 | 第10-14页 |
| 1.2.1 基于传统特征提取方法的图像检索技术 | 第11-13页 |
| 1.2.2 基于新型特征提取方法的图像检索技术 | 第13-14页 |
| 1.3 本文图像检索系统的结构和图像库 | 第14-15页 |
| 1.4 图像检索技术的相似度量函数 | 第15-16页 |
| 1.5 检索性能评价准则 | 第16-17页 |
| 1.6 论文的主要内容及结构安排 | 第17-19页 |
| 1.6.1 主要研究内容 | 第17页 |
| 1.6.2 论文结构安排 | 第17-19页 |
| 第二章 两种传统的图像检索技术 | 第19-30页 |
| 2.1 基于HSV空间颜色特征的图像检索 | 第19-24页 |
| 2.1.1 HSV颜色空间模型 | 第19-21页 |
| 2.1.2 颜色特征提取方法 | 第21-22页 |
| 2.1.3 实验结果分析 | 第22-24页 |
| 2.2 基于灰度共生矩阵的图像检索 | 第24-29页 |
| 2.2.1 灰度共生矩阵 | 第24-25页 |
| 2.2.2 灰度共生矩阵特征提取方法 | 第25-27页 |
| 2.2.3 实验结果分析 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于哈希算法的图像检索技术 | 第30-41页 |
| 3.1 引言 | 第30页 |
| 3.2 感知哈希算法 | 第30-33页 |
| 3.2.1 感知哈希的构成与匹配 | 第30-31页 |
| 3.2.2 感知哈希的分类 | 第31-32页 |
| 3.2.3 感知哈希的特性 | 第32-33页 |
| 3.3 均值哈希算法及其改进算法在图像检索上的运用 | 第33-40页 |
| 3.3.1 均值哈希算法对图像特征的提取 | 第33-34页 |
| 3.3.2 改进型的均值哈希算法对图像特征的提取 | 第34-36页 |
| 3.3.3 实验结果分析 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于SIFT算法的图像检索技术 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 SIFT算法的原理 | 第41-47页 |
| 4.2.1 尺度空间极值检测 | 第41-43页 |
| 4.2.2 关键点定位 | 第43-45页 |
| 4.2.3 关键点方向的确定 | 第45-46页 |
| 4.2.4 关键点的描述和匹配 | 第46-47页 |
| 4.3 SIFT算法在图像检索上的运用 | 第47-50页 |
| 4.3.1 SIFT算法对图像特征的提取 | 第47-48页 |
| 4.3.2 实验结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于CNN算法的图像检索 | 第51-65页 |
| 5.1 引言 | 第51页 |
| 5.2 经典的卷积神经网络 | 第51-58页 |
| 5.2.1 经典的卷积神经网络模型 | 第51-53页 |
| 5.2.2 神经元 | 第53-54页 |
| 5.2.3 卷积层 | 第54-56页 |
| 5.2.4 子采样层 | 第56-57页 |
| 5.2.5 梯度计算 | 第57-58页 |
| 5.3 本文CNN模型及对图像特征的提取方法 | 第58-60页 |
| 5.4 实验结果分析 | 第60-64页 |
| 5.4.1 基于CNN的图像检索技术实验结果分析 | 第60-61页 |
| 5.4.2 本文算法的实验比较 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间的研究成果 | 第73页 |