| 目录 | 第2-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 特征提取与衡量研究现状 | 第9-13页 |
| 1.2.1 颜色 | 第9-10页 |
| 1.2.2 纹理 | 第10-11页 |
| 1.2.3 形状 | 第11-12页 |
| 1.2.4 区域 | 第12页 |
| 1.2.5 相似度衡量 | 第12-13页 |
| 1.3 论文的主要贡献 | 第13-14页 |
| 1.4 论文的内容安排 | 第14-15页 |
| 第二章 结合脉冲耦合神经网络与分布熵的图像检索 | 第15-30页 |
| 2.1 Unit-linking PCNN模型 | 第15-19页 |
| 2.1.1 PCNN的原理 | 第15-16页 |
| 2.1.2 Unit-linking PCNN模型的特点 | 第16-19页 |
| 2.2 分布熵和向量梯度 | 第19-21页 |
| 2.2.1 分布熵 | 第19-20页 |
| 2.2.3 向量梯度 | 第20-21页 |
| 2.3 算法流程 | 第21-23页 |
| 2.3.1 特征提取 | 第21-22页 |
| 2.3.2 相似度衡量 | 第22-23页 |
| 2.4 实验结果 | 第23-28页 |
| 2.4.1 Brodatz数据库实验 | 第23-24页 |
| 2.4.2 Corel数据库实验 | 第24-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 一种新的颜色相似度衡量方法 | 第30-39页 |
| 3.1 四元数颜色特征提取 | 第30-32页 |
| 3.2 加权主色优先距离(Weighted Main Colors First,WMCF) | 第32-34页 |
| 3.3 实验结果与分析 | 第34-38页 |
| 3.3.1 相似度衡量方法的比较 | 第34-36页 |
| 3.3.2 结合颜色与纹理的检索方法的比较 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于自适应图的图像检索方法 | 第39-58页 |
| 4.1 基于区域的图像检索和相关反馈 | 第39-41页 |
| 4.1.1 基于区域的图像检索(Region-base image retrieval,RBIR) | 第39-40页 |
| 4.1.2 相关反馈(Relevance Feedback,RF) | 第40-41页 |
| 4.2 区域特征提取与联合特征匹配 | 第41-44页 |
| 4.2.1 区域特征提取 | 第41-43页 |
| 4.2.2 联合特征匹配(Unified Feature Matching,UFM) | 第43-44页 |
| 4.3 自适应近邻图 | 第44-47页 |
| 4.3.1 传递学习方法 | 第44-45页 |
| 4.3.2 自适应近邻图 | 第45-47页 |
| 4.4 算法流程 | 第47-51页 |
| 4.4.1 算法整体框图 | 第47-49页 |
| 4.4.2 短期相关反馈 | 第49页 |
| 4.4.3 长期相关反馈 | 第49-50页 |
| 4.4.4 库外图像扩展 | 第50-51页 |
| 4.5 实验结果与分析 | 第51-57页 |
| 4.5.1 无相关反馈的检索效果 | 第51-52页 |
| 4.5.2 短期相关反馈的检索效果 | 第52-55页 |
| 4.5.3 长期相关反馈的检索效果 | 第55-56页 |
| 4.5.4 库外图像的扩展 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士期间发表及审稿中论文 | 第65-66页 |
| 致谢 | 第66-68页 |
