| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-18页 |
| ·研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-16页 |
| ·低层特征的提取与表示 | 第10-13页 |
| ·索引技术 | 第13-15页 |
| ·相关反馈技术 | 第15-16页 |
| ·研究内容及章节安排 | 第16-18页 |
| 第二章 图像特征提取 | 第18-31页 |
| ·引言 | 第18页 |
| ·加权颜色直方图特征提取 | 第18-23页 |
| ·基于颜色词命名的颜色直方图 | 第19-20页 |
| ·自适应位置加权的改进颜色直方图 | 第20-23页 |
| ·基于二值信息的低层特征提取 | 第23-28页 |
| ·主色和全局色的二值信息表示 | 第23-24页 |
| ·二值信息的形状特征提取与表示 | 第24-26页 |
| ·二值信息的纹理特征表示 | 第26-28页 |
| ·基于凹度树的形状特征提取 | 第28-30页 |
| ·凹度树的基本概念 | 第28-29页 |
| ·凹度树形状特征提取算法 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 图像检索索引技术研究 | 第31-46页 |
| ·引言 | 第31-32页 |
| ·基于SOON聚类的图像索引 | 第32-36页 |
| ·改进的SOON聚类方法 | 第32-36页 |
| ·基于SOON聚类的图像索引 | 第36页 |
| ·基于相似度聚类的动态树索引 | 第36-44页 |
| ·动态聚类索引树的结构 | 第37-38页 |
| ·基于相似度聚类动态树的构建算法 | 第38-40页 |
| ·类中心的计算及优化算法 | 第40-42页 |
| ·动态树的基本操作 | 第42-44页 |
| ·时间复杂度分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第四章 相关反馈方法技术研究 | 第46-62页 |
| ·引言 | 第46-47页 |
| ·基于有偏SVM的相关反馈方法(BSVM—RF) | 第47-50页 |
| ·有偏支持向量机(BSVM) | 第47-49页 |
| ·基于BSVM的相关反馈方法 | 第49-50页 |
| ·基于BOOSTING-BSVM的相关反馈方法(BBSVM—RF) | 第50-53页 |
| ·结合先验知识的Boosting学习方法 | 第50-52页 |
| ·基于BBSVM相关反馈算法 | 第52-53页 |
| ·基于长期学习的相关反馈算法(LBBSVM—RF) | 第53-55页 |
| ·长期学习知识库的建立 | 第53-54页 |
| ·基于长期学习相关反馈方法 | 第54-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·小结 | 第57-62页 |
| 第五章 基于内容的图像检索系统 | 第62-69页 |
| ·引言 | 第62页 |
| ·系统设计 | 第62-63页 |
| ·检索界面设计 | 第62-63页 |
| ·基本功能设计 | 第63页 |
| ·基于二值特征过滤的图像检索 | 第63-66页 |
| ·基于二值信息的过滤方法 | 第64-65页 |
| ·相似计算方法 | 第65-66页 |
| ·系统性能分析与实验 | 第66-68页 |
| ·小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·本文工作总结 | 第69-70页 |
| ·研究与展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间的主要研究成果 | 第78页 |