| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 课题背景及研究意义 | 第15-17页 |
| 1.2 图像分类与检索技术的发展历史和现状 | 第17页 |
| 1.3 本论文研究内容与章节安排 | 第17-19页 |
| 第二章 基于图像视觉特征的图像分类与检索方法 | 第19-33页 |
| 2.1 基于图像直接视觉特征的分类方法 | 第19-27页 |
| 2.1.1 基于颜色特征的图像分类技术 | 第19-23页 |
| 2.1.2 基于形状特征的图像分类技术 | 第23-25页 |
| 2.1.3 基于纹理特征的图像分类技术 | 第25-27页 |
| 2.2 基于哈希的图像检索方法 | 第27-32页 |
| 2.2.1 基于谱哈希的的图像检索算法 | 第28-31页 |
| 2.2.2 基于PCA-ITQ的图像检索算法 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 机器学习与图像视觉特征结合的图像检索方法 | 第33-59页 |
| 3.1 基于卷积神经网络的图像检索方法 | 第33-40页 |
| 3.1.1 神经网络算法简介 | 第33-36页 |
| 3.1.2 卷积神经网络算法 | 第36-40页 |
| 3.2 基于BOW的图像分类方法 | 第40-46页 |
| 3.2.1 词袋模型的构建与表示 | 第40-41页 |
| 3.2.2 图像SIFT特征简介 | 第41-43页 |
| 3.2.3 SVM介绍 | 第43-45页 |
| 3.2.4 基于BOW的图像特征表示 | 第45-46页 |
| 3.3 结合SIFT特征与卷积神经网络算法的图像检索方法 | 第46-52页 |
| 3.3.1 基于BOW后处理的图像检索算法 | 第46-50页 |
| 3.3.2 实验结果与分析 | 第50-52页 |
| 3.4 结合颜色特征与卷积神经网络算法的图像检索方法 | 第52-57页 |
| 3.4.2 构建颜色特征向量 | 第53-55页 |
| 3.4.3 构建图像融合特征向量 | 第55-56页 |
| 3.4.4 算法效果比较 | 第56-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 机器学习与图像视觉特征结合的图像分类方法 | 第59-79页 |
| 4.1 图像底层视觉特征 | 第59-62页 |
| 4.1.1 图像的局部自相似性特征 | 第59-61页 |
| 4.1.2 图像的PHOW特征 | 第61-62页 |
| 4.2 单核学习模型的局限性 | 第62-64页 |
| 4.2.1 支持向量机中的核函数 | 第62-64页 |
| 4.2.2 单核模型的局限性 | 第64页 |
| 4.3 基于多核学习的图像分类算法整体框架设计 | 第64-72页 |
| 4.3.1 融入CNN特征的多核学习算法框架 | 第64-68页 |
| 4.3.2 实验结果与分析 | 第68-72页 |
| 4.4 图像分类网站的设计与实现 | 第72-77页 |
| 4.4.1 图像分类网站整体框架 | 第72-74页 |
| 4.4.2 图像分类网站前台设计与效果 | 第74-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 总结和展望 | 第79-81页 |
| 5.1 研究内容总结 | 第79页 |
| 5.2 展望 | 第79-81页 |
| 参考文献 | 第81-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |