基于BP神经网络的图像检索方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 引言 | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·基于内容的图像检索技术研究现状 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第二章 基于内容图像检索相关技术研究 | 第12-20页 |
| ·基于颜色特征的图像检索技术 | 第12-16页 |
| ·颜色模型 | 第12-13页 |
| ·颜色特征的提取 | 第13-16页 |
| ·基于纹理特征的图像检索技术 | 第16-19页 |
| ·灰度共生矩阵 | 第16-17页 |
| ·Tamura 纹理特征 | 第17-18页 |
| ·小波变换 | 第18-19页 |
| ·基于形状特征的图像检索技术 | 第19-20页 |
| 第三章 基于BP 神经网络的图像分类 | 第20-25页 |
| ·BP 神经网络原理 | 第20页 |
| ·BP 神经网络的学习过程 | 第20-22页 |
| ·BP 神经网络的整个学习过程的具体步骤 | 第22-23页 |
| ·应用BP 神经网络进行图像分类 | 第23-25页 |
| 第四章 基于区域的图像特征提取 | 第25-28页 |
| ·图像分割概述 | 第25-26页 |
| ·基于K-均值聚类的彩色图像分割 | 第26页 |
| ·基于区域的图像特征提取 | 第26-28页 |
| 第五章 基于区域的相似性匹配 | 第28-41页 |
| ·相似性匹配概述 | 第28-29页 |
| ·欧氏距离 | 第28页 |
| ·马氏(Mahalanobis)距离 | 第28-29页 |
| ·非几何的相似性测度方法 | 第29页 |
| ·图像特征的归一化 | 第29-30页 |
| ·基于区域的QUADRATIC 距离 | 第30-31页 |
| ·实验结果与分析 | 第31-41页 |
| 结论 | 第41页 |
| 未来工作展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 在学期间公开发表论文及参与项目情况 | 第44-45页 |
| 致谢 | 第45页 |