基于颜色特征的快速图像检索技术的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文主要工作 | 第9-11页 |
| 第二章 图像检索关键技术 | 第11-19页 |
| 2.1 基于内容的图像检索系统原理及结构 | 第11页 |
| 2.2 图像低层语义特征提取 | 第11-14页 |
| 2.2.1 颜色特征 | 第12-13页 |
| 2.2.2 纹理特征 | 第13页 |
| 2.2.3 形状特征 | 第13-14页 |
| 2.3 图像高层语义特征提取 | 第14-15页 |
| 2.3.1 监督学习 | 第14页 |
| 2.3.2 无监督学习 | 第14页 |
| 2.3.3 半监督学习 | 第14页 |
| 2.3.4 强化学习 | 第14-15页 |
| 2.4 相似性度量 | 第15-16页 |
| 2.5 相关反馈技术 | 第16-17页 |
| 2.6 图像检索性能评价 | 第17-18页 |
| 2.6.1 查全率和查准率 | 第18页 |
| 2.6.2 ANMRR | 第18页 |
| 2.7 本章小结 | 第18-19页 |
| 第三章 基于颜色特征的图像检索 | 第19-32页 |
| 3.1 颜色特征提取基本概念 | 第19-22页 |
| 3.1.1 颜色空间 | 第19-21页 |
| 3.1.2 颜色量化 | 第21-22页 |
| 3.2 CAMI特征提取 | 第22-26页 |
| 3.2.1 背景介绍 | 第22页 |
| 3.2.2 颜色相关图定义 | 第22-24页 |
| 3.2.3 颜色相关图计算 | 第24页 |
| 3.2.4 颜色互信息 | 第24-25页 |
| 3.2.5 CAMI特征合成 | 第25-26页 |
| 3.3 实验结果与分析 | 第26-31页 |
| 3.3.1 算法分析实验 | 第26-29页 |
| 3.3.2 图像检索系统测试 | 第29-31页 |
| 3.4 本章总结 | 第31-32页 |
| 第四章 基于高层语义的图像检索 | 第32-49页 |
| 4.1 SVM原理 | 第32-38页 |
| 4.1.1 最优分类超平面 | 第33-35页 |
| 4.1.2 线性不可分数据 | 第35-36页 |
| 4.1.3 SVM参数选择 | 第36-37页 |
| 4.1.4 SVM多分类问题 | 第37页 |
| 4.1.5 决策矩阵 | 第37-38页 |
| 4.2 FCM原理 | 第38-41页 |
| 4.2.1 模糊集基本知识 | 第38页 |
| 4.2.2 HCM算法介绍 | 第38-40页 |
| 4.2.3 FCM算法介绍 | 第40-41页 |
| 4.3 基于SVM-FCM融合的高层语义特征矢量 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-48页 |
| 4.4.1 SVM训练 | 第43-44页 |
| 4.4.2 FCM训练 | 第44-45页 |
| 4.4.3 SVM-FCM矢量融合 | 第45-47页 |
| 4.4.4 图像检索系统测试 | 第47-48页 |
| 4.5 本章总结 | 第48-49页 |
| 第五章 基于相关反馈的图像检索 | 第49-57页 |
| 5.1 图像检索系统构建 | 第49-50页 |
| 5.2 相关反馈算法设计 | 第50-52页 |
| 5.2.1 查询点移动 | 第50页 |
| 5.2.2 算法设计 | 第50-52页 |
| 5.3 实验及分析 | 第52-56页 |
| 5.4 本章总结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 硕士期间论文发表情况 | 第65-66页 |
| 致谢 | 第66-67页 |
