| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 图像检索的概述 | 第8-9页 |
| 1.2 发展现状及问题 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 论文的结构安排 | 第11-13页 |
| 第2章 基于内容的图像检索的相关知识 | 第13-20页 |
| 2.1 图像的基础知识 | 第13-14页 |
| 2.2 相似性度量 | 第14-16页 |
| 2.2.1 欧氏距离(Euclidean Distance) | 第15页 |
| 2.2.2 曼哈顿距离(Manhattan Distance) | 第15页 |
| 2.2.3 汉明距离(Hamming Distance) | 第15-16页 |
| 2.3 基于全局特征的图像检索技术 | 第16-18页 |
| 2.4 基于局部特征的图像检索技术 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 图像特征的提取 | 第20-33页 |
| 3.1 颜色特征 | 第20-24页 |
| 3.1.1 RGB颜色空间 | 第20-21页 |
| 3.1.2 HSV颜色空间 | 第21-22页 |
| 3.1.3 CMY颜色空间 | 第22-23页 |
| 3.1.4 HSV特征提取 | 第23-24页 |
| 3.2 纹理特征 | 第24-31页 |
| 3.2.1 纹理特征的分类 | 第24-26页 |
| 3.2.2 LBP特征介绍 | 第26-31页 |
| 3.2.3 LBP特征提取步骤 | 第31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 哈希算法的介绍 | 第33-41页 |
| 4.1 局部敏感哈希 | 第33-36页 |
| 4.2 谱哈希和自学习哈希 | 第36-40页 |
| 4.2.1 谱哈希 | 第36-39页 |
| 4.2.2 自学习哈希 | 第39-40页 |
| 4.3 基于多特征融合哈希的图像检索技术 | 第40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 多特征融合哈希算法的设计与实现 | 第41-53页 |
| 5.1 特征提取 | 第41-42页 |
| 5.2 算法设计与实现 | 第42-43页 |
| 5.3 实验结果的比较与分析 | 第43-51页 |
| 5.4 本章小结 | 第51-53页 |
| 第6章 结论与展望 | 第53-56页 |
| 6.1 结论 | 第53-54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 作者简介及科研成果 | 第58-59页 |
| 致谢 | 第59页 |
