| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·引言 | 第7页 |
| ·图像数据库 | 第7-10页 |
| ·图像数据库检索的一般方法 | 第8-9页 |
| ·商标图像数据库 | 第9-10页 |
| ·基于内容的图像检索过程 | 第10-11页 |
| ·本文的主要研究工作 | 第11-12页 |
| ·本文的研究目的和意义 | 第12页 |
| ·本文的内容安排 | 第12-14页 |
| 2 基于内容的图像检索 | 第14-30页 |
| ·引言 | 第14页 |
| ·图像检索方法研究的背景及现状 | 第14-15页 |
| ·CBIR的主要方法分析 | 第15-26页 |
| ·基于图像颜色的方法 | 第15-16页 |
| ·基于图像纹理的方法 | 第16-17页 |
| ·基于图像形状的方法 | 第17-26页 |
| ·著名的图像检索系统介绍 | 第26-27页 |
| ·未来研究方向 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 本文的系统模型和评价准则设计 | 第30-35页 |
| ·CBIR系统模型 | 第30页 |
| ·CBIR系统评价标准 | 第30-34页 |
| ·检索回召率和检索精度 | 第32页 |
| ·平均积分比 | 第32-33页 |
| ·整个图像数据库的检索效率 | 第33-34页 |
| ·本文采用的检索性能评价准则 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 融合子图像形状与空间关系特征的商标检索的新方法 | 第35-62页 |
| ·引言 | 第35-36页 |
| ·子图像抽取算法 | 第36-39页 |
| ·商标图像的子图像抽取理论 | 第36-37页 |
| ·本文采用的子图像抽取算法 | 第37-38页 |
| ·子图像抽取示例 | 第38-39页 |
| ·本文的商标图像检索方法 | 第39-44页 |
| ·提出方法的前提 | 第39-40页 |
| ·方法的具体实现 | 第40-44页 |
| ·本文的商标图像检索算法 | 第44-50页 |
| ·平均值准则 | 第45页 |
| ·最小值准则 | 第45-46页 |
| ·最小平均值准则 | 第46-47页 |
| ·加权最小平均值准则 | 第47-49页 |
| ·基于多特征加权的子图像特征融合 | 第49-50页 |
| ·本文的检索算法 | 第50页 |
| ·实验结果与分析 | 第50-60页 |
| ·子图像特征融合准则实验结果与分析 | 第51-54页 |
| ·基于多特征的子图像融合实验结果与分析 | 第54-60页 |
| ·本章小结 | 第60-62页 |
| 5 基于内容的商标检索实验系统 | 第62-67页 |
| ·引言 | 第62-63页 |
| ·系统模块 | 第63-66页 |
| ·系统主界面 | 第63-64页 |
| ·图像处理 | 第64-65页 |
| ·检索参数设置 | 第65页 |
| ·检索结果浏览 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结束语 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |