| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 第一章 引言 | 第16-42页 |
| ·研究背景与意义 | 第16-21页 |
| ·研究背景 | 第16-17页 |
| ·基于内容的视频检索及其关键技术 | 第17-19页 |
| ·应用前景 | 第19-21页 |
| ·研究现状概述 | 第21-40页 |
| ·基于内容的视频检索 | 第21-22页 |
| ·高维索引机制 | 第22-26页 |
| ·相关反馈方法 | 第26-29页 |
| ·视觉特征的提取与表示 | 第29-36页 |
| ·相似性（距离）度量 | 第36-37页 |
| ·镜头分割 | 第37页 |
| ·视频分类 | 第37-38页 |
| ·已有视频检索系统 | 第38-39页 |
| ·存在的问题 | 第39-40页 |
| ·本文的贡献 | 第40-41页 |
| ·论文的组织 | 第41-42页 |
| 第二章 基于内容的视频片段检索 | 第42-54页 |
| ·引言 | 第42-43页 |
| ·基于联合分布直方图的视频子镜头分割 | 第43-47页 |
| ·子镜头特征提取 | 第47页 |
| ·视频片段检索 | 第47-50页 |
| ·实验结果 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第三章 基于语义监督的聚类索引方法 | 第54-78页 |
| ·引言 | 第54-55页 |
| ·相关工作 | 第55-59页 |
| ·高维索引技术 | 第55-58页 |
| ·视频语义分类 | 第58-59页 |
| ·视频数据的语义类别与特征分布 | 第59-60页 |
| ·高斯模型及其EM算法估计 | 第60-62页 |
| ·低层特征的高斯混合分布 | 第60页 |
| ·极大似然(Maximum Likelihood)估计 | 第60-62页 |
| ·语义监督的聚类索引方法 | 第62-66页 |
| ·视频语义分类 | 第66-67页 |
| ·视频检索及其复杂性分析 | 第67-69页 |
| ·实验结果 | 第69-74页 |
| ·语义分类实验 | 第69-70页 |
| ·近似检索实验 | 第70-74页 |
| ·本章小结 | 第74-78页 |
| 第四章 集成低层特征和语义信息的相关反馈方法 | 第78-88页 |
| ·引言 | 第78-79页 |
| ·相关研究 | 第79-80页 |
| ·Bayes分类器 | 第80-81页 |
| ·基于Bayes分类器的低层特征的相关反馈 | 第81-82页 |
| ·基于Bayes分类器的语义相关反馈 | 第82-84页 |
| ·实验结果 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第五章 快速高效的纹理谱描述子 | 第88-102页 |
| ·引言 | 第88-89页 |
| ·基本二值纹理模式 | 第89-91页 |
| ·基于视觉一致性的纹理模式的等价类划分 | 第91-93页 |
| ·纹理谱的特点分析 | 第93-94页 |
| ·基于纹理谱描述子的图象检索实验 | 第94-99页 |
| ·本章小结 | 第99-102页 |
| 第六章 基于内容的图象视频检索系统MIRES | 第102-108页 |
| ·MIRES系统的框架 | 第102页 |
| ·数据库管理子系统 | 第102-104页 |
| ·查询子系统 | 第104-107页 |
| ·本章小结 | 第107-108页 |
| 第七章 结束语 | 第108-111页 |
| ·本文工作总结 | 第108-109页 |
| ·下一步研究方向 | 第109-111页 |
| 参考文献 | 第111-120页 |
| 致谢 | 第120-121页 |
| 作者简历 | 第121-122页 |