摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第11-12页 |
缩略语对照表 | 第12-15页 |
第一章 绪论 | 第15-21页 |
1.1 引言 | 第15-16页 |
1.2 图像检索与聚类算法的发展现状 | 第16-19页 |
1.3 论文的主要工作及内容安排 | 第19-21页 |
第二章 基于形状的图形图像检索与聚类 | 第21-27页 |
2.1 引言 | 第21页 |
2.2 基于形状的图形图像检索 | 第21-24页 |
2.2.1 研究背景与内容 | 第21-22页 |
2.2.2 基于形状的特征提取方法 | 第22-24页 |
2.3 基于形状的图形图像聚类 | 第24-25页 |
2.4 本章小结 | 第25-27页 |
第三章 基于骨架图的图形图像匹配与检索 | 第27-41页 |
3.1 引言 | 第27页 |
3.2 形状上下文描述符 | 第27-29页 |
3.3 基于骨架图的形状描述符 | 第29-35页 |
3.3.1 Canny边缘检测 | 第30页 |
3.3.2 等间距采样点的提取 | 第30-31页 |
3.3.3 骨架结构图的构建 | 第31-32页 |
3.3.4 特征向量提取 | 第32-33页 |
3.3.5 两幅图像的匹配 | 第33-35页 |
3.4 实验结果和分析 | 第35-40页 |
3.4.1 图形骨架图匹配 | 第35-36页 |
3.4.2 在数据集中的检索 | 第36-40页 |
3.4.3 算法时间复杂度分析 | 第40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于受限diffusion processes的图形图像检索 | 第41-47页 |
4.1 引言 | 第41页 |
4.2 Diffusion Process | 第41-42页 |
4.3 局部受限的diffusion process | 第42-43页 |
4.4 实验结果与分析 | 第43-46页 |
4.4.1 参数的设定 | 第43页 |
4.4.2 实验结果与分析 | 第43-46页 |
4.5 本章小结 | 第46-47页 |
第五章 基于分解多目标进化算法的图形图像自动聚类 | 第47-63页 |
5.1 引言 | 第47页 |
5.2 多目标进化聚类算法 | 第47-49页 |
5.2.1 多目标优化的基础知识 | 第47-48页 |
5.2.2 多目标进化算法的发展 | 第48页 |
5.2.3 常用的多目标进化聚类的目标函数 | 第48-49页 |
5.3 图像图像的自动聚类 | 第49-54页 |
5.3.1 基于knn近邻的图划分 | 第50-51页 |
5.3.2 基于MOEA/D的图形图像聚类 | 第51-54页 |
5.4 实验结果与分析 | 第54-62页 |
5.4.1 对比算法与评价标准 | 第54-55页 |
5.4.2 在图形数据集上的聚类结果 | 第55-61页 |
5.4.3 参数对实验结果的影响 | 第61-62页 |
5.5 本章小结 | 第62-63页 |
第六章 总结与展望 | 第63-65页 |
6.1 总结 | 第63-64页 |
6.2 进一步工作 | 第64-65页 |
参考文献 | 第65-69页 |
致谢 | 第69-71页 |
作者简介 | 第71-72页 |