| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-23页 |
| ·多媒体检索技术的发展 | 第10-11页 |
| ·基于内容的多媒体检索系统的研究 | 第11-14页 |
| ·基于内容的检索系统的体系结构 | 第11-12页 |
| ·基于内容检索的关键技术 | 第12-14页 |
| ·CBIR 的难点分析 | 第14-15页 |
| ·高维索引技术 | 第15-21页 |
| ·高维索引的基本定义 | 第15-16页 |
| ·聚类技术的分析 | 第16-17页 |
| ·高维索引的关键技术 | 第17-19页 |
| ·高维索引技术发展趋势 | 第19-21页 |
| ·本文的组织结构 | 第21-23页 |
| 第2章 Sift 算法及其算子在检索中的应用 | 第23-33页 |
| ·Sift 算法 | 第23-28页 |
| ·Sift 兴趣点检测 | 第23-28页 |
| ·Sift 兴趣点描述 | 第28页 |
| ·Sift 描述子的匹配 | 第28-29页 |
| ·Sift 算法的扩展 | 第29-30页 |
| ·实验结果和分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于高维索引结构 M-tree 的近似检索 | 第33-52页 |
| ·高维索引结构M-tree | 第33-40页 |
| ·M-tree 的索引结构 | 第33-34页 |
| ·M-tree 的插入算法 | 第34-37页 |
| ·M-tree 的查询算法 | 第37-40页 |
| ·基于M-tree 结构查询算法的局限性 | 第40-41页 |
| ·基于M-tree 的近似检索算法 | 第41-47页 |
| ·基于M-tree 的ARQ 算法 | 第41-43页 |
| ·基于M-tree 的AKNNQ 算法 | 第43-47页 |
| ·实验结果和分析 | 第47-51页 |
| ·近似检索的性能度量 | 第47-48页 |
| ·M-tree 近似检索的实现 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 PI 高维索引结构构建方法的优化 | 第52-65页 |
| ·PI 高维索引结构 | 第52-58页 |
| ·PI 索引结构的构建 | 第53-54页 |
| ·PI 索引结构的查询算法 | 第54-57页 |
| ·排序关系的相似性度量 | 第57-58页 |
| ·Permutant 的选取方法 | 第58-62页 |
| ·Permutant 的不同选择方法 | 第58-59页 |
| ·维度区分方法 | 第59-62页 |
| ·实验结果和分析 | 第62-64页 |
| ·Permutant 的不同选择方法的实验分析 | 第62-63页 |
| ·维度区分方法的实验分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间参加的科研课题及成果 | 第72页 |