| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 基于文本的图像检索 | 第11页 |
| 1.2.2 基于内容的图像检索 | 第11-12页 |
| 1.2.3 基于语义的图像检索 | 第12-14页 |
| 1.2.4 基于本体的图像检索 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 Hadoop相关技术研究 | 第17-24页 |
| 2.1 Hadoop整体框架 | 第17-18页 |
| 2.2 分布式文件系统HDFS | 第18页 |
| 2.3 并行编程模型MapReduce | 第18-23页 |
| 2.3.1 MapReduce技术分析 | 第18-21页 |
| 2.3.2 MapReduce流程及任务调度 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于本体的图像检索架构设计 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 本体的基本概念 | 第24-26页 |
| 3.2.1 本体的定义 | 第24-25页 |
| 3.2.2 本体的建模元语 | 第25-26页 |
| 3.2.3 本体中概念之间的关系 | 第26页 |
| 3.3 基于本体的图像描述 | 第26-27页 |
| 3.4 图像本体的构建 | 第27-30页 |
| 3.4.1 运动领域图像本体的构建 | 第28-29页 |
| 3.4.2 实验结果 | 第29-30页 |
| 3.5 基于本体的图像检索框架 | 第30-33页 |
| 3.5.1 图像基元提取 | 第32页 |
| 3.5.2 图像语义标注 | 第32-33页 |
| 3.5.3 基于本体的图像检索框架 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于空间信息的FCM图像基元提取 | 第34-44页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于模糊C均值的图像分割方法 | 第35-37页 |
| 4.3 融合彩色信息和空间信息的FCM图像分割算法 | 第37-41页 |
| 4.3.1 引入RGB彩色空间的nFCM_S算法 | 第37-38页 |
| 4.3.2 融合空间信息的nFCM_S算法 | 第38-41页 |
| 4.4 图像基元提取实验结果与分析 | 第41-43页 |
| 4.4.1 图像基元提取结果示例 | 第41-42页 |
| 4.4.2 图像基元提取质量评价指标 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于本体的图像语义标注 | 第44-52页 |
| 5.1 引言 | 第44-45页 |
| 5.2 基于本体的图像语义标注过程 | 第45-46页 |
| 5.3 基于CMRM算法的第一次标注 | 第46-47页 |
| 5.4 基于图学习算法的第二次标注 | 第47-48页 |
| 5.4.1 本体概念相似度的图学习算法 | 第47-48页 |
| 5.4.2 基于图学习的图像标注算法 | 第48页 |
| 5.5 图像语义标注实验结果与分析 | 第48-51页 |
| 5.5.1 图像语义标注结果示例 | 第49页 |
| 5.5.2 图像语义标注质量评价指标 | 第49-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |