| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 本文的研究背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 图像检索 | 第10-12页 |
| 1.2.2 自动图像标注 | 第12-14页 |
| 1.3 存在的问题 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 相关工作及关键技术 | 第16-27页 |
| 2.1 特征提取 | 第16-22页 |
| 2.1.1 卷积神经网络特征 | 第16-17页 |
| 2.1.2 GIST特征 | 第17-18页 |
| 2.1.3 颜色直方图 | 第18-19页 |
| 2.1.4 SIFT特征 | 第19-22页 |
| 2.1.5 Hue特征 | 第22页 |
| 2.2 关键技术 | 第22-25页 |
| 2.2.1 典型相关分析 | 第22-23页 |
| 2.2.2 K最邻近算法 | 第23-24页 |
| 2.2.3 基于哈希的图像检索算法 | 第24-25页 |
| 2.3 相似性度量方法 | 第25-26页 |
| 2.3.1 L1距离 | 第25页 |
| 2.3.2 L2距离 | 第25-26页 |
| 2.3.3 KL距离 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于典型相关子空间和K最邻近的自动图像标注 | 第27-41页 |
| 3.1 构建语义空间和图像子集 | 第28-29页 |
| 3.2 相似性度量 | 第29页 |
| 3.3 基于贝叶斯的标签预测 | 第29页 |
| 3.4 基于词相关的标注优化 | 第29-30页 |
| 3.5 实验结果及分析 | 第30-40页 |
| 3.5.1 实验数据集 | 第30-31页 |
| 3.5.2 特征提取及降维 | 第31-34页 |
| 3.5.3 评测指标 | 第34-35页 |
| 3.5.4 实验结果分析 | 第35-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于分块哈希的图像检索 | 第41-62页 |
| 4.1 向量量化介绍 | 第42-43页 |
| 4.2 分块哈希 | 第43页 |
| 4.3 数据集介绍 | 第43-45页 |
| 4.4 特征提取 | 第45页 |
| 4.5 评测指标 | 第45页 |
| 4.6 实验结果及分析 | 第45-61页 |
| 4.6.1 块数的设置与分析 | 第46-53页 |
| 4.6.2 Caltech-256数据集上的实验结果比较 | 第53-56页 |
| 4.6.3 CIFAR-10数据集上的实验结果比较 | 第56-57页 |
| 4.6.4 不同数据集上的精确率和召回率比较 | 第57-58页 |
| 4.6.5 实验结果分析 | 第58-61页 |
| 4.7 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |