| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 Web信息检索简介 | 第15-17页 |
| 1.1.1 发展现状 | 第15-17页 |
| 1.1.2 Web信息检索的性能评价 | 第17页 |
| 1.2 Web图像检索简介 | 第17-19页 |
| 1.2.1 基于文本的图像检索 | 第18-19页 |
| 1.2.2 基于内容的图像检索 | 第19页 |
| 1.2.3 Web图像检索的增强 | 第19页 |
| 1.3 Web图像检索增强技术的研究现状以及存在的挑战 | 第19-24页 |
| 1.3.1 Web图像检索相关性增强的研究现状 | 第20-21页 |
| 1.3.2 Web图像检索结果展示效果增强的研究现状 | 第21页 |
| 1.3.3 面向新型图像呈现形式的展示效果增强 | 第21-22页 |
| 1.3.4 面向缩略图的展示效果增强 | 第22页 |
| 1.3.5 Web图像检索增强技术存在的挑战 | 第22-24页 |
| 1.4 本文的工作 | 第24-27页 |
| 第二章 基于查询上下文的对象语义抽取 | 第27-45页 |
| 2.1 引言 | 第27-32页 |
| 2.1.1 Web图像检索中的语义鸿沟问题 | 第27-28页 |
| 2.1.2 不同层次的图像语义以及抽取方法分析 | 第28-29页 |
| 2.1.3 对象语义的特殊性 | 第29-30页 |
| 2.1.4 对象语义抽取的研究现状与缺陷 | 第30-32页 |
| 2.1.5 本章工作 | 第32页 |
| 2.2 对象语义抽取的支撑技术 | 第32-34页 |
| 2.2.1 基于显著图的对象检测技术 | 第32-33页 |
| 2.2.2 公共对象的挖掘技术 | 第33-34页 |
| 2.3 基于查询上下文的查询对象抽取流程 | 第34-35页 |
| 2.4 基于TF-IDF的查询扩展 | 第35-37页 |
| 2.5 面向图像检索结果的查询对象挖掘 | 第37-41页 |
| 2.6 基于多类分类的对象字典构建 | 第41-42页 |
| 2.7 本章小结 | 第42页 |
| 2.8 展望与讨论 | 第42-43页 |
| 注释 | 第43-45页 |
| 第三章 基于对象语言模型的图像搜索重排序 | 第45-67页 |
| 3.1 引言 | 第45-50页 |
| 3.1.1 应用背景 | 第45-47页 |
| 3.1.2 研究动机 | 第47-50页 |
| 3.1.3 本章工作 | 第50页 |
| 3.2 相关工作 | 第50-52页 |
| 3.2.1 基于对象的图像检索技术 | 第50-51页 |
| 3.2.2 基于语言模型的检索技术 | 第51-52页 |
| 3.3 基于对象语言模型的图像搜索重排序流程 | 第52页 |
| 3.4 基于语言模型的图像排序函数 | 第52-57页 |
| 3.4.1 基于风险最小化框架的排序函数推导 | 第53-54页 |
| 3.4.2 基于对象字典的文档语言模型估计 | 第54页 |
| 3.4.3 基于相关性假设的查询语言模型估计 | 第54-57页 |
| 3.5 基于监督学习的多假设集成 | 第57-59页 |
| 3.5.1 基于监督学习的重排序的形式化 | 第57-58页 |
| 3.5.2 基于监督学习的排序模型训练 | 第58-59页 |
| 3.6 实验结果与分析 | 第59-65页 |
| 3.6.1 数据集与实验设定 | 第59-61页 |
| 3.6.2 结果评测方法 | 第61-63页 |
| 3.6.3 排序结果比较 | 第63页 |
| 3.6.4 对假设的逐一评测 | 第63-64页 |
| 3.6.5 失败案例分析 | 第64-65页 |
| 3.7 本章小结 | 第65-66页 |
| 3.8 展望与讨论 | 第66页 |
| 注释 | 第66-67页 |
| 第四章 面向对象查询的图像搜索结果摘要 | 第67-85页 |
| 4.1 引言 | 第67-74页 |
| 4.1.1 应用背景 | 第67-69页 |
| 4.1.2 研究动机 | 第69-72页 |
| 4.1.3 本章的工作 | 第72-74页 |
| 4.2 多因素综合的优化框架 | 第74-78页 |
| 4.2.1 优化目标函数及概率松弛化 | 第74-75页 |
| 4.2.2 基于多粒度的类别多样性的判别 | 第75-76页 |
| 4.2.3 基于对象布局的图像美观度估计 | 第76-77页 |
| 4.2.4 基于配对的损失函数 | 第77-78页 |
| 4.2.5 基于梯度下降的目标函数优化 | 第78页 |
| 4.3 实验结果与分析 | 第78-82页 |
| 4.3.1 数据集与实验设定 | 第78-79页 |
| 4.3.2 用户调查 | 第79-80页 |
| 4.3.3 与基准方法的效果比较 | 第80-81页 |
| 4.3.4 效果分析 | 第81-82页 |
| 4.4 本章小结 | 第82页 |
| 4.5 展望与讨论 | 第82-83页 |
| 注释 | 第83-85页 |
| 第五章 查询相关的缩略图生成 | 第85-105页 |
| 5.1 引言 | 第85-88页 |
| 5.1.1 应用背景 | 第85-86页 |
| 5.1.2 研究动机 | 第86-87页 |
| 5.1.3 本章工作 | 第87-88页 |
| 5.2 相关工作 | 第88-89页 |
| 5.2.1 显示适配方法 | 第88页 |
| 5.2.2 图像填补技术 | 第88-89页 |
| 5.3 查询相关缩略图生成方法的流程 | 第89-90页 |
| 5.4 基于对象字典的前景对象定位 | 第90-91页 |
| 5.5 基于对象分析的图片可裁剪性判定 | 第91-93页 |
| 5.5.1 基于面积比例的图片可裁剪性判定 | 第91-92页 |
| 5.5.2 基于视觉密度的图片可裁剪性判定 | 第92-93页 |
| 5.6 基于前景定位结果的裁剪边界生成 | 第93-96页 |
| 5.6.1 基于统计的包围盒扩展 | 第93-94页 |
| 5.6.2 基于颜色熵的朴素背景识别 | 第94-95页 |
| 5.6.3 针对高/低长宽比的裁减边界调整 | 第95-96页 |
| 5.7 基于图像填补方法空缺背景合成 | 第96-97页 |
| 5.8 实验与结果分析 | 第97-101页 |
| 5.8.1 数据集与实验设定 | 第98页 |
| 5.8.2 前景定位实验 | 第98-99页 |
| 5.8.3 用户调研 | 第99-101页 |
| 5.9 本章小结 | 第101-103页 |
| 5.10 展望与讨论 | 第103页 |
| 注释 | 第103-105页 |
| 第六章 总结与展望 | 第105-109页 |
| 6.1 论文的工作总结 | 第105-106页 |
| 6.2 进一步的研究计划 | 第106-109页 |
| 参考文献 | 第109-119页 |
| 附录：攻读博士学位期间的学术成果和获奖情况 | 第119-121页 |
| 致谢 | 第121-123页 |