| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景 | 第9页 |
| 1.2 研究现状与意义 | 第9-11页 |
| 1.3 论文结构 | 第11-12页 |
| 第2章 图像检索基础知识 | 第12-24页 |
| 2.1 特征提取 | 第12-20页 |
| 2.1.1 颜色特征 | 第12-14页 |
| 2.1.2 纹理特征 | 第14-16页 |
| 2.1.3 形状特征 | 第16-18页 |
| 2.1.4 空间关系特征 | 第18页 |
| 2.1.5 多特征技术 | 第18-20页 |
| 2.2 特征匹配 | 第20-22页 |
| 2.3 CBIR 相关反馈技术 | 第22-23页 |
| 2.3.1 相关反馈中用户的相关判断 | 第22页 |
| 2.3.2 相关反馈算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于 M 带提升小波的纹理特征提取 | 第24-33页 |
| 3.1 多分辨分析 | 第24-26页 |
| 3.2 Mallat 算法 | 第26-28页 |
| 3.3 提升算法 | 第28-31页 |
| 3.3.1 提升算法概述 | 第28页 |
| 3.3.2 提升小波变换原理 | 第28-29页 |
| 3.3.3 M 带小波提升格式 | 第29-31页 |
| 3.4 基于 M 带提升小波提取图像纹理特征 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于反馈验证的图像检索优化算法 | 第33-38页 |
| 4.1 传统无反馈图像检索算法 | 第33-34页 |
| 4.2 基于相关反馈图像检索算法 | 第34-36页 |
| 4.2.1 基于训练反馈的图像检索 | 第34-35页 |
| 4.2.2 基于用户反馈的图像检索 | 第35-36页 |
| 4.3 基于二次检索反馈验证优化算法 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 实验结果与分析 | 第38-46页 |
| 5.1 图像检索评价标准 | 第38-39页 |
| 5.2 基于 M 带提升小波的纹理图像检索 | 第39-41页 |
| 5.2.1 基于 M 带提升小波的灰度纹理图像检索 | 第39-40页 |
| 5.2.2 基于 M 带提升小波的彩色纹理图像检索 | 第40-41页 |
| 5.3 基于反馈验证的图像检索优化算法应用 | 第41-45页 |
| 5.3.1 基于反馈验证的灰度纹理图像检索优化 | 第41-42页 |
| 5.3.2 基于反馈验证的彩色纹理图像检索优化 | 第42-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 研究工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 附录A 攻读硕士学位期间研究成果 | 第51页 |