基于内容的图像检索和聚类反馈系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景与研究意义 | 第7-9页 |
| ·国内外研究现状和面临的主要问题 | 第9-10页 |
| ·本文研究内容和章节安排 | 第10-13页 |
| ·本文研究内容和所做工作 | 第10-11页 |
| ·论文章节安排 | 第11-13页 |
| 第二章 基于内容图像检索的相关技术 | 第13-33页 |
| ·CBIR体系结构概述 | 第13-15页 |
| ·图像特征的提取与表达 | 第13-14页 |
| ·有效检索 | 第14页 |
| ·用户接口 | 第14页 |
| ·基于内容图像检索的特点 | 第14-15页 |
| ·图像特征的提取与表达 | 第15-21页 |
| ·图像颜色特征 | 第15-18页 |
| ·图像纹理特征 | 第18页 |
| ·图像形状特征 | 第18-19页 |
| ·图像的语义特征 | 第19-21页 |
| ·图像高维特征降维和索引 | 第21-22页 |
| ·主分量分析 | 第21-22页 |
| ·LLE方法 | 第22页 |
| ·图像相似度度量 | 第22-25页 |
| ·相似公理 | 第22-23页 |
| ·常用的相似性度量方法 | 第23-25页 |
| ·查询类型 | 第25页 |
| ·范围查询 | 第25页 |
| ·K近邻查询 | 第25页 |
| ·图像检索中的相关反馈 | 第25-26页 |
| ·基于修改查询矢量或距离度量的反馈 | 第25-26页 |
| ·基于修改图像数据库点分布的反馈 | 第26页 |
| ·基于人工智能学习的反馈 | 第26页 |
| ·图像检索系统性能评价准则 | 第26-28页 |
| ·查全率和查准率 | 第27页 |
| ·命中准确率 | 第27页 |
| ·排序值评测法 | 第27-28页 |
| ·图像检索中的聚类算法 | 第28-33页 |
| ·聚类方法介绍 | 第28-30页 |
| ·K-means聚类算法 | 第30-31页 |
| ·总结聚类算法在图像检索中的应用点 | 第31-33页 |
| 第三章 基于内容的图像检索及聚类反馈系统的设计 | 第33-55页 |
| ·基于颜色特征的图像检索及聚类反馈系统架构 | 第33-37页 |
| ·基于内容图像检索的一般框架 | 第33-35页 |
| ·基于颜色特征的图像检索及聚类反馈系统框架设计 | 第35-37页 |
| ·基于HSV的图像颜色特征提取算法 | 第37-41页 |
| ·RGB颜色值转换为HSV颜色值 | 第38页 |
| ·非等间距量化计算HSV颜色直方图 | 第38-39页 |
| ·HSV分量合成一个向量 | 第39-41页 |
| ·聚类算法 | 第41-45页 |
| ·聚类算法选择 | 第41页 |
| ·聚类算法流程 | 第41-42页 |
| ·聚类效果评估 | 第42-45页 |
| ·主分量分析算法 | 第45-50页 |
| ·主分量分析原理 | 第46页 |
| ·PCA算法步骤 | 第46-47页 |
| ·Matlab仿真试验结果 | 第47-50页 |
| ·检索算法 | 第50-53页 |
| ·图像特征相似度判断算法选择 | 第51-52页 |
| ·查询类型选择 | 第52-53页 |
| ·聚类内部检索算法流程 | 第53页 |
| ·反馈算法 | 第53-55页 |
| ·基于聚类的反馈算法设计 | 第53页 |
| ·基于聚类的反馈算法流程 | 第53-55页 |
| 第四章 基于内容的图像检索及聚类反馈系统的实现 | 第55-63页 |
| ·相关技术 | 第55-56页 |
| ·系统模型 | 第56-60页 |
| ·实验结果分析 | 第60-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·完成的主要工作 | 第63-64页 |
| ·进一步研究方向 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 研究成果 | 第71页 |
