| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-26页 |
| ·图像检索的应用和技术背景 | 第14-16页 |
| ·图像检索的发展阶段 | 第16-18页 |
| ·基于关键词的图像检索 | 第16-17页 |
| ·基于内容的图像检索 | 第17-18页 |
| ·国内外的研究现状 | 第18-23页 |
| ·科研成果和研究机构 | 第18-20页 |
| ·相关标准 | 第20页 |
| ·研究热点 | 第20-23页 |
| ·研究内容及创新点 | 第23-26页 |
| ·主要研究内容和结构安排 | 第23-24页 |
| ·论文的创新点 | 第24-26页 |
| 第二章 CBIR的基本知识及关键技术 | 第26-44页 |
| ·图像检索系统的基本知识 | 第26-31页 |
| ·CBIR系统的基本框图 | 第26页 |
| ·图像检索系统的分类 | 第26-28页 |
| ·图像检索系统的应用 | 第28-29页 |
| ·常见查询方式 | 第29-30页 |
| ·典型的图像检索系统 | 第30-31页 |
| ·CBIR关键技术概述 | 第31-33页 |
| ·底层特征 | 第33-35页 |
| ·颜色特征 | 第33-34页 |
| ·纹理特征 | 第34-35页 |
| ·形状特征 | 第35页 |
| ·相似度量 | 第35-38页 |
| ·常用度量方法 | 第36-37页 |
| ·视觉相似性 | 第37-38页 |
| ·相关反馈 | 第38-39页 |
| ·索引机制 | 第39-41页 |
| ·性能评估 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第三章 利用视觉特性的HSV空间量化 | 第44-72页 |
| ·颜色量化技术 | 第44-48页 |
| ·概述 | 第45-46页 |
| ·相关研究 | 第46-48页 |
| ·颜色空间 | 第48-51页 |
| ·颜色空间的分类 | 第48页 |
| ·HSV颜色空间 | 第48-50页 |
| ·L~*a~*b~*颜色空间 | 第50-51页 |
| ·本章算法的核心思想 | 第51-52页 |
| ·基于彩色-灰度分界曲线的量化算法 | 第52-64页 |
| ·HSV空间的颜色分布 | 第53-57页 |
| ·彩色-灰度分界曲线函数 | 第57-63页 |
| ·量化方案 | 第63-64页 |
| ·实验 | 第64-71页 |
| ·数据准备 | 第64页 |
| ·实验结果与讨论 | 第64-71页 |
| ·小结 | 第71-72页 |
| 第四章 反映颜色关注度的底层特征 | 第72-98页 |
| ·反映感知特性的底层特征 | 第72-79页 |
| ·CBIR中的感知特性 | 第72-74页 |
| ·底层特征的限制 | 第74-77页 |
| ·底层特征的感知特性 | 第77-79页 |
| ·颜色感知理论及结论 | 第79-84页 |
| ·灰度视觉及结论 | 第79-81页 |
| ·彩色视觉及结论 | 第81-84页 |
| ·本章算法的核心思想 | 第84-85页 |
| ·颜色关注度 | 第85-91页 |
| ·亮度关注度增量函数 | 第85-89页 |
| ·色度关注度增量函数 | 第89-90页 |
| ·颜色关注度函数 | 第90-91页 |
| ·基于颜色关注度的底层特征 | 第91-92页 |
| ·预处理 | 第91页 |
| ·基于颜色关注度的直方图 | 第91-92页 |
| ·实验 | 第92-96页 |
| ·数据准备 | 第93页 |
| ·实验结果 | 第93-96页 |
| ·讨论 | 第96页 |
| ·小结 | 第96-98页 |
| 第五章 基于强边缘块特征的时域多分辨率视频分割算法 | 第98-114页 |
| ·相关研究及本章算法的核心思想 | 第98-101页 |
| ·相关研究 | 第99-100页 |
| ·本章算法的核心思想 | 第100-101页 |
| ·基于强边缘块的底层特征 | 第101-103页 |
| ·多分辨率自适应的镜头分割 | 第103-109页 |
| ·多分辨率算法流程 | 第103-106页 |
| ·镜头位置分析 | 第106-108页 |
| ·最优尺度 | 第108页 |
| ·自适应阈值 | 第108-109页 |
| ·实验 | 第109-113页 |
| ·数据准备 | 第109-110页 |
| ·实验结果与讨论 | 第110-113页 |
| ·小结 | 第113-114页 |
| 第六章 反映感知特性的动态相似度量 | 第114-130页 |
| ·相似度量的基本特点 | 第114-116页 |
| ·相关研究与本章算法的核心思想 | 第116-119页 |
| ·广义和狭义的相似度量 | 第116-117页 |
| ·相关研究 | 第117-118页 |
| ·本章算法的核心思想 | 第118-119页 |
| ·基于动态感知因子的相似度量 | 第119-122页 |
| ·Minkowski距离的缺陷分析 | 第119-121页 |
| ·动态感知因子和度量算法 | 第121-122页 |
| ·本章算法的优化方案 | 第122-124页 |
| ·优化方案Ⅰ | 第122-123页 |
| ·优化方案Ⅱ | 第123-124页 |
| ·实验 | 第124-128页 |
| ·数据准备 | 第124页 |
| ·实验结果 | 第124-128页 |
| ·讨论 | 第128页 |
| ·小结 | 第128-130页 |
| 参考文献 | 第130-142页 |
| 攻读博士期间取得的科研成果 | 第142-144页 |
| 致谢语 | 第144-145页 |