图像检索中基于SVM的相关反馈技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| §1.1 研究背景和意义 | 第7-8页 |
| §1.2 研究现状 | 第8-12页 |
| §1.3 本文研究的主要内容和各章节的安排 | 第12-13页 |
| 第二章 基于内容图像检索的基本技术 | 第13-28页 |
| §2.1 基于内容的图像检索系统模型 | 第13-14页 |
| §2.2 图像特征 | 第14-18页 |
| §2.2.1 颜色特征 | 第14-16页 |
| §2.2.2 纹理特征 | 第16-17页 |
| §2.2.3 形状特征 | 第17-18页 |
| §2.3 相似度量 | 第18-20页 |
| §2.4 图像索引 | 第20-21页 |
| §2.5 相关反馈 | 第21-25页 |
| §2.5.1 反馈中的用户模式 | 第22页 |
| §2.5.2 用户相关判断的度量方式 | 第22页 |
| §2.5.3 相关反馈算法 | 第22-24页 |
| §2.5.4 有记忆的相关反馈 | 第24-25页 |
| §2.6 性能评估 | 第25-27页 |
| §2.7 小结 | 第27-28页 |
| 第三章 图像底层特征 | 第28-45页 |
| §3.1 颜色特征 | 第28-34页 |
| §3.1.1 颜色空间 | 第28-29页 |
| §3.1.2 颜色空间的量化 | 第29-30页 |
| §3.1.3 HSV颜色空间 | 第30-31页 |
| §3.1.4 HSV颜色空间量化 | 第31-33页 |
| §3.1.5 本文提出的量化方法 | 第33-34页 |
| §3.2 纹理特征 | 第34-35页 |
| §3.3 形状特征 | 第35-36页 |
| §3.4 实验与结果分析 | 第36-44页 |
| §3.4.1 不同颜色量化方案实验比较 | 第36-39页 |
| §3.4.2 基于单特征和多特征的图像检索 | 第39-44页 |
| §3.5 本章小结 | 第44-45页 |
| 第四章 基于SVM的相关反馈技术 | 第45-63页 |
| §4.1 基于查询点移动与权值更新的相关反馈方法 | 第45-49页 |
| §4.1.1 查询点移动 | 第45页 |
| §4.1.2 权值更新 | 第45-48页 |
| §4.1.3 优化方法 | 第48-49页 |
| §4.2 支持向量机理论 | 第49-59页 |
| §4.2.1 统计学习问题 | 第50-51页 |
| §4.2.2 VC维数 | 第51-52页 |
| §4.2.3 结构风险最小化 | 第52-54页 |
| §4.2.4 支持向量机 | 第54-56页 |
| §4.2.5 核函数 | 第56-58页 |
| §4.2.6 广义最优分类面 | 第58-59页 |
| §4.3 基于支持向量机的相关反馈 | 第59-62页 |
| §4.3.1 研究现状 | 第59-61页 |
| §4.3.2 本文算法 | 第61-62页 |
| §4.4 本章小结 | 第62-63页 |
| 第五章 系统设计与实验结果分析 | 第63-72页 |
| §5.1 系统组成及实现 | 第63-65页 |
| §5.2 实验结果及分析 | 第65-72页 |
| 第六章 总结与展望 | 第72-74页 |
| §6.1 论文的主要工作和创新 | 第72页 |
| §6.2 论文存在的不足和今后的研究方向 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 硕士期间发表的论文 | 第79-80页 |
| 致谢 | 第80-81页 |
