| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.0 青花瓷图像的研究现状 | 第11页 |
| 1.2.1 图像检索的发展 | 第11-12页 |
| 1.2.2 基于内容的图像检索技术的国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作及论文构成 | 第13-16页 |
| 第二章 图像检索技术介绍 | 第16-30页 |
| 2.1 基于文本的图像检索 | 第16-21页 |
| 2.1.1 文本检索模型 | 第16-20页 |
| 2.1.2 索引模型 | 第20页 |
| 2.1.3 文本检索系统性能评测指标 | 第20-21页 |
| 2.2 基于内容的图像检索 | 第21-29页 |
| 2.2.1 常用图像特征的表示 | 第22-25页 |
| 2.2.2 图像相似性度量准则 | 第25-28页 |
| 2.2.3 图像检索算法性能的评价准则 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于文本的青花瓷图像检索 | 第30-44页 |
| 3.1 Lucene简介 | 第30-35页 |
| 3.1.1 Lucene的架构 | 第31-33页 |
| 3.1.2 Lucene的索引和检索 | 第33-34页 |
| 3.1.3 Lucene与数据库检索的比较 | 第34-35页 |
| 3.2 BM25排序算法 | 第35-38页 |
| 3.2.1 二元独立模型 | 第35-36页 |
| 3.2.2 BM25算法 | 第36-38页 |
| 3.3 加权优化的BM25算法 | 第38-42页 |
| 3.3.1 加权优化的BM25算法 | 第38-39页 |
| 3.3.2 算法性能研究及实验结果分析 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于内容的青花瓷图像检索 | 第44-70页 |
| 4.1 颜色特征的提取算法 | 第44-48页 |
| 4.1.1 颜色直方图 | 第44-45页 |
| 4.1.2 HSV颜色空间 | 第45-46页 |
| 4.1.3 HSV颜色空间的量化 | 第46-47页 |
| 4.1.4 相似度计算 | 第47-48页 |
| 4.2 纹理特征的提取算法 | 第48-56页 |
| 4.2.1 灰度共生矩阵 | 第48-52页 |
| 4.2.2 Tamura纹理特征 | 第52-54页 |
| 4.2.3 Gabor纹理特征 | 第54-56页 |
| 4.3 多特征融合 | 第56-58页 |
| 4.3.1 内部特征归一化 | 第56-57页 |
| 4.3.2 外部特征归一化 | 第57页 |
| 4.3.3 多特征融合方法和相似性度量 | 第57-58页 |
| 4.4 图像特征提取及检索实验 | 第58-69页 |
| 4.4.1 颜色特征 | 第58-60页 |
| 4.4.2 灰度共生矩阵 | 第60-63页 |
| 4.4.3 Tamura纹理特征 | 第63-64页 |
| 4.4.4 Gabor纹理特征 | 第64-66页 |
| 4.4.5 多特征融合 | 第66-69页 |
| 4.4.6 实验结果分析 | 第69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 基于文本和内容的青花瓷图像检索 | 第70-78页 |
| 5.1 总体框架及功能 | 第70-72页 |
| 5.2 基于文本和内容综合检索实验结果及分析 | 第72-75页 |
| 5.2.1 实验数据来源 | 第72页 |
| 5.2.2 实验结果及分析 | 第72-75页 |
| 5.3 本章小结 | 第75-78页 |
| 总结与展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-88页 |
| 致谢 | 第88页 |