基于流形学习和字典学习的图像检索
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 基于内容图像检索系统的发展现状 | 第14-16页 |
| 1.2.1 商用系统 | 第15页 |
| 1.2.2 网络应用系统 | 第15页 |
| 1.2.3 科学研究应用系统 | 第15-16页 |
| 1.3 本文研究内容及组织结构 | 第16-19页 |
| 1.3.1 本文研究内容 | 第16-17页 |
| 1.3.2 本文组织结构 | 第17-19页 |
| 第二章 图像检索技术概述 | 第19-29页 |
| 2.1 图像的特征提取技术 | 第19-22页 |
| 2.1.1 颜色特征提取 | 第19-21页 |
| 2.1.2 纹理特征提取 | 第21-22页 |
| 2.1.3 形状特征提取 | 第22页 |
| 2.2 相似性度量技术 | 第22-24页 |
| 2.2.1 欧氏距离 | 第23页 |
| 2.2.2 明氏距离 | 第23页 |
| 2.2.3 马氏距离与二次式距离 | 第23页 |
| 2.2.4 非空间距离的相似性度量方法 | 第23-24页 |
| 2.3 索引技术 | 第24页 |
| 2.3.1 多维索引技术 | 第24页 |
| 2.3.2 近似最近邻方法 | 第24页 |
| 2.3.3 基于过滤的方法 | 第24页 |
| 2.4 相关反馈技术 | 第24-26页 |
| 2.4.1 查询点移动 | 第25页 |
| 2.4.2 特征权重调整法 | 第25-26页 |
| 2.4.3 基于统计学习理论的方法 | 第26页 |
| 2.4.4 基于机器学习理论的方法 | 第26页 |
| 2.5 图像检索系统性能评价准则 | 第26-27页 |
| 2.6 小结 | 第27-29页 |
| 第三章 有偏的最大边缘分析法(BMMP) | 第29-49页 |
| 3.1 流形学习理论研究 | 第29-34页 |
| 3.1.1 LPP和MFA算法分析 | 第29-33页 |
| 3.1.2 图嵌入框架理论 | 第33-34页 |
| 3.2 有偏的最大边缘嵌入(BMMP) | 第34-39页 |
| 3.2.1 MMP算法分析 | 第34-37页 |
| 3.2.2 有偏的最大边缘嵌入(BMMP) | 第37-39页 |
| 3.3 实验结果分析 | 第39-48页 |
| 3.3.1 实验过程介绍 | 第39-40页 |
| 3.3.2 结果与分析 | 第40-48页 |
| 3.4 总结 | 第48-49页 |
| 第四章 基于K-SVD字典学习的图像检索 | 第49-61页 |
| 4.1 字典学习算法简介 | 第49页 |
| 4.2 K-SVD字典学习算法分析 | 第49-53页 |
| 4.2.1 K-均值方法介绍 | 第49-50页 |
| 4.2.2 K-SVD字典学习方法 | 第50-53页 |
| 4.3 基于K-SVD的图像检索 | 第53-54页 |
| 4.4 实验结果和分析 | 第54-59页 |
| 4.4.1 实验过程介绍 | 第54页 |
| 4.4.2 结果及分析 | 第54-59页 |
| 4.5 小结 | 第59-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 本文工作内容总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
