| 提要 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 本文工作 | 第16-18页 |
| 1.2.1 研究路线和方法 | 第16页 |
| 1.2.2 本文的研究内容 | 第16-18页 |
| 第2章 基于内容的图像检索技术概述 | 第18-34页 |
| 2.1 基于内容的图像检索基本框架 | 第18-19页 |
| 2.2 特征提取 | 第19-26页 |
| 2.2.1 颜色特征 | 第19-21页 |
| 2.2.2 纹理特征 | 第21-24页 |
| 2.2.3 形状特征 | 第24-25页 |
| 2.2.4 语义特征 | 第25-26页 |
| 2.3 相似性度量 | 第26-29页 |
| 2.3.1 距离度量 | 第27-29页 |
| 2.3.2 相似系数度量 | 第29页 |
| 2.4 相关反馈 | 第29-31页 |
| 2.4.1 基于距离度量的算法 | 第30页 |
| 2.4.2 基于统计分析的算法 | 第30-31页 |
| 2.4.3 基于机器学习的算法 | 第31页 |
| 2.5 基于内容的图像检索的性能评测 | 第31-32页 |
| 2.6 小结 | 第32-34页 |
| 第3章 基于商空间粒度计算的图像检索算法 | 第34-62页 |
| 3.1 引言 | 第34-35页 |
| 3.2 商空间粒度计算理论 | 第35-37页 |
| 3.2.1 粒计算 | 第35页 |
| 3.2.2 商空间粒度计算 | 第35-37页 |
| 3.3 商空间粒度计算理论下的图像检索 | 第37-39页 |
| 3.3.1 图像检索的商空间理解 | 第37-38页 |
| 3.3.2 图像检索方法中的粒度原理 | 第38页 |
| 3.3.3 图像检索的商空间描述 | 第38-39页 |
| 3.3.4 商空间多粒度属性函数的合成 | 第39页 |
| 3.4 商空间多粒度颜色属性合成图像检索算法 | 第39-50页 |
| 3.4.1 等价关系的构造 | 第39-40页 |
| 3.4.2 不同颜色粒度下的商空间获取 | 第40-41页 |
| 3.4.3 属性合成 | 第41-42页 |
| 3.4.4 基于商空间多粒度颜色属性合成的图像检索算法流程 | 第42页 |
| 3.4.5 实验及结果分析 | 第42-50页 |
| 3.5 商空间多粒度纹理属性合成图像检索算法 | 第50-60页 |
| 3.5.1 等价关系的构造 | 第50页 |
| 3.5.2 不同纹理粒度下的商空间获取 | 第50-51页 |
| 3.5.3 属性合成 | 第51-52页 |
| 3.5.4 基于商空间多粒度纹理属性合成的图像检索算法流程 | 第52-53页 |
| 3.5.5 实验及结果分析 | 第53-60页 |
| 3.6 小结 | 第60-62页 |
| 第4章 基于粒子群优化的图像检索算法 | 第62-82页 |
| 4.1 引言 | 第62页 |
| 4.2 粒子群优化算法 | 第62-63页 |
| 4.3 基于图像编码的粒子群优化相关反馈算法（PSO-RF） | 第63-74页 |
| 4.3.1 PSO-RF 算法分析 | 第64页 |
| 4.3.2 PSO-RF 算法描述 | 第64-66页 |
| 4.3.3 PSO-RF 算法流程 | 第66页 |
| 4.3.4 实验及结果分析 | 第66-74页 |
| 4.4 基于权值调整的粒子群优化相关反馈算法（PSORW-RF） | 第74-81页 |
| 4.4.1 特征权值调整 | 第74页 |
| 4.4.2 PSORW-RF 算法分析 | 第74-76页 |
| 4.4.3 适应度函数的设计 | 第76页 |
| 4.4.4 PSORW-RF 算法流程 | 第76-77页 |
| 4.4.5 实验及结果分析 | 第77-81页 |
| 4.5 小结 | 第81-82页 |
| 第5章 基于保局投影的图像检索算法 | 第82-98页 |
| 5.1 引言 | 第82页 |
| 5.2 流形学习与拉普拉斯特征映射 | 第82-84页 |
| 5.2.1 流形学习 | 第82-83页 |
| 5.2.2 拉普拉斯特征映射 | 第83-84页 |
| 5.3 保局投影与图像检索 | 第84-86页 |
| 5.3.1 保局投影算法 | 第84页 |
| 5.3.2 图像检索中的 LPP 降维效果分析 | 第84-86页 |
| 5.4 基于多权矩阵合成的保局投影图像检索算法（MWSLPP） | 第86-90页 |
| 5.4.1 MWSLPP 算法分析 | 第86-87页 |
| 5.4.2 MWSLPP 算法描述 | 第87-89页 |
| 5.4.3 MWSLPP 算法流程 | 第89-90页 |
| 5.5 实验及结果分析 | 第90-96页 |
| 5.6 小结 | 第96-98页 |
| 第6章 总结与展望 | 第98-100页 |
| 6.1 本文的工作总结 | 第98-99页 |
| 6.2 本文的进一步工作 | 第99-100页 |
| 参考文献 | 第100-108页 |
| 作者简介及在学期间所取得的科研成果 | 第108-111页 |
| 作者简介 | 第108页 |
| 发表的学术论文 | 第108-110页 |
| 专利 | 第110页 |
| 参加的科研项目 | 第110-111页 |
| 致谢 | 第111页 |
