| 第一章 绪论 | 第1-19页 |
| ·课题的背景与研究意义 | 第12-14页 |
| ·国内外研究热点及现状 | 第14-16页 |
| ·本文研究的主要内容 | 第16页 |
| ·本文主要的研究成果 | 第16-19页 |
| 第二章 基于内容图象检索的预备知识及关键技术 | 第19-30页 |
| ·概述 | 第19页 |
| ·图象检索中常用的低层特征描述方法 | 第19-21页 |
| ·图象检索中的相似性度量方法 | 第21-22页 |
| ·图象数据库的索引机制 | 第22-23页 |
| ·图象检索算法的评价准则 | 第23-25页 |
| ·图象检索中的相关反馈技术 | 第25-27页 |
| ·图象检索常见的查询方式 | 第27-28页 |
| ·经典的基于内容图象检索系统的介绍 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于显著边缘的图象检索方法 | 第30-54页 |
| ·概述 | 第30页 |
| ·相关工作及本章算法产生的背景 | 第30-33页 |
| ·本章算法的核心思想和处理流程 | 第33-34页 |
| ·本章算法详细介绍 | 第34-52页 |
| ·边缘检测 | 第34页 |
| ·独立边界自增强算法 | 第34-42页 |
| ·选择显著边缘集合 | 第42页 |
| ·显著边缘特征描述及图象特征矢量的形成 | 第42-45页 |
| ·综合显著边缘的匹配算法 | 第45-49页 |
| ·模拟实验结果 | 第49-52页 |
| ·小结 | 第52-54页 |
| 第四章 基于显著兴趣点的图象检索方法 | 第54-69页 |
| ·概述 | 第54页 |
| ·相关工作 | 第54-56页 |
| ·本章算法的主要思想和创新之处 | 第56-58页 |
| ·本章算法详细介绍 | 第58-67页 |
| ·显著兴趣点检测和非线性滤波 | 第58-61页 |
| ·基于显著兴趣点的颜色特征描述 | 第61-64页 |
| ·相似性度量准则 | 第64-65页 |
| ·模拟实验结果 | 第65-67页 |
| ·小结 | 第67-69页 |
| 第五章 基于用户感兴趣物体的图象检索方法 | 第69-89页 |
| ·概述 | 第69-70页 |
| ·相关工作 | 第70-72页 |
| ·本章算法的核心思想和流程 | 第72-73页 |
| ·本章算法详细介绍 | 第73-87页 |
| ·视觉注意计算模型和关注度图 | 第73-74页 |
| ·感兴趣物体自动提取算法 | 第74-83页 |
| ·基于感兴趣物体的特征描述 | 第83-84页 |
| ·基于感兴趣物体的图象相似度度量 | 第84-85页 |
| ·模拟实验结果 | 第85-87页 |
| ·小结 | 第87-89页 |
| 第六章 基于VARIOGRAM函数的图象纹理描述以及在图象检索中的应用 | 第89-114页 |
| ·概述 | 第89-90页 |
| ·相关工作 | 第90-96页 |
| ·本章算法的基本思想和流程图 | 第96-98页 |
| ·Variogram函数基本理论介绍 | 第98-102页 |
| ·产生背景及基本理论 | 第98-99页 |
| ·Variogram函数的定义 | 第99页 |
| ·Variogram函数的基本性质 | 第99-100页 |
| ·实验Variogram函数的计算 | 第100-101页 |
| ·Variogram函数与图象纹理特征描述之间的联系 | 第101-102页 |
| ·基于Variogram函数的纹理分析及图象检索算法 | 第102-113页 |
| ·基本概念 | 第102-104页 |
| ·基于Variogram函数的纹理类型自动估计算法 | 第104-105页 |
| ·规则纹理分析算法 | 第105页 |
| ·不规则纹理的分析算法 | 第105页 |
| ·基于纹理的特征矢量 | 第105-107页 |
| ·图象间的相似性度量 | 第107-108页 |
| ·模拟实验结果 | 第108-113页 |
| ·小结 | 第113-114页 |
| 第七章 记忆学习的图象检索模型 | 第114-149页 |
| ·概述 | 第114-117页 |
| ·相关反馈技术原理介绍及相关的工作 | 第117-122页 |
| ·SVM的基本理论及在相关反馈中的应用 | 第122-129页 |
| ·SVM的基本理论 | 第123-128页 |
| ·SVM二分类算法在相关反馈中的应用 | 第128-129页 |
| ·本章模型的产生背景和基本思想 | 第129-131页 |
| ·本章模型的详细介绍 | 第131-148页 |
| ·图象语义连接网络 | 第131-133页 |
| ·基于语义连接网络的图象聚类 | 第133-135页 |
| ·图象间潜在语义相似性分析 | 第135-136页 |
| ·图象之间基于语义的相似性 | 第136页 |
| ·应用记忆学习机制到实际的图象检索系统 | 第136-139页 |
| ·模拟实验 | 第139-148页 |
| ·小结 | 第148-149页 |
| 第八章 结束语 | 第149-152页 |
| ·本文主要研究成果 | 第149-151页 |
| ·后续工作及发展方向 | 第151-152页 |
| 参考文献 | 第152-162页 |
| 致谢 | 第162-163页 |
| 在学期间取得的科研成果简介 | 第163-166页 |
