| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景与研究意义 | 第8-10页 |
| ·国内外的研究现状 | 第10-14页 |
| ·本文的研究内容和章节安排 | 第14-16页 |
| 第二章 基于内容的图像检索关键技术 | 第16-26页 |
| ·CBIR技术原理 | 第16-17页 |
| ·低层特征提取算法 | 第17-20页 |
| ·颜色特征的提取算法 | 第17-18页 |
| ·纹理特征的提取算法 | 第18-19页 |
| ·形状特征的提取算法 | 第19-20页 |
| ·图像数据库的索引机制 | 第20-22页 |
| ·图像查询方式和相似性度量准则 | 第22-23页 |
| ·图像检索算法的评价准则 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 语义图像检索 | 第26-38页 |
| ·引言 | 第26-27页 |
| ·层次化图像语义模型 | 第27-28页 |
| ·图像语义表示 | 第28-29页 |
| ·图像语义算法研究 | 第29-36页 |
| ·基于低层特征的语义算法 | 第30-31页 |
| ·基于语义向量的语义算法 | 第31-33页 |
| ·基于关键字的语义网络 | 第33-36页 |
| ·小结 | 第36-38页 |
| 第四章 相关反馈技术 | 第38-48页 |
| ·引言 | 第38-39页 |
| ·应用相关反馈改善检索性能的原理 | 第39-40页 |
| ·如何设计相关反馈算法 | 第40-41页 |
| ·假设用户查询的内容 | 第40页 |
| ·假设反馈的内容 | 第40-41页 |
| ·假设相关反馈学习的内容和学习的方法 | 第41页 |
| ·应用于向量模型的相关反馈算法 | 第41-46页 |
| ·使用相似度移动查询向量 | 第42页 |
| ·调整距离测度的权值 | 第42-44页 |
| ·基于统计学习理论 | 第44页 |
| ·基于机器学习理论 | 第44-46页 |
| ·结合关键字网络的相关反馈 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 本文图像检索系统I-MANAGER | 第48-80页 |
| ·I-MANAGER系统中的CBIR技术 | 第48-53页 |
| ·颜色特征提取算法 | 第48-52页 |
| ·I-Manager系统的高维索引算法 | 第52页 |
| ·I-Manager系统的图像查询方式 | 第52-53页 |
| ·I-MANAGER系统中应用于低层颜色特征的相关反馈算法 | 第53-54页 |
| ·I-MANAGER系统的语义网络 | 第54-58页 |
| ·权值更新算法 | 第55-56页 |
| ·关键字的分层管理和分层传递 | 第56-57页 |
| ·建立初始语义网络 | 第57-58页 |
| ·图像数据库结构 | 第58-60页 |
| ·构建系统步骤 | 第60-65页 |
| ·计算并输入颜色特征向量 | 第60-61页 |
| ·建立初始网络并训练语义网络 | 第61-62页 |
| ·设计用户查询界面 | 第62-65页 |
| ·I-MANAGER系统的检索算法 | 第65-68页 |
| ·高层语义与低层特征的结合 | 第65页 |
| ·语义特征的检索算法 | 第65-66页 |
| ·基于主颜色的检索算法 | 第66-67页 |
| ·基于查询图像的颜色检索算法 | 第67-68页 |
| ·系统的总体框图 | 第68-69页 |
| ·系统性能测试 | 第69-80页 |
| 第六章 总结 | 第80-83页 |
| ·本文的主要工作和创新点 | 第80-81页 |
| ·后继工作和展望 | 第81-83页 |
| 【参考文献】 | 第83-90页 |