| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 CBIR概述 | 第9-14页 |
| ·背景 | 第9-10页 |
| ·科学意义 | 第10页 |
| ·CBIR概念模型 | 第10-11页 |
| ·本论文的研究内容 | 第11-12页 |
| ·本论文所用到的算法评价标准 | 第12页 |
| ·本论文的工作和章节安排 | 第12-14页 |
| 第二章 聚类分析技术概述 | 第14-22页 |
| ·聚类分析技术 | 第14-17页 |
| ·相似性度量 | 第14-16页 |
| ·聚类准则函数 | 第16-17页 |
| ·基于划分的聚类算法(Partitioning algorithm) | 第17-19页 |
| ·概率聚类算法 | 第19-22页 |
| ·混合模型 | 第19-20页 |
| ·EM算法 | 第20-22页 |
| 第三章 图像的颜色空间选取与边缘检测概述 | 第22-31页 |
| ·颜色空间的选取 | 第22-27页 |
| ·RGB颜色空间 | 第22-23页 |
| ·HSV颜色空间 | 第23-24页 |
| ·RGB与HSV颜色空间的相互转换 | 第24-27页 |
| ·图像的边缘检测 | 第27-31页 |
| ·Canny边缘检测算子 | 第27-29页 |
| ·图像的边缘连接 | 第29-31页 |
| 第四章 基于目标区域的色彩聚类与空间关系的CBIR算法 | 第31-50页 |
| ·图像目标区域的提取 | 第31-34页 |
| ·利用iMCCV算法确定目标区域色彩聚类个数 | 第34-36页 |
| ·基于图像分块与八连通技术确定初始聚类中心点算法(DBEC) | 第36-41页 |
| ·目标区域色彩聚类间的空间关系表达 | 第41-42页 |
| ·图像间的相似度计算 | 第42页 |
| ·基于目标区域的色彩聚类与空间关系的CBIR算法描述 | 第42-44页 |
| ·实验结果及分析 | 第44-50页 |
| ·待检索图像及图像的查全率和查准率 | 第44-46页 |
| ·ORCS算法测试 | 第46-50页 |
| 第五章 结束语 | 第50-52页 |
| ·本文总结 | 第50-51页 |
| ·研究展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 研究生期间发表的论文和参加的项目 | 第56-57页 |
| 致谢 | 第57页 |
