基于多特征信息融合的图像检索技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的目的和意义 | 第8页 |
| ·国内外典型系统概况 | 第8-12页 |
| ·基于内容的图像检索技术展望 | 第12-13页 |
| ·本文研究的主要内容及创新之处 | 第13-14页 |
| 第二章 基于内容的图像检索技术概述 | 第14-25页 |
| ·基于内容图像检索的系统结构 | 第14-15页 |
| ·图像检索的关键技术 | 第15-21页 |
| ·图像特征的提取 | 第15-17页 |
| ·图像多特征的相关反馈检索技术 | 第17页 |
| ·图像的相似度量方法 | 第17-20页 |
| ·图像检索的索引技术 | 第20-21页 |
| ·图像检索系统性能评价 | 第21-23页 |
| ·系统性能指标和评价准则 | 第21-23页 |
| ·评价方法分类 | 第23页 |
| ·对实用系统的评价方法 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于颜色特征的图像检索 | 第25-36页 |
| ·颜色模型 | 第25-28页 |
| ·RGB 模型 | 第25-26页 |
| ·HSI 模型 | 第26-28页 |
| ·图像颜色特征的提取与表示 | 第28-31页 |
| ·统计直方图 | 第28-29页 |
| ·累积直方图 | 第29-30页 |
| ·局部累加直方图 | 第30-31页 |
| ·颜色匹配算法 | 第31-32页 |
| ·距离度量方法 | 第31-32页 |
| ·中心矩法 | 第32页 |
| ·实验及结果分析 | 第32-36页 |
| ·分组实验及结果 | 第32-34页 |
| ·实验结果分析 | 第34-36页 |
| 第四章 基于纹理特征的图像检索 | 第36-44页 |
| ·纹理量化方法和描述模型 | 第36-37页 |
| ·频谱法纹理描述 | 第37-41页 |
| ·傅立叶频谱法 | 第37-38页 |
| ·Gabor 小波变换 | 第38-41页 |
| ·实验及结果分析 | 第41-44页 |
| ·实验设计 | 第41-43页 |
| ·实验结果分析 | 第43-44页 |
| 第五章 基于不变量的图像检索 | 第44-53页 |
| ·不变量理论 | 第44-46页 |
| ·不变量的定义 | 第44-45页 |
| ·相同维变换空间的不变量 | 第45页 |
| ·不同维变换空间的不变量 | 第45-46页 |
| ·一些变换群的不变量事例 | 第46-47页 |
| ·基于不变量理论的目标识别 | 第47-48页 |
| ·不变量特征的提取 | 第47-48页 |
| ·基于不变量的匹配识别方法 | 第48页 |
| ·基于傅氏变换和LOG 极坐标变换的不变量描述子 | 第48-50页 |
| ·实验及结果分析 | 第50-53页 |
| ·实验设计 | 第50-52页 |
| ·实验结果分析 | 第52-53页 |
| 第六章 信息融合技术与支持向量机 | 第53-60页 |
| ·信息融合技术 | 第53-56页 |
| ·信息融合技术概述 | 第53-54页 |
| ·信息融合层次结构 | 第54-55页 |
| ·信息融合技术的实现步骤 | 第55页 |
| ·信息融合技术的算法 | 第55-56页 |
| ·支持向量机 | 第56-60页 |
| ·线性可分情形 | 第56-57页 |
| ·非线性可分情形 | 第57-58页 |
| ·支持向量机的核函数 | 第58-60页 |
| 第七章 图像检索的多特征信息融合技术 | 第60-78页 |
| ·相关反馈技术 | 第60-64页 |
| ·基于SVM 的相关反馈技术 | 第64-65页 |
| ·多特征信息融合技术 | 第65-68页 |
| ·多特征的选取 | 第65页 |
| ·融合多特征的两层SVM 模型 | 第65-67页 |
| ·多特征信息融合算法 | 第67-68页 |
| ·实验 | 第68-77页 |
| ·实验7-1：基于SVM 的相关反馈 | 第68-74页 |
| ·实验7-2：基于多特征信息融合的图像检索 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第八章 总结 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
