| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-33页 |
| ·课题研究的背景和意义 | 第14-15页 |
| ·国内外研究现状 | 第15-27页 |
| ·基于文本信息的图像检索 | 第16-17页 |
| ·基于内容的图像检索 | 第17-23页 |
| ·语义图像检索 | 第23-26页 |
| ·基于文本和视觉信息融合的Web 图像检索 | 第26-27页 |
| ·存在的问题及研究方向 | 第27-29页 |
| ·Web 图像的多模特性 | 第27-28页 |
| ·“语义鸿沟”问题 | 第28-29页 |
| ·Web 环境下的用户兴趣问题 | 第29页 |
| ·本文主要研究内容 | 第29-33页 |
| ·各个章节内容安排 | 第30-31页 |
| ·本文的主要贡献 | 第31-33页 |
| 第2章 基于低层视觉特征融合的图像标注 | 第33-50页 |
| ·引言 | 第33页 |
| ·图像自动标注技术研究现状 | 第33-34页 |
| ·图像视觉特征语义提取 | 第34-41页 |
| ·基于HSV 空间的20 色非均匀量化算法 | 第34-39页 |
| ·纹理特征提取 | 第39-40页 |
| ·多视觉特征融合 | 第40-41页 |
| ·基于SVM 和多特征融合的图像标注 | 第41-45页 |
| ·SVM 基本理论 | 第41-44页 |
| ·基于SVM 和视觉特征融合的图像标注算法 | 第44-45页 |
| ·实验结果 | 第45-49页 |
| ·色彩量化算法对比实验 | 第45-48页 |
| ·基于SVM 和多特征融合的图像标注实验 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 基于文本和视觉特征融合的 Web 图像标注 | 第50-64页 |
| ·引言 | 第50-51页 |
| ·Web 图像文本特征提取 | 第51-56页 |
| ·Web 图像的HTML 标识 | 第51-52页 |
| ·Web 图像文本特征信息源 | 第52页 |
| ·基于视觉的页面分割算法VIPS | 第52-53页 |
| ·候选关键词提取 | 第53-56页 |
| ·Web 图像视觉特征提取 | 第56-58页 |
| ·视觉突出性的区域提取 | 第56页 |
| ·视觉突出区域描述方式 | 第56-58页 |
| ·Web 图像自动标注 | 第58-61页 |
| ·基于视觉相关的标注字过滤算法 | 第58-60页 |
| ·标注图像的语义聚类 | 第60-61页 |
| ·实验结果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第4章 基于用户兴趣模型的图像检索 | 第64-73页 |
| ·引言 | 第64-65页 |
| ·用户兴趣模型 | 第65-66页 |
| ·用户兴趣模型的学习 | 第66-69页 |
| ·用户兴趣的显式学习 | 第67-68页 |
| ·用户兴趣的隐式学习 | 第68-69页 |
| ·基于用户兴趣模型的图像检索 | 第69-70页 |
| ·实验结果 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 面向用户的检索系统 | 第73-84页 |
| ·引言 | 第73-74页 |
| ·支持多模态输入的检索系统框架 | 第74-76页 |
| ·相关反馈学习 | 第76-80页 |
| ·基于二次距离的相关反馈 | 第80-83页 |
| ·二次距离 | 第80-81页 |
| ·反馈学习模式 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-97页 |
| 攻读博士学位期间发表的论文及其它成果 | 第97-100页 |
| 致谢 | 第100-101页 |
| 个人简历 | 第101页 |