| 摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 目录 | 第9-12页 |
| 插图列表 | 第12-13页 |
| 表格列表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| ·研究背景与动机 | 第14-15页 |
| ·研究的核心问题 | 第15页 |
| ·基于内容的图像分析与检索的应用 | 第15-17页 |
| ·论文的组织结构 | 第17-18页 |
| ·论文的主要贡献 | 第18-20页 |
| 第二章 基于内容的图像分析与检索技术综述 | 第20-40页 |
| ·基于内容的图像分析与检索系统框架结构 | 第20-21页 |
| ·图像内容的分析和表示 | 第21-28页 |
| ·颜色特征 | 第22-24页 |
| ·纹理特征 | 第24-25页 |
| ·形状特征 | 第25-26页 |
| ·图像分割 | 第26-28页 |
| ·图像检索的共性问题 | 第28-34页 |
| ·图像的相似性测度 | 第28-31页 |
| ·检索效果评价 | 第31-33页 |
| ·查询方式 | 第33-34页 |
| ·相关反馈技术 | 第34-35页 |
| ·图像检索的其他研究方向 | 第35-36页 |
| ·高维索引技术 | 第35-36页 |
| ·图像数据管理国际标准 | 第36页 |
| ·研究成果 | 第36-39页 |
| ·相关论文 | 第36-37页 |
| ·商用系统 | 第37-38页 |
| ·研究系统 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第三章 基于纹理分析和廉价距离测度的图像检索方法 | 第40-60页 |
| ·纹理的基本概念及应用 | 第40-41页 |
| ·纹理分析的基本方法 | 第41-43页 |
| ·Tamura 模型 | 第42页 |
| ·灰度共生矩阵模型 | 第42页 |
| ·联立自回归模型 | 第42-43页 |
| ·基于非因果邻域集的多分辨率联立自回归模型 | 第43-46页 |
| ·联立自回归模型邻域集的选择 | 第43-44页 |
| ·基于非因果邻域集的多分辨率联立自回归模型 | 第44-45页 |
| ·修正的最小二乘法 | 第45-46页 |
| ·图像纹理特征的抽取 | 第46-48页 |
| ·纹理特征的表示 | 第46-47页 |
| ·纹理相似性测度及分析 | 第47-48页 |
| ·使用降维技术获得廉价的距离测度和存储开销 | 第48-52页 |
| ·利用主成分分析降低欧氏距离测度的计算复杂性 | 第49-50页 |
| ·利用正交变换降低马氏距离测度的计算复杂性 | 第50-52页 |
| ·实验与评价 | 第52-57页 |
| ·MRSAR 和NC-MRSAR 模型的比较 | 第53-54页 |
| ·降维对检索效果的影响 | 第54-55页 |
| ·不同距离测度形式对检索效果的影响 | 第55页 |
| ·不同分辨率对检索效果的影响 | 第55-56页 |
| ·估计误差参数对检索效果的影响 | 第56-57页 |
| ·小结 | 第57-60页 |
| 第四章 综合颜色索引和相关反馈技术的图像检索 | 第60-84页 |
| ·引言 | 第60-63页 |
| ·研究内容概述 | 第60-61页 |
| ·颜色量化技术概述 | 第61-63页 |
| ·颜色空间的选择和转换 | 第63-66页 |
| ·感知一致的颜色空间 | 第63-65页 |
| ·CIE L*a*b*颜色空间 | 第65页 |
| ·RGB 和CIE L*a*b*颜色空间的相互转换 | 第65-66页 |
| ·综合空间和组成分布的颜色索引技术 | 第66-75页 |
| ·基本思想 | 第66-68页 |
| ·多分辨率模糊分块策略 | 第68页 |
| ·分块主色特征抽取和距离测度 | 第68-70页 |
| ·颜色的空间分布和组成分布的统一 | 第70-71页 |
| ·评价实验与分析 | 第71-75页 |
| ·利用相关反馈改善检索效果 | 第75-82页 |
| ·基于查询扩张的相关反馈方法 | 第75-76页 |
| ·调整各分块以及不同分辨率的权重 | 第76-77页 |
| ·调整不同特征在距离测度中的权重 | 第77-78页 |
| ·实验与分析 | 第78-81页 |
| ·相关反馈技术进一步研究 | 第81-82页 |
| ·小结 | 第82-84页 |
| 第五章 基于自组织图归约的可判别区域抽取 | 第84-116页 |
| ·研究动机 | 第84-86页 |
| ·回顾 | 第84-85页 |
| ·可判别区域 | 第85-86页 |
| ·基于自组织图归约的可判别区域抽取方法概述 | 第86-88页 |
| ·特征图的形成 | 第88-93页 |
| ·特征图的形成原理 | 第88-89页 |
| ·多模特征抽取算法 | 第89-91页 |
| ·多模特征距离测度和数据规范化 | 第91-93页 |
| ·可判别区域的抽取 | 第93-105页 |
| ·自组织学习 | 第95-98页 |
| ·自组织图归约 | 第98-101页 |
| ·聚类有效性分析 | 第101-103页 |
| ·算法的计算复杂性分析 | 第103-105页 |
| ·效果图的形成 | 第105-106页 |
| ·实验与评价 | 第106-111页 |
| ·主观评价实验 | 第108-109页 |
| ·对比评价实验 | 第109-111页 |
| ·后续研究工作 | 第111-114页 |
| ·算法的优化 | 第111-113页 |
| ·可判别区域的形成算法 | 第113-114页 |
| ·基于可判别区域的图像检索 | 第114页 |
| ·小结 | 第114-116页 |
| 第六章 总结 | 第116-122页 |
| ·主要研究内容回顾 | 第116-117页 |
| ·基于图像内容表示的研究 | 第116-117页 |
| ·基于图像特征匹配的研究 | 第117页 |
| ·研究难点 | 第117-122页 |
| ·语义鸿沟 | 第118-119页 |
| ·高维索引 | 第119页 |
| ·效果评价 | 第119-122页 |
| 附录A K-MEANS 聚类算法 | 第122-124页 |
| 参考文献 | 第124-132页 |
| 致谢 | 第132-133页 |
| 作者简介 | 第133-134页 |
| 作者在攻读博士学位期间发表和提交的论文 | 第134页 |