| 摘要 | 第1页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景与意义 | 第11-12页 |
| ·基于图像的服装检索技术研究现状 | 第12-13页 |
| ·论文研究的主要内容 | 第13-14页 |
| ·文章组织结构 | 第14-15页 |
| 第二章 相关系统介绍和相关理论基础 | 第15-28页 |
| ·相关系统介绍 | 第15-19页 |
| ·Google Shopping | 第15-16页 |
| ·亚马逊（Amazon） | 第16-17页 |
| ·Ebay | 第17页 |
| ·淘淘搜 | 第17-18页 |
| ·淘宝图想 | 第18-19页 |
| ·基于关键字的图像检索技术 | 第19-20页 |
| ·视觉特征提取 | 第20-24页 |
| ·颜色特征 | 第20-21页 |
| ·形状特征 | 第21-22页 |
| ·纹理特征 | 第22-24页 |
| ·图像聚类 | 第24-27页 |
| ·相似性度量 | 第25-26页 |
| ·聚类算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于图像服装检索系统设计 | 第28-42页 |
| ·背景介绍 | 第28-29页 |
| ·需求分析 | 第29-31页 |
| ·功能需求 | 第29-30页 |
| ·性能需求 | 第30-31页 |
| ·总体设计 | 第31-38页 |
| ·图像信息收集模块 | 第32-33页 |
| ·图像特征提取模块 | 第33页 |
| ·服装图像聚类模块 | 第33-34页 |
| ·关键描述信息提取模块 | 第34-35页 |
| ·基于关键字的服装检索模块 | 第35-38页 |
| ·系统运行流程 | 第38-39页 |
| ·开发环境与工具 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 服装图像视觉特征提取 | 第42-52页 |
| ·颜色特征提取 | 第42-45页 |
| ·HSV 颜色空间 | 第42页 |
| ·颜色特征提取描述 | 第42-44页 |
| ·颜色特征提取实现 | 第44-45页 |
| ·HOG 特征提取 | 第45-48页 |
| ·HOG 特征描述 | 第45-46页 |
| ·HOG 特征提取算法 | 第46-47页 |
| ·HOG 特征提取实现 | 第47-48页 |
| ·基于 TAMURA 的纹理特征提取 | 第48-51页 |
| ·Tamura 纹理特征提取算法描述 | 第48-51页 |
| ·Tamura 纹理特征实现 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 服装图像文本描述映射 | 第52-69页 |
| ·文本描述映射框架 | 第52页 |
| ·传统 K-MEANS 聚类算法 | 第52-57页 |
| ·K-means 聚类算法概述 | 第52-53页 |
| ·K-means 聚类算法处理流程 | 第53-54页 |
| ·K-means 聚类算法特点分析 | 第54-57页 |
| ·基于改进的 K-MEANS 聚类算法的服装图像聚类 | 第57-65页 |
| ·改进的 K-means 聚类算法的基本思想 | 第57页 |
| ·改进的 K-means 聚类算法详细描述 | 第57-59页 |
| ·改进的 K-means 聚类算法实验分析 | 第59-62页 |
| ·基于改进的 K-means 聚类算法的服装图像聚类实现 | 第62-65页 |
| ·高频词提取 | 第65-68页 |
| ·中文分词 | 第66-68页 |
| ·基于 JE 中文分词的高频词提取实现 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第六章 原型系统实现与测试 | 第69-87页 |
| ·基于图像服装检索系统的实现 | 第69-74页 |
| ·系统测试 | 第74-86页 |
| ·测试环境 | 第75页 |
| ·功能测试 | 第75-83页 |
| ·性能测试 | 第83-86页 |
| ·测试结果分析 | 第86页 |
| ·本章小结 | 第86-87页 |
| 第七章 总结与展望 | 第87-89页 |
| ·总结 | 第87-88页 |
| ·展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 攻读硕士期间的成果 | 第94-95页 |
| 参与项目 | 第94页 |
| 获奖情况 | 第94-95页 |