| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的工作及安排 | 第13-15页 |
| 第二章 图像检索的相关理论 | 第15-25页 |
| 2.1 图像分割 | 第15-16页 |
| 2.2 特征提取 | 第16-20页 |
| 2.2.1 颜色特征 | 第16-17页 |
| 2.2.2 形状特征 | 第17-18页 |
| 2.2.3 纹理特征 | 第18-20页 |
| 2.3 相似度度量 | 第20-21页 |
| 2.4 相关反馈 | 第21-23页 |
| 2.5 图像检索的性能评价 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于记忆学习区域重要性的交互式图像检索 | 第25-43页 |
| 3.1 区域表示 | 第25-28页 |
| 3.1.1 自适应MS-Ncut分割及改进的综合区域匹配 | 第25-26页 |
| 3.1.2 区域的低层视觉特征表示 | 第26-28页 |
| 3.2 视觉区域重要性 | 第28-29页 |
| 3.3 语义区域重要性 | 第29-30页 |
| 3.4 记忆学习区域重要性 | 第30-32页 |
| 3.4.1 基于区域聚类的优化查询 | 第31页 |
| 3.4.2 聚类权重 | 第31-32页 |
| 3.5 基于记忆学习区域重要性的图像检索框架 | 第32-34页 |
| 3.6 实验结果与分析 | 第34-41页 |
| 3.6.1 基于记忆学习区域重要性的图像检索的性能评价 | 第35-37页 |
| 3.6.2 对用户误差的鲁棒性检验 | 第37-41页 |
| 3.6.3 实时性 | 第41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 基于粒子群规划算法的交互式图像检索 | 第43-71页 |
| 4.1 粒子群规划算法的提出及理论 | 第43-50页 |
| 4.1.1 粒子群优化算法 | 第43-44页 |
| 4.1.2 粒子群规划算法 | 第44-47页 |
| 4.1.3 算法的收敛性与时间复杂度分析 | 第47-50页 |
| 4.2 基于粒子群规划算法的交互式图像检索 | 第50-53页 |
| 4.2.1 基于粒子群规划算法的正反馈检索框架 | 第52-53页 |
| 4.2.2 基于粒子群规划算法的正负反馈检索框架 | 第53页 |
| 4.3 实验结果与分析 | 第53-68页 |
| 4.3.1 检索框架的可行性检验 | 第54-62页 |
| 4.3.2 与目前基于智能算法的检索技术的性能对比 | 第62-68页 |
| 4.3.3 实时性 | 第68页 |
| 4.4 本章小结 | 第68-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间撰写的学术论文 | 第79-80页 |
| 攻读硕士期间参与的科研项目 | 第80-81页 |
| 攻读硕士期间获奖及荣誉情况 | 第81页 |
