| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文的研究背景和意义 | 第9-10页 |
| 1.2 基于内容的图像检索现状 | 第10-13页 |
| 1.2.1 国外发展现状 | 第10-12页 |
| 1.2.2 国内发展现状 | 第12-13页 |
| 1.3 基于内容的图像检索的主要研究方向 | 第13-14页 |
| 1.4 论文主要研究内容和结构 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 基于内容的图像检索技术研究 | 第15-25页 |
| 2.1 图像特征提取技术 | 第15-19页 |
| 2.1.1 图像颜色特征的提取 | 第15-16页 |
| 2.1.2 图像纹理特征的提取 | 第16-17页 |
| 2.1.3 图像形状特征的提取 | 第17-18页 |
| 2.1.4 图像空间位置关系的提取 | 第18-19页 |
| 2.2 颜色、形状、纹理特征的比较 | 第19-20页 |
| 2.3 相似性度量 | 第20-22页 |
| 2.3.1 Minkowsky距离 | 第21页 |
| 2.3.2 直方图相交 | 第21-22页 |
| 2.3.3 马氏距离(Mahalanobis距离) | 第22页 |
| 2.4 本章小结 | 第22-25页 |
| 第三章 太阳图像纹理特征的提取 | 第25-45页 |
| 3.1 纹理特征概述 | 第25-26页 |
| 3.2 纹理特征的提取方法 | 第26-42页 |
| 3.2.1 灰度直方图 | 第26-27页 |
| 3.2.2 图像纹理谱 | 第27-28页 |
| 3.2.3 边缘方向直方图 | 第28-29页 |
| 3.2.4 Tamura纹理 | 第29-31页 |
| 3.2.5 基于灰度共生矩阵的纹理提取 | 第31-35页 |
| 3.2.5.1 构造灰度共生矩阵 | 第32-33页 |
| 3.2.5.2 基于灰度共生矩阵的特征参数 | 第33-35页 |
| 3.2.5.3 太阳图像的灰度共生矩阵算法实现 | 第35页 |
| 3.2.6 基于Gabor小波的特征提取 | 第35-42页 |
| 3.2.6.1 Gabor函数 | 第36页 |
| 3.2.6.2 Gabor滤波器原理 | 第36-39页 |
| 3.2.6.3 Gabor滤波器参数确定 | 第39-42页 |
| 3.3 特征向量归一化 | 第42-44页 |
| 3.4 结合Gabor小波和灰度共生矩阵的特征提取 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于纹理特征的太阳图像检索 | 第45-57页 |
| 4.1 评价准则 | 第45-47页 |
| 4.2 CBIR系统介绍 | 第47-48页 |
| 4.2.1 系统框架 | 第47页 |
| 4.2.2 图像样本库 | 第47-48页 |
| 4.3 检索实验 | 第48-49页 |
| 4.4 试验结果 | 第49-55页 |
| 4.4.1 灰度共生矩阵 | 第49-51页 |
| 4.4.2 Gabor小波 | 第51-53页 |
| 4.4.3 融合Gabor小波和灰度共生矩阵 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 特征权重自动调整 | 第57-65页 |
| 5.1 权重自动调整算法 | 第57-59页 |
| 5.1.1 算法流程 | 第57-58页 |
| 5.1.2 算法详细介绍 | 第58-59页 |
| 5.2 试验结果 | 第59-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73页 |