| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 图像检索技术的研究现状 | 第10-12页 |
| 1.2.1 基于文本的图像检索的研究 | 第10页 |
| 1.2.2 基于内容的图像检索的研究 | 第10-11页 |
| 1.2.3 基于语义的图像检索的研究 | 第11-12页 |
| 1.3 图像检索的相关技术概述 | 第12-15页 |
| 1.3.1 基于内容的图像检索技术 | 第12-14页 |
| 1.3.2 聚类算法的分析 | 第14页 |
| 1.3.3 相关反馈技术的分析 | 第14页 |
| 1.3.4 图像检索的性能评价 | 第14-15页 |
| 1.4 系统结构及本文创新点 | 第15-16页 |
| 1.5 论文章节安排 | 第16-17页 |
| 第2章 基于SIFT特征点的局部颜色直方图特征提取 | 第17-32页 |
| 2.1 引言 | 第17-18页 |
| 2.2 颜色直方图特征的提取 | 第18-22页 |
| 2.2.1 颜色直方图的原理 | 第18页 |
| 2.2.2 HSV颜色的非均衡量化 | 第18-20页 |
| 2.2.3 实验结果与分析 | 第20-22页 |
| 2.3 基于聚类的图像兴趣点划分 | 第22-26页 |
| 2.3.1 K-means聚类算法 | 第22页 |
| 2.3.2 改进的动态K-means聚类算法 | 第22-25页 |
| 2.3.3 实验结果与分析 | 第25-26页 |
| 2.4 基于SIFT特征点二次聚类划分的局部颜色直方图 | 第26-31页 |
| 2.4.1 改进的局部颜色直方图算法 | 第26-29页 |
| 2.4.2 实验结果与分析 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 一种改进的Hu不变矩特征的提取 | 第32-46页 |
| 3.1 图像分割 | 第32-33页 |
| 3.2 Hu不变矩特征 | 第33-34页 |
| 3.3 融合局部颜色特征的模糊C聚类的HSV图像分割 | 第34-40页 |
| 3.3.1 传统FCM聚类算法的原理 | 第34-36页 |
| 3.3.2 融合局部颜色特征的FCM聚类的图像分割 | 第36-38页 |
| 3.3.3 实验结果与分析 | 第38-40页 |
| 3.4 基于图像分割的Hu不变矩特征的改进 | 第40-45页 |
| 3.4.1 图像的二值化处理 | 第40-42页 |
| 3.4.2 Hu不变矩的归一化处理 | 第42-43页 |
| 3.4.3 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 融合用户反馈的多特征分层索引 | 第46-62页 |
| 4.1 基于SVM的用户反馈学习 | 第46-47页 |
| 4.2 基于形状特征的图像索引构建 | 第47-50页 |
| 4.2.1 基于聚类的Hu不变矩特征库的分类 | 第48-49页 |
| 4.2.2 融合SVM的Hu不变矩的图像检索 | 第49-50页 |
| 4.3 基于视觉单词的图像索引构建 | 第50-55页 |
| 4.3.1 基于BoW模型的视觉单词概述 | 第50-52页 |
| 4.3.2 基于局部颜色直方图的视觉词典 | 第52-54页 |
| 4.3.3 融合SVM的视觉词的图像检索 | 第54-55页 |
| 4.4 实验结果及分析 | 第55-61页 |
| 4.4.1 基于聚类划分的Hu不变矩检索实验分析 | 第55-57页 |
| 4.4.2 基于局部颜色视觉词典的检索实验分析 | 第57-59页 |
| 4.4.3 主动采样的SVM和传统的SVM学习反馈实验分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第68页 |
