| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 基于内容的图像检索系统 | 第14-15页 |
| 1.2.2 云计算平台 | 第15-16页 |
| 1.2.3 基于内容的图像检索方法 | 第16-21页 |
| 1.3 图像检索系统面临的关键问题 | 第21-22页 |
| 1.4 论文的研究内容和组织结构 | 第22-24页 |
| 第二章 基于内容的图像检索系统相关技术 | 第24-46页 |
| 2.1 引言 | 第24页 |
| 2.2 图像信息表示与特征提取 | 第24-32页 |
| 2.2.1 全局特征 | 第25页 |
| 2.2.2 局部特征 | 第25-28页 |
| 2.2.3 视觉特征单词包 | 第28-29页 |
| 2.2.4 稀疏表示 | 第29-31页 |
| 2.2.5 深度卷积神经网络 | 第31-32页 |
| 2.3 相似性搜索 | 第32-35页 |
| 2.3.1 相似性搜索定义 | 第32页 |
| 2.3.2 相似性度量方法 | 第32-33页 |
| 2.3.3 精确最近邻查询和近似最近邻查询 | 第33-35页 |
| 2.4 图像哈希索引 | 第35-40页 |
| 2.4.1 位置敏感哈希 | 第35-37页 |
| 2.4.2 谱哈希 | 第37页 |
| 2.4.3 半监督哈希 | 第37-38页 |
| 2.4.4 基于核的有监督哈希 | 第38-40页 |
| 2.5 分布式相关技术 | 第40-43页 |
| 2.5.1 Hadoop系统架构及生态系统组成 | 第40-41页 |
| 2.5.2 Mapreduce并行计算框架 | 第41-42页 |
| 2.5.3 分布式文件系统HDFS | 第42-43页 |
| 2.5.4 分布式数据库HBase | 第43页 |
| 2.6 图像检索系统评测 | 第43-45页 |
| 2.7 本章小结 | 第45-46页 |
| 第三章 多示例半监督学习框架下的图像分类检索算法研究 | 第46-68页 |
| 3.1 引言 | 第46-48页 |
| 3.2 任务定义和方法概述 | 第48-49页 |
| 3.3 多示例学习框架图像分类模型 | 第49-56页 |
| 3.3.1 高斯混合模型生成模型 | 第49-51页 |
| 3.3.2 基于层次信息瓶颈聚类的多示例转换问题 | 第51-55页 |
| 3.3.3 集成分类器 | 第55-56页 |
| 3.4 实验结果与分析 | 第56-65页 |
| 3.4.1 图像数据库 | 第56-58页 |
| 3.4.2 实验设置 | 第58页 |
| 3.4.3 实验结果和分析 | 第58-65页 |
| 3.5 本章小结 | 第65-68页 |
| 第四章 齐次核近似最近邻学习框架下的图像检索算法研究 | 第68-94页 |
| 4.1 引言 | 第68-70页 |
| 4.2 任务定义和方法概述 | 第70-71页 |
| 4.3 齐次核可扩展哈希框架图像分类模型 | 第71-80页 |
| 4.3.1 齐次核模型 | 第71-72页 |
| 4.3.2 核特征映射形式分析 | 第72-74页 |
| 4.3.3 齐次核特征映射 | 第74-76页 |
| 4.3.4 基于齐次核映射的核化位置哈希索引 | 第76-80页 |
| 4.4 基于度量学习的齐次核映射图像分类检索算法 | 第80-82页 |
| 4.4.1 参数化马氏度量 | 第80-81页 |
| 4.4.2 基于半监督哈希算法的相似性搜索 | 第81-82页 |
| 4.5 实验结果与分析 | 第82-93页 |
| 4.5.1 图像数据库 | 第82-83页 |
| 4.5.2 实验设置 | 第83-84页 |
| 4.5.3 实验结果与分析 | 第84-93页 |
| 4.6 本章小结 | 第93-94页 |
| 第五章 深度学习框架下图像哈希检索算法研究 | 第94-114页 |
| 5.1 引言 | 第94-95页 |
| 5.2 任务定义和方法概述 | 第95-96页 |
| 5.3 层次稀疏编码框架图像哈希检索 | 第96-101页 |
| 5.3.1 两层稀疏编码模型 | 第97-100页 |
| 5.3.2 应用在图像哈希检索上 | 第100-101页 |
| 5.4 深度卷积网络框架图像哈希分类检索 | 第101-103页 |
| 5.4.1 基于隐层哈希编码CNN算法框架 | 第101-102页 |
| 5.4.2 学习哈希式二进制编码 | 第102-103页 |
| 5.4.3 基于层次深度搜索的图像检索 | 第103页 |
| 5.5 实验结果与分析 | 第103-113页 |
| 5.5.1 图像数据库 | 第103-104页 |
| 5.5.2 实验设置 | 第104-105页 |
| 5.5.3 实验结果与分析 | 第105-113页 |
| 5.6 本章小结 | 第113-114页 |
| 第六章 基于内容并行图像检索系统原型设计与实现 | 第114-126页 |
| 6.1 引言 | 第114-115页 |
| 6.2 图像检索方法和算法设计思路 | 第115-117页 |
| 6.2.1 整体处理框架 | 第115-116页 |
| 6.2.2 特征向量提取 | 第116页 |
| 6.2.3 图像特征索引 | 第116-117页 |
| 6.2.4 图像搜索过程 | 第117页 |
| 6.3 并行化图像检索算法和框架实现 | 第117-120页 |
| 6.3.1 特征提取 | 第117-118页 |
| 6.3.2 特征量化 | 第118-119页 |
| 6.3.3 LSH索引建立 | 第119页 |
| 6.3.4 在线图像检索算法框架 | 第119-120页 |
| 6.4 实验结果与分析 | 第120-125页 |
| 6.4.1 图像数据集与实验设置 | 第120页 |
| 6.4.2 检索性能比较分析 | 第120-122页 |
| 6.4.3 检索结果图 | 第122-125页 |
| 6.5 本章小结 | 第125-126页 |
| 第七章 总结与展望 | 第126-129页 |
| 7.1 全文工作总结 | 第126-127页 |
| 7.2 未来工作展望 | 第127-129页 |
| 参考文献 | 第129-144页 |
| 致谢 | 第144-145页 |
| 博士期间发表的学术论文 | 第145-148页 |