| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文主要研究工作 | 第10-11页 |
| ·本文组织结构 | 第11-13页 |
| 第2章 图像检索中基本技术介绍 | 第13-20页 |
| ·基于 WoreNet 的词汇相似度 | 第13-16页 |
| ·WordNet 的简单介绍 | 第13-15页 |
| ·语义相似性介绍 | 第15-16页 |
| ·图像的视觉特征 | 第16-18页 |
| ·RGB 和 HSV 颜色空间模型 | 第16-18页 |
| ·纹理特征和灰度共生矩阵 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第3章 基于图像复杂度的贝叶斯标注模型 | 第20-28页 |
| ·引言 | 第20页 |
| ·图像特征的提取与表达 | 第20-22页 |
| ·RGB 到 HSV 的转换 | 第20-21页 |
| ·HSV 的量化 | 第21页 |
| ·灰度共生矩阵 | 第21-22页 |
| ·图像的复杂程度及所采用的特征提取机制 | 第22-23页 |
| ·标注模型 | 第23-25页 |
| ·贝叶斯推理网络 | 第23-24页 |
| ·训练阶段与标注阶段 | 第24-25页 |
| ·实验结果及分析 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第4章 标签优化模型 | 第28-35页 |
| ·引言 | 第28页 |
| ·基于 WordNet 和 IC 的语义相似度计算 | 第28-29页 |
| ·基于加权 KNN 算法的图像标注系统 | 第29-31页 |
| ·实验结果及分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第5章 基于文本和视觉信息的二阶段检索模型 | 第35-40页 |
| ·引言 | 第35-36页 |
| ·基于 CCA 的图像特征融合 | 第36页 |
| ·实验结果及分析 | 第36-39页 |
| ·第一阶段检索 | 第36-38页 |
| ·第二阶段检索 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第6章 总结与展望 | 第40-42页 |
| ·研究内容总结 | 第40-41页 |
| ·下一步工作 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第44-45页 |
| 致谢 | 第45页 |