| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 存在的问题及本文主要研究内容 | 第19-23页 |
| 1.3.1 存在的问题 | 第19-21页 |
| 1.3.2 本文主要研究内容 | 第21-23页 |
| 1.4 论文组织结构 | 第23-25页 |
| 第2章 CBIR 系统结构及相关技术概述 | 第25-45页 |
| 2.1 CBIR 系统的体系结构 | 第25-27页 |
| 2.2 CBIR 的相关标准与评价指标 | 第27-32页 |
| 2.2.1 CBIR 的相关标准 | 第27-31页 |
| 2.2.2 CBIR 的评价指标 | 第31-32页 |
| 2.3 CBIR 系统的特点及应用领域 | 第32-36页 |
| 2.3.1 CBIR 系统的特点 | 第32-34页 |
| 2.3.2 CBIR 系统的应用领域 | 第34-36页 |
| 2.4 图像特征的提取与表示 | 第36-44页 |
| 2.4.1 颜色特征 | 第36-42页 |
| 2.4.2 纹理特征 | 第42-43页 |
| 2.4.3 形状特征 | 第43-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第3章 基于相关反馈和协同过滤的图像检索算法 | 第45-69页 |
| 3.1 引言 | 第45-46页 |
| 3.2 相关反馈技术 | 第46-49页 |
| 3.2.1 相关反馈的框架结构 | 第47-48页 |
| 3.2.2 图像特征的相似性度量 | 第48-49页 |
| 3.3 协同过滤技术 | 第49-51页 |
| 3.4 加入协同过滤分析的相关反馈图像检索算法 | 第51-59页 |
| 3.4.1 图像检索算法的基本流程 | 第51-53页 |
| 3.4.2 图像检索算法的实现过程 | 第53-59页 |
| 3.5 实验结果与分析 | 第59-67页 |
| 3.5.1 实验结果 | 第59-64页 |
| 3.5.2 算法性能评价 | 第64-65页 |
| 3.5.3 算法对比分析 | 第65-67页 |
| 3.6 本章小结 | 第67-69页 |
| 第4章 基于内容的敏感图像过滤方法研究 | 第69-93页 |
| 4.1 引言 | 第69-72页 |
| 4.2 基于内容的敏感图像过滤概述 | 第72-73页 |
| 4.3 常用的肤色检测模型 | 第73-76页 |
| 4.3.1 统计颜色模型 | 第74-75页 |
| 4.3.2 色度空间模型 | 第75-76页 |
| 4.3.3 高斯混合模型 | 第76页 |
| 4.4 常用的皮肤纹理检测算法 | 第76-79页 |
| 4.4.1 简单灰度统计法 | 第77页 |
| 4.4.2 Gabor 滤波法 | 第77-78页 |
| 4.4.3 灰度共生矩阵法 | 第78-79页 |
| 4.5 基于Gabor 滤波和多层次识别的敏感图像过滤方法 | 第79-92页 |
| 4.5.1 基于纹理的皮肤检测 | 第80-83页 |
| 4.5.2 RBF 神经网络皮肤纹理分类器与SVM 敏感图像分类器 | 第83-90页 |
| 4.5.3 实验结果与分析 | 第90-92页 |
| 4.6 本章小结 | 第92-93页 |
| 第5章 工作总结与研究展望 | 第93-96页 |
| 5.1 本文工作总结 | 第93-94页 |
| 5.2 未来研究展望 | 第94-96页 |
| 参考文献 | 第96-106页 |
| 作者简介及在学期间所取得的科研成果 | 第106-108页 |
| 致谢 | 第108页 |