| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 研究背景和意义 | 第13-16页 |
| 1.2 图像特征提取和检索应用的发展现状和趋势 | 第16-18页 |
| 1.3 基于内容的图像检索系统的关键技术 | 第18-22页 |
| 1.4 本文的研究思路和主要创新点 | 第22-24页 |
| 1.5 本文组织结构 | 第24-26页 |
| 第2章 矢量量化和复杂网络相关知识介绍 | 第26-48页 |
| 2.1 矢量量化基础知识 | 第26-40页 |
| 2.1.1 基本原理 | 第26-28页 |
| 2.1.2 矢量量化器的性能指标 | 第28-30页 |
| 2.1.3 矢量量化关键技术 | 第30-33页 |
| 2.1.4 矢量量化器主要类型 | 第33-38页 |
| 2.1.5 矢量量化在多媒体信号处理中的应用 | 第38-40页 |
| 2.2 基于图论的复杂网络的表示及其结构特征 | 第40-47页 |
| 2.2.1 复杂网络的表示和结构特征 | 第41-45页 |
| 2.2.2 基于复杂网络的图像建模 | 第45-47页 |
| 2.3 本章小结 | 第47-48页 |
| 第3章 基于边缘方向分类模板的图像编码和特征提取 | 第48-72页 |
| 3.1 引言 | 第48-49页 |
| 3.2 基于分类矢量量化的图像压缩编码 | 第49-51页 |
| 3.2.1 分类矢量量化的基本原理 | 第49-50页 |
| 3.2.2 分类矢量量化的实现过程 | 第50-51页 |
| 3.3 基于改进的边缘方向模板和分类矢量量化的压缩编码 | 第51-67页 |
| 3.3.1 经典的边缘方向分类模板 | 第52-54页 |
| 3.3.2 改进的边缘方向分类模板及分类 | 第54-56页 |
| 3.3.3 压缩编码基本框架 | 第56-57页 |
| 3.3.4 边缘方向分类模板阈值选择 | 第57-58页 |
| 3.3.5 编码仿真实验 | 第58-67页 |
| 3.4 基于改进的边缘方向分类模板的图像特征提取 | 第67-70页 |
| 3.4.1 基于EOP_VQIH的特征提取方法 | 第67-69页 |
| 3.4.2 仿真实验 | 第69-70页 |
| 3.5 本章小结 | 第70-72页 |
| 第4章 基于复合特征向量的图像特征提取和应用 | 第72-93页 |
| 4.1 引言 | 第72页 |
| 4.2 基于位平面分类和树形矢量量化的图像特征提取 | 第72-87页 |
| 4.2.1 块截断编码(Block Truncation Coding,BTC) | 第72-76页 |
| 4.2.2 基于位平面分类的图像特征提取 | 第76-81页 |
| 4.2.3 算法仿真和讨论 | 第81-87页 |
| 4.3 改进的DCT变换域图像特征提取 | 第87-91页 |
| 4.3.1 改进的DCT和VQ的图像分类特征提取算法 | 第87-90页 |
| 4.3.2 算法仿真和讨论 | 第90-91页 |
| 4.4 本章小结 | 第91-93页 |
| 第5章 基于复杂网络的图像感兴趣点特征研究 | 第93-111页 |
| 5.1 引言 | 第93-94页 |
| 5.2 可行性及研究路线 | 第94页 |
| 5.3 相关知识介绍 | 第94-101页 |
| 5.3.1 复杂网络的节点中心性 | 第95-96页 |
| 5.3.2 基于熵权法的网络节点中心性评价 | 第96-98页 |
| 5.3.3 基于信息熵和交叉信息熵的网络关键节点评价 | 第98-100页 |
| 5.3.4 尺度不变性 | 第100-101页 |
| 5.4 基于复杂网络的图像感兴趣点特征提取及评价 | 第101-110页 |
| 5.4.1 实验原理 | 第101-104页 |
| 5.4.2 仿真对比实验及讨论 | 第104-110页 |
| 5.5 本章小结 | 第110-111页 |
| 第6章 总结和展望 | 第111-114页 |
| 6.1 研究总结 | 第111-112页 |
| 6.2 研究展望 | 第112-114页 |
| 参考文献 | 第114-131页 |
| 致谢 | 第131-132页 |
| 攻读博士学位期间的主要研究成果 | 第132页 |
