| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像检索 | 第12-13页 |
| 1.2.2 图像内容的表示 | 第13-15页 |
| 1.2.3 图像的相似性度量 | 第15-16页 |
| 1.2.4 图像重排序 | 第16页 |
| 1.3 本文研究内容与章节安排 | 第16-19页 |
| 1.3.1 本文研究内容 | 第18页 |
| 1.3.2 本文章节安排 | 第18-19页 |
| 第二章 相关理论基础 | 第19-24页 |
| 2.1 词包模型 | 第19-20页 |
| 2.2 空间金字塔匹配 | 第20-21页 |
| 2.3 稀疏表示理论 | 第21-23页 |
| 2.3.1 基本概述 | 第21-22页 |
| 2.3.2 优化求解方法和字典学习 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于非负稀疏编码和多视觉词汇库的网络图像检索 | 第24-39页 |
| 3.1 算法框架概述 | 第24页 |
| 3.2 特征提取 | 第24-28页 |
| 3.3 训练多视觉词汇库 | 第28-29页 |
| 3.4 特征编码 | 第29-34页 |
| 3.4.1 常用的编码方法 | 第31-32页 |
| 3.4.2 非负稀疏编码 | 第32-33页 |
| 3.4.3 编码聚合 | 第33-34页 |
| 3.5 相似性度量函数设计 | 第34-38页 |
| 3.5.1 常用的相似性度量方法 | 第34-37页 |
| 3.5.2 改进的交叉核函数 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于查询图像K-NN的图像重排序算法 | 第39-43页 |
| 4.1 图像重排序基本介绍 | 第39页 |
| 4.2 K-NN图像重排序算法 | 第39-42页 |
| 4.2.1 算法基本概述 | 第39-40页 |
| 4.2.2 K-NN图像重排序 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验与分析 | 第43-53页 |
| 5.1 评测数据库概述和算法评估标准 | 第43-45页 |
| 5.1.1 网络多类目标 6K数据库 | 第43-44页 |
| 5.1.2 肯塔基大学UKB数据库 | 第44-45页 |
| 5.2 实验结果与分析 | 第45-49页 |
| 5.2.1 6K数据库上的实验结果 | 第45-48页 |
| 5.2.2 UKB数据库上的实验结果 | 第48-49页 |
| 5.3 演示系统 | 第49-52页 |
| 5.3.1 演示系统基本介绍 | 第49页 |
| 5.3.2 演示系统实例演示 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 硕士期间发表的学术论文 | 第60页 |