| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 插图索引 | 第9-11页 |
| 附表索引 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 图像检索研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本文章节组织安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 图像检索相关特征检索技术和评价 | 第18-30页 |
| 2.1 CBIR 系统架构 | 第18页 |
| 2.2 图像特征提取 | 第18-27页 |
| 2.2.1 图像的颜色空间 | 第18-20页 |
| 2.2.2 图像的颜色特征 | 第20-21页 |
| 2.2.3 图像的纹理特征 | 第21-24页 |
| 2.2.4 图像的形状特征 | 第24-25页 |
| 2.2.5 图像的局部特征 | 第25-27页 |
| 2.3 检索性能评价 | 第27-29页 |
| 2.3.1 量化评价标准 | 第27-28页 |
| 2.3.2 排序评价方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于随机决策树的图像检索 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 决策树的概念 | 第30-32页 |
| 3.3 单颗随机决策树的构建算法描述 | 第32-34页 |
| 3.4 局部敏感哈希 | 第34-35页 |
| 3.5 图像间的相似度计算 | 第35-37页 |
| 3.6 图像检索算法 | 第37-38页 |
| 3.7 实验仿真结果 | 第38-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第四章 基于多种混合图像特征的检索模型研究 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 图像的局部特征 | 第42-44页 |
| 4.3 图像的局部特征高维向量的索印化 | 第44-47页 |
| 4.4 图像的局部特征和随机决策树的混合图像检索方法 | 第47-48页 |
| 4.5 基于 SURF 和 HOG 的混合特征检索模型 | 第48-51页 |
| 4.6 实验仿真和结果 | 第51-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 主要成果 | 第60-61页 |
| 致谢 | 第61页 |