| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.2 CBIR 的国内外研究现状及存在的主要问题 | 第12-17页 |
| 1.2.1 CBIR 的国外研究现状 | 第12-14页 |
| 1.2.2 CBIR 的国内研究现状 | 第14-15页 |
| 1.2.3 CBIR 存在的主要问题 | 第15-17页 |
| 1.3 本文主要研究内容与组织结构 | 第17-20页 |
| 1.3.1 本文主要研究内容 | 第17-19页 |
| 1.3.2 本文结构安排 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 一种改进的基于颜色的图像检索算法 | 第21-30页 |
| 2.1 基于颜色的图像检索算法概述 | 第21-22页 |
| 2.2 颜色空间模型及其转换 | 第22-25页 |
| 2.2.1 图像的颜色表示方法 | 第22-23页 |
| 2.2.2 RGB 颜色空间到 HSV 颜色空间的转换 | 第23-25页 |
| 2.3 颜色空间的量化 | 第25-26页 |
| 2.4 重叠分块策略 | 第26-27页 |
| 2.5 分块主颜色特征提取及相似度计算 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 综合形状和颜色特征的图像检索算法 | 第30-36页 |
| 3.1 基于形状的图像检索算法概述 | 第30-32页 |
| 3.2 不变矩特征提取及相似度计算 | 第32-34页 |
| 3.2.1 不变矩特征提取 | 第32-33页 |
| 3.2.2 不变矩特征相似度计算 | 第33-34页 |
| 3.3 特征向量的归一化 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于 BK-TREE 与改进的 FCM 算法的高维索引结构 | 第36-46页 |
| 4.1 FCM 算法简介 | 第36-40页 |
| 4.1.1 FCM 算法理论基础 | 第36-37页 |
| 4.1.2 FCM 算法实现步骤 | 第37-40页 |
| 4.2 改进的 FCM 算法简介 | 第40-42页 |
| 4.3 基于 BK-TREE 与改进的 FCM 算法的高维索引结构 | 第42-45页 |
| 4.3.1 BK-TREE 简介 | 第42-43页 |
| 4.3.2 BK-TREE 与改进的 FCM 算法相结合的高维索引结构 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 实验结果与分析 | 第46-53页 |
| 5.1 MIDC 算法的实验结果与分析 | 第46-48页 |
| 5.2 BF 高维索引结构的实验结果与分析 | 第48-52页 |
| 5.2.1 时间加速比 | 第48-49页 |
| 5.2.2 查准率和查全率 | 第49-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间所取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
