| 第一章 绪论 | 第1-11页 |
| ·基于内容图像检索的背景 | 第6页 |
| ·纹理分析在图像检索中的应用 | 第6-8页 |
| ·图像检索的体系结构 | 第8-9页 |
| ·本文的主要工作 | 第9-11页 |
| 第二章 纹理分析方法 | 第11-44页 |
| ·概述 | 第11页 |
| ·多尺度复杂性及多尺度分维数特征 | 第11-15页 |
| ·复杂性特征 | 第11-13页 |
| ·分维数特征 | 第13-14页 |
| ·多尺度复杂性及多尺度分维数特征 | 第14-15页 |
| ·HHT应用于纹理分析 | 第15-28页 |
| ·HHT的介绍 | 第15-19页 |
| ·HHT中存在的问题及其现有的解决方法 | 第19-20页 |
| ·BEMD在图像纹理分析中的应用 | 第20-26页 |
| ·新的边界问题处理方法 | 第26-27页 |
| ·二维 Hilbert谱特征 | 第27-28页 |
| ·Gabor特征 | 第28-29页 |
| ·纹理谱特征 | 第29-30页 |
| ·实验结果 | 第30-43页 |
| ·实验数据库及软硬件环境 | 第30-33页 |
| ·实验中使用的相似性度量函数及检索性能评价指标 | 第33-34页 |
| ·分别针对三个图像数据库的实验结果 | 第34-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 非线性降维及高层语义分析 | 第44-62页 |
| ·非线性降维的意义 | 第44-45页 |
| ·现有的几种主要方法 | 第45-52页 |
| ·ISOMAP(Isometric feature mapping) | 第45-47页 |
| ·LLE(Locally Linear Embedding) | 第47-49页 |
| ·LTSA(Local Tangent Space Alignment) | 第49-50页 |
| ·Laplacian Eigenmap | 第50-51页 |
| ·HLLE(Hessian Locally Linear Embedding) | 第51-52页 |
| ·相关反馈 | 第52-56页 |
| ·相关反馈与参数调整 | 第52页 |
| ·相关反馈与机器学习 | 第52-56页 |
| ·实验结果 | 第56-61页 |
| ·非线性降维实验 | 第56-58页 |
| ·相关反馈实验 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 图像检索实验平台的研制与开发 | 第62-70页 |
| ·总体设计 | 第62-63页 |
| ·详细设计 | 第63-64页 |
| ·图像检索类谱系树 | 第63页 |
| ·数据降维 | 第63-64页 |
| ·相关反馈和机器学习 | 第64页 |
| ·相似性度量函数 | 第64页 |
| ·检索结果评价指标 | 第64页 |
| ·平台运行界面和实例 | 第64-69页 |
| ·主控制界面 | 第64-68页 |
| ·查询参数设置界面 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| ·本文工作的总结 | 第70页 |
| ·下一步的工作 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
