结合显著性分析和半监督学习的图像检索算法
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·图像检索研究的难点和重点 | 第12-13页 |
| ·本文的主要内容和组织 | 第13-14页 |
| 2 基于内容的图像检索技术 | 第14-26页 |
| ·图像低层特征描述 | 第14-19页 |
| ·颜色特征 | 第15-16页 |
| ·纹理特征 | 第16-17页 |
| ·形状特征 | 第17-18页 |
| ·空间特征 | 第18页 |
| ·小结与分析 | 第18-19页 |
| ·图像检索技术分类 | 第19-23页 |
| ·基于全局特征的检索 | 第19-22页 |
| ·基于区域分割的检索 | 第22页 |
| ·基于显著区域的检索 | 第22-23页 |
| ·综合分析 | 第23页 |
| ·图像检索的查询模式及相似性测度方法 | 第23-25页 |
| ·图像检索的查询模式 | 第23-24页 |
| ·图像检索的相似性测度方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 显著性分析及其在图像检索中的应用 | 第26-44页 |
| ·人类视觉与注意力机制 | 第26-28页 |
| ·视网膜 | 第26-27页 |
| ·视觉对信息的敏感 | 第27页 |
| ·视觉信息处理过程 | 第27-28页 |
| ·显著区域的提取 | 第28-38页 |
| ·显著图的生成 | 第29-34页 |
| ·图像分割 | 第34-37页 |
| ·提取显著区域 | 第37-38页 |
| ·基于显著区域的图像检索实现 | 第38-43页 |
| ·基本设计原理 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 4 结合半监督学习的图像检索 | 第44-62页 |
| ·采用相关反馈提高检索效率 | 第44-46页 |
| ·基于相关反馈的图像检索系统 | 第44-45页 |
| ·相关反馈技术分类 | 第45-46页 |
| ·半监督学习 | 第46-49页 |
| ·半监督学习概论 | 第46-47页 |
| ·半监督学习分类及在图像检索中的应用 | 第47-49页 |
| ·流形排序算法 | 第49-52页 |
| ·算法基本思路 | 第49-50页 |
| ·算法过程 | 第50-51页 |
| ·算法分析 | 第51-52页 |
| ·融合显著性和流形排序的图像检索 | 第52-54页 |
| ·基本设计原理 | 第52-53页 |
| ·检索算法设计 | 第53-54页 |
| ·实验设计 | 第54-61页 |
| ·实验环境 | 第54-55页 |
| ·实验设计与过程 | 第55-58页 |
| ·实验结果与分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| ·论文工作总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 学位论文数据集 | 第67页 |
