| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 致谢 | 第9-14页 |
| 第一章 绪论 | 第14-21页 |
| ·引言 | 第14页 |
| ·课题背景和意义 | 第14-18页 |
| ·课题背景 | 第14-17页 |
| ·研究意义 | 第17-18页 |
| ·国内外研究现状 | 第18-19页 |
| ·图像摘要技术的研究概况 | 第18-19页 |
| ·代表性图像选取的难点 | 第19页 |
| ·本文的主要工作和结构安排 | 第19-21页 |
| ·本文主要工作 | 第19-20页 |
| ·章节安排 | 第20-21页 |
| 第二章 代表性图像选取概述 | 第21-34页 |
| ·代表性图像选取介绍 | 第21-22页 |
| ·代表性图像的定义 | 第21页 |
| ·代表性图像选取的实现 | 第21-22页 |
| ·图像特征提取和相似性度量 | 第22-31页 |
| ·图像内容描述 | 第22-30页 |
| ·相似性度量 | 第30-31页 |
| ·基于特征的图像聚类 | 第31-32页 |
| ·图像簇排名及选取代表性图像 | 第32页 |
| ·系统评价标准 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于互近邻一致性和 AP 聚类的代表性图像选取方法 | 第34-48页 |
| ·引言 | 第34-35页 |
| ·图像特征提取和相似性度量 | 第35-40页 |
| ·特征提取 | 第35-40页 |
| ·相似性度量 | 第40页 |
| ·基于 AP 算法的图像特征聚类 | 第40-41页 |
| ·生成代表性图像 | 第41-42页 |
| ·实验与分析 | 第42-47页 |
| ·实验图像集描述 | 第42-43页 |
| ·算法比较 | 第43页 |
| ·系统环境与评价标准 | 第43页 |
| ·实验结果与分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于 PSO 的多特征融合代表性图像选取方法 | 第48-57页 |
| ·引言 | 第48页 |
| ·粒子群优化算法简介 | 第48-50页 |
| ·粒子群优化算法的原理 | 第49-50页 |
| ·粒子群优化算法的优点 | 第50页 |
| ·基于 PSO 的多特征融合的代表性图像选取 | 第50-52页 |
| ·图像特征提取和相似性度量 | 第50页 |
| ·基于 PSO 的图像特征权重优化 | 第50-52页 |
| ·基于 AP 算法的图像特征聚类 | 第52页 |
| ·选取代表性图像 | 第52页 |
| ·实验与分析 | 第52-56页 |
| ·实验图像集描述 | 第52-53页 |
| ·算法比较 | 第53页 |
| ·系统环境与评价标准 | 第53页 |
| ·参数设定 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·本文的主要工作 | 第57页 |
| ·未来展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |