| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本论文主要研究内容 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 皮肤病图像的预处理 | 第17-25页 |
| 2.1 图像去噪 | 第17-18页 |
| 2.2 图像增强 | 第18-19页 |
| 2.3 毛发消除 | 第19-21页 |
| 2.4 图像分割 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于图像特征及Hash编码的图像检索 | 第25-38页 |
| 3.1 基于低层特征融合的图像检索 | 第25-30页 |
| 3.1.1 FCH特征 | 第25-27页 |
| 3.1.2 Gabor特征 | 第27-28页 |
| 3.1.3 LBP特征 | 第28-29页 |
| 3.1.4 PHOG特征 | 第29-30页 |
| 3.2 基于Hash编码的图像检索 | 第30-32页 |
| 3.2.1 无监督局部敏感哈希LSH算法 | 第31-32页 |
| 3.2.2 半监督哈希算法SSH | 第32页 |
| 3.3 图像检索的评价标准 | 第32-33页 |
| 3.4 实验设计与分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于深层卷积神经网络的深度语义Hash图像检索 | 第38-64页 |
| 4.1 深度学习简介 | 第38-40页 |
| 4.2 卷积神经网络 | 第40-53页 |
| 4.2.1 人工神经网络 | 第40-45页 |
| 4.2.2 随机梯度下降 | 第45-47页 |
| 4.2.3 BP反向传播算法 | 第47-50页 |
| 4.2.4 Dropout防止过拟合 | 第50-52页 |
| 4.2.5 SoftMax回归 | 第52-53页 |
| 4.3 深度语义Hash编码 | 第53-56页 |
| 4.3.1 深度语义Hash结构 | 第54-55页 |
| 4.3.2 语义一致性编码 | 第55页 |
| 4.3.3 紧凑Hash编码 | 第55-56页 |
| 4.4 实验设计与分析 | 第56-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 基于Hash-AP分层次检索排序 | 第64-72页 |
| 5.1 聚类算法简介 | 第64-65页 |
| 5.1.1 K-Means聚类 | 第65页 |
| 5.2 AP近邻传播算法 | 第65-68页 |
| 5.2.1 构造相似度矩阵 | 第66页 |
| 5.2.2 吸引度矩阵R和归属度矩阵 | 第66-67页 |
| 5.2.3 决策矩阵 | 第67-68页 |
| 5.2.4 算法流程 | 第68页 |
| 5.3 自适应近邻传播算法 | 第68页 |
| 5.4 实验设计与分析 | 第68-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |