基于SVM的图像内容检索研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景 | 第9-12页 |
| ·图像内容检索技术概述 | 第12-14页 |
| ·本文的主要研究内容 | 第14-17页 |
| 第2章 图像检索相关技术 | 第17-33页 |
| ·CBIR 系统架构 | 第17页 |
| ·图像特征提取和表示 | 第17-22页 |
| ·图像颜色空间 | 第17-19页 |
| ·颜色特征 | 第19-20页 |
| ·纹理特征 | 第20-21页 |
| ·形状特征 | 第21-22页 |
| ·检索模式及相关反馈技术 | 第22-26页 |
| ·检索模式 | 第22-23页 |
| ·相关反馈技术 | 第23-26页 |
| ·图像检索的评价问题 | 第26-31页 |
| ·图像检索中常用的相似性评定方法 | 第26-29页 |
| ·图像检索算法评价 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 基于支持向量机的图像检索 | 第33-49页 |
| ·SVM 理论模型 | 第33-42页 |
| ·统计学习问题 | 第33-34页 |
| ·VC 维数 | 第34-35页 |
| ·结构风险最小化 | 第35-37页 |
| ·SVM 数学模型 | 第37-41页 |
| ·核函数选择 | 第41-42页 |
| ·多特征组合及基于支持向量机技术的图像检索 | 第42-45页 |
| ·多特征组合的必要性 | 第42-43页 |
| ·基于SVM 的多特征组合算法 | 第43-45页 |
| ·提出的RWRF-SVM 算法流程 | 第45页 |
| ·实验结果及分析 | 第45-47页 |
| ·图像数据库和特征 | 第45-46页 |
| ·算法性能 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于模糊支持向量机的图像检索 | 第49-59页 |
| ·模糊支持向量机理论模型 | 第49-52页 |
| ·模糊理论 | 第49-50页 |
| ·模糊支持向量机 | 第50-52页 |
| ·提出的算法 | 第52-55页 |
| ·聚类松散度 | 第52-53页 |
| ·隶属度因子提取算法 | 第53页 |
| ·针对负反馈样本的打包算法 | 第53-54页 |
| ·算法流程 | 第54-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·图像数据库和特征 | 第55页 |
| ·算法性能 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 面向图像库的检索系统设计及实现 | 第59-63页 |
| ·系统设计 | 第59-60页 |
| ·系统实现 | 第60-62页 |
| ·检索流程 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 在读期间发表的学术论文与取得的研究成果 | 第71页 |
