| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| ·目前国内外关于图像检索的研究现状 | 第11-13页 |
| ·课题的理论基础 | 第13-16页 |
| ·课题的意义及应用 | 第16-17页 |
| 2 基于内容的图像检索(Content-Based Image Retrieval) | 第17-25页 |
| ·简介 | 第17页 |
| ·基于内容的图像检索的系统结构框图及其功能 | 第17-19页 |
| ·基于内容的图像检索所依赖的关键问题 | 第19-21页 |
| ·基于内容的图像检索的分类 | 第21-24页 |
| ·基于颜色特征的检索 | 第21-22页 |
| ·基于纹理特征的检索 | 第22页 |
| ·基于形状特征的检索 | 第22-23页 |
| ·基于空间关系的特征检索 | 第23页 |
| ·基于对象的检索 | 第23-24页 |
| ·基于内容的图像检索的图像检索技术的研究发展方向 | 第24-25页 |
| 3 小波分析基础 | 第25-37页 |
| ·小波分析简介 | 第25页 |
| ·连续小波变换与离散二进小波变换 | 第25-28页 |
| ·多分辨率分析技术 | 第28-31页 |
| ·多分辨率分析的思想及定义 | 第28-29页 |
| ·多分辨率分析与正交小波变换 | 第29-31页 |
| ·Mallat算法 | 第31-37页 |
| 4 小波分析与图像处理 | 第37-49页 |
| ·小波与图像恢复(去噪) | 第37-40页 |
| ·传统的图像恢复技术 | 第38页 |
| ·小波分析的图像恢复方法 | 第38-40页 |
| ·小波与图像增强 | 第40-42页 |
| ·小波与图像分割 | 第42-43页 |
| ·基于小波变换的边缘检测 | 第42-43页 |
| ·基于小波变换的阈值分割 | 第43页 |
| ·小波与图像重建 | 第43-45页 |
| ·小波与图像检索 | 第45-49页 |
| ·小波直方图技术 | 第45-46页 |
| ·小波分析在基于颜色的图像检索中的应用 | 第46-47页 |
| ·小波分析与图像配准 | 第47-49页 |
| 5 改进的利用小波的基于形状的检索算法 | 第49-59页 |
| ·算法背景 | 第49页 |
| ·图像形状的意义 | 第49-50页 |
| ·关于小波模极大值的介绍 | 第50-51页 |
| ·关于矩技术的基本概念 | 第51-57页 |
| ·矩形度 | 第52页 |
| ·圆形度 | 第52页 |
| ·矩 | 第52-55页 |
| ·边界矩 | 第55-56页 |
| ·归一化特征向量 | 第56-57页 |
| ·算法描述 | 第57-59页 |
| ·普通算法描述 | 第57页 |
| ·新算法描述 | 第57-59页 |
| 6 改进的利用小波的基于形状的检索算法在医学图象检索中的应用 | 第59-72页 |
| ·医学图象检索简介 | 第59页 |
| ·编程技术 | 第59-64页 |
| ·求出原图像的7个尺度下的模图像 | 第59-60页 |
| ·求出每幅模图像的局部极大值 | 第60页 |
| ·根据动态阈值设定来去掉冗余信息 | 第60-61页 |
| ·求出每个尺度下模图像的极大值的矩，并进行归一化。 | 第61-63页 |
| ·保存归一化后的矩 | 第63页 |
| ·计算待定源图像与库存图像的欧氏距离 | 第63-64页 |
| ·实例演示 | 第64-72页 |
| 7 展望 | 第72-73页 |
| 结论 | 第73-77页 |
| 参考文献 | 第77-80页 |
| 在学研究成果 | 第80-81页 |
| 致谢 | 第81页 |
