| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| CONTENTS | 第9-12页 |
| 第一章 绪论 | 第12-15页 |
| ·研究的目的及意义 | 第12页 |
| ·研究的背景 | 第12-13页 |
| ·基于内容的图像检索存在的问题 | 第13-14页 |
| ·本文的研究成果及意义 | 第14页 |
| ·本文的结构安排 | 第14-15页 |
| 第二章 图像检索相关技术 | 第15-32页 |
| ·图像的预处理技术 | 第15-18页 |
| ·小波变换 | 第16页 |
| ·尺度函数与小波分解 | 第16-17页 |
| ·快速小波变换 | 第17-18页 |
| ·特征提取 | 第18-21页 |
| ·RGB颜色空间 | 第18-19页 |
| ·LUV颜色空间 | 第19-20页 |
| ·Tamura矩阵 | 第20页 |
| ·自回归纹理模型 | 第20-21页 |
| ·图像检索的距离度量 | 第21-24页 |
| ·明氏距离 | 第21-22页 |
| ·二次型距离 | 第22-23页 |
| ·马氏距离 | 第23页 |
| ·EMD距离 | 第23-24页 |
| ·SVM学习 | 第24-30页 |
| ·支持向量机应用研究 | 第25-26页 |
| ·SVM算法的研究状况 | 第26-27页 |
| ·机器学习的基本问题 | 第27-28页 |
| ·统计学习理论 | 第28-29页 |
| ·泛化问题的界 | 第29页 |
| ·结构风险最小化 | 第29-30页 |
| ·核函数 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 Meanshift算法的改进与研究 | 第32-41页 |
| ·引言 | 第32页 |
| ·对 Meanshift分割算法的改进 | 第32-33页 |
| ·Meanshift平滑算法介绍 | 第33-35页 |
| ·Meanshift平滑算法的实现 | 第35-37页 |
| ·参数选择的讨论 | 第37-39页 |
| ·Daubechies小波的实现 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 纹理特征提取的改进与 SVM分类的改进 | 第41-51页 |
| ·引言 | 第41页 |
| ·基于小波变换的纹理特征 | 第41-42页 |
| ·对小波纹理提取算法的改进 | 第42-45页 |
| ·支持向量机 | 第45-47页 |
| ·VQ概率密度估计 | 第47-48页 |
| ·基于VQ的SVM分类算法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 一个基于 Meanshift+EMD的检索系统 | 第51-61页 |
| ·系统概述 | 第51-53页 |
| ·系统的各个模块与运行环境 | 第53-57页 |
| ·运行环境 | 第53-54页 |
| ·系统的各个功能模块 | 第54-57页 |
| ·系统的运行结果及分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 结束语 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |