基于智能优化算法的图像检索技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 基于内容的图像检索研究现状 | 第8-9页 |
| 1.3 粒子群优化算法研究现状 | 第9-10页 |
| 1.4 论文结构 | 第10-12页 |
| 第二章 基于内容的图像检索方法研究 | 第12-22页 |
| 2.1 基于内容的图像检索技术 | 第12页 |
| 2.2 CBIR中的图像特征 | 第12-19页 |
| 2.2.1 图像颜色特征 | 第12-16页 |
| 2.2.2 图像纹理特征 | 第16-19页 |
| 2.2.3 图像形状特征 | 第19页 |
| 2.3 CBIR中的相似性度量 | 第19-20页 |
| 2.4 CBIR的评估标准 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 粒子群算法研究与应用 | 第22-28页 |
| 3.1 粒子群算法 | 第22-24页 |
| 3.1.1 原始粒子群算法 | 第22-23页 |
| 3.1.2 标准粒子群算法 | 第23-24页 |
| 3.2 改进的粒子群算法 | 第24-26页 |
| 3.2.1 量子行为粒子群算法 | 第24-25页 |
| 3.2.2 综合学习粒子群算法 | 第25-26页 |
| 3.2.3 自适应学习粒子群算法 | 第26页 |
| 3.3 粒子群算法的应用 | 第26-27页 |
| 3.3.1 函数优化 | 第26-27页 |
| 3.3.2 神经网络训练 | 第27页 |
| 3.3.3 粒子群算法的工程应用 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于QPSO算法的图像检索系统的实现 | 第28-38页 |
| 4.1 系统结构框架 | 第28-29页 |
| 4.2 粒子群算法应用于图像检索的仿真验证 | 第29-32页 |
| 4.2.1 实验参数设置 | 第29页 |
| 4.2.2 检索性能评定标准 | 第29-30页 |
| 4.2.3 算法稳定性评估 | 第30-32页 |
| 4.3 系统主要功能模块实现 | 第32-37页 |
| 4.3.1 系统开发环境 | 第32-33页 |
| 4.3.2 图像特征数据库管理模块实现 | 第33页 |
| 4.3.3 图像特征提取模块实现 | 第33-36页 |
| 4.3.4 图像相似性度量模块实现 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 基于QPSO算法的图像检索系统性能优化 | 第38-47页 |
| 5.1 GPU并行计算技术 | 第38-40页 |
| 5.1.1 GPU并行计算技术简介 | 第38-39页 |
| 5.1.2 GPU并行计算编程技术 | 第39-40页 |
| 5.2 GPU并行计算编程模式 | 第40-41页 |
| 5.3 基于GPU加速的系统性能优化 | 第41-45页 |
| 5.3.1 基于GPU加速的检索算法优化组合模块 | 第41-44页 |
| 5.3.2 基于GPU加速的图像相似性度量模块 | 第44-45页 |
| 5.4 实验结果比较与分析 | 第45-46页 |
| 5.4.1 系统环境 | 第45页 |
| 5.4.2 实验结果 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 主要结论与展望 | 第47-48页 |
| 主要结论 | 第47页 |
| 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第52页 |
