基于兴趣点的图像检索方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-11页 |
| ·基于内容的图像研究的重点和难点 | 第11页 |
| ·图像检索技术国内外研究综述 | 第11-14页 |
| ·论文的主要内容和章节安排 | 第14-16页 |
| 第2章 基于内容的图像检索的关键技术 | 第16-27页 |
| ·图像检索中常用的底层视觉特征 | 第17-23页 |
| ·颜色特征 | 第17-21页 |
| ·纹理特征 | 第21-22页 |
| ·形状特征 | 第22-23页 |
| ·相似性度量方法 | 第23-25页 |
| ·图像检索算法的评价准则 | 第25-26页 |
| ·本章小节 | 第26-27页 |
| 第3章 基于兴趣点凸包的图像检索方法研究 | 第27-46页 |
| ·引言 | 第27-28页 |
| ·兴趣点检测方法 | 第28-33页 |
| ·Harris角点检测方法 | 第29-30页 |
| ·基于小波变换的兴趣点检测方法 | 第30-33页 |
| ·兴趣点凸包的提取方法 | 第33-35页 |
| ·基于兴趣点凸包的颜色特征提取方法 | 第35-38页 |
| ·颜色空间的选择及颜色的矢量量化 | 第35-36页 |
| ·基于兴趣点凸包的颜色直方图特征的提取 | 第36-37页 |
| ·相似性度量 | 第37-38页 |
| ·基于兴趣点凸包的纹理特征的提取方法 | 第38-40页 |
| ·Gabor小波纹理特征 | 第38-39页 |
| ·基于兴趣点凸包的Gabor小波纹理特征的提取 | 第39-40页 |
| ·相似性度量 | 第40页 |
| ·兴趣点空间离散度特征的提取方法 | 第40-41页 |
| ·基于小波和矩的形状特征的提取方法 | 第41-42页 |
| ·实验结果和分析 | 第42-45页 |
| ·本章小节 | 第45-46页 |
| 第4章 图像检索中相关反馈技术研究 | 第46-58页 |
| ·相关反馈的引入 | 第46-47页 |
| ·相关反馈技术 | 第47-48页 |
| ·相关反馈概念 | 第47页 |
| ·用户相关判断的度量方式 | 第47-48页 |
| ·相关反馈中的学习问题 | 第48页 |
| ·常见的相关反馈算法 | 第48-52页 |
| ·移动查询点的相关反馈方法 | 第49页 |
| ·基于权值调整的相关反馈方法 | 第49-50页 |
| ·基于机器学习的相关反馈方法 | 第50-51页 |
| ·基于记忆模型的相关反馈方法 | 第51-52页 |
| ·基于SVM分类加权的移动查询点相关反馈方法研究 | 第52-55页 |
| ·支持向量机原理 | 第52-53页 |
| ·基于SVM分类加权的移动查询点相关反馈方法 | 第53-55页 |
| ·实验结果和分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |
