| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-14页 |
| ·引言 | 第11页 |
| ·论文研究背景及意义 | 第11-13页 |
| ·论文的主要工作 | 第13-14页 |
| 第2章 基于内容的图像检索技术 | 第14-23页 |
| ·基于内容图像检索系统的设计 | 第14-15页 |
| ·典型的图像特征提取与表达 | 第15-20页 |
| ·颜色特征 | 第15-18页 |
| ·纹理特征 | 第18-19页 |
| ·形状特征 | 第19页 |
| ·空间关系特征 | 第19页 |
| ·语义特征 | 第19-20页 |
| ·相似性度量方法 | 第20-22页 |
| ·距离度量 | 第20-21页 |
| ·相关计算 | 第21-22页 |
| ·关联系数计算 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 多示例学习 | 第23-30页 |
| ·多示例问题提出 | 第23-24页 |
| ·多示例学习概念 | 第24-25页 |
| ·多示例学习算法 | 第25-28页 |
| ·APR(Axis-Parallel Rectangles)学习算法 | 第25-26页 |
| ·多样性密度（Diverse Density）算法 | 第26-27页 |
| ·最大期望值的DD 算法 | 第27页 |
| ·其他多示例学习算法 | 第27-28页 |
| ·多示例学习在图像检索中的应用 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 多点多样性密度算法 | 第30-46页 |
| ·多点多样性密度算法（MPDD） | 第30-32页 |
| ·图像特征提取 | 第32-42页 |
| ·颜色特征提取 | 第32-38页 |
| ·纹理特征提取 | 第38-41页 |
| ·特征归一化 | 第41-42页 |
| ·包示例生成 | 第42-44页 |
| ·均匀分块法 | 第42-43页 |
| ·聚类法 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 实验结果与分析 | 第46-55页 |
| ·测试环境与资源 | 第46-47页 |
| ·实验环境及开发工具 | 第46页 |
| ·系统框架 | 第46-47页 |
| ·检索算法性能评价 | 第47-48页 |
| ·计算复杂度 | 第47页 |
| ·检索效率 | 第47-48页 |
| ·检索结果分析 | 第48-51页 |
| ·检索结果直观分析 | 第48-51页 |
| ·检索结果统计 | 第51页 |
| ·检索性能比较 | 第51-54页 |
| ·查全/查准率 | 第51-53页 |
| ·检索时间 | 第53-54页 |
| ·实验结果分析 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-58页 |
| ·结论 | 第55-56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的学术研究成果 | 第62-63页 |
| 致谢 | 第63页 |